11月9日、startuphub.aiが「McKinsey: Top 25% Get 2x From AI Coding」と題した記事を公開した。マッキンゼーの調査によれば、AIコーディングで上位25%の企業がエンドツーエンドで2倍の生産性向上を実現している一方、大多数の企業はいまだ10〜20%の改善に留まっている。その差を生んでいるのはツールの選択ではなく、開発プロセスそのものの再設計だという。
「2倍」と「20%」を分けるのはツールではなく開発プロセスそのもの
マッキンゼーのMartin HarryssonとPrakhar DixitがAI Engineerのインタビューで語ったことの核心は、AIツールを既存のフローに差し込んでも効果は出ないという点だ。
多くの企業が試みたのは、従来のSDLC（ソフトウェア開発ライフサイクル）——要件定義からビルド・テスト・リリースまでの工程——に、エージェントをプラグインとして組み込む方法だった。Harryssonによれば、このアプローチを取ったクライアントの多くは途中で行き詰まった。
2倍の成果を出している上位勢が変えたのは、SDLC全体の形だ。
具体的には、2週間スプリントのスクラムを廃止し、1〜2日単位のKanbanループへ移行している。エージェントが夜間に処理を進め、人間が翌朝に検証する。その信頼度に応じてレビューの密度を上げ下げする構造だ。このループはビルド・テストから始まり、今では要件定義やリリース工程にまで広がっている。ただし、これが機能するには**PRD（Product Requirements Document）や仕様書の形式が標準化されている**ことが前提で、エージェントが毎回同じ形のコンテキストを受け取れる環境が必要になる。
チームは2〜4人に縮小、ロールは統合へ
Dixitは組織構造の変化についても言及している。大規模なスクラムチームに代わり、2〜4人のポッド型チームが登場している。役割としては、プロダクト側が「definer（定義者）」、開発・QA側が「builder（構築者）」へと収束しつつある。
ツールの選択は、もはや差別化の軸ではないとDixitは言い切る。今の競争優位はセマンティックレイヤーの整備にある。セマンティックレイヤーとは、「このコードベースにおける"良いコード"とは何か」「このプロジェクト固有の制約や慣習は何か」といった、会社固有の知識体系をエージェントが参照できる形式で構造化したものだ。長年の開発者の頭の中にある暗黙知をいかに外部化・厳選するかが、今後の開発組織の差別化要因になる。
その難しさを示す事例として、あるクライアントが単一のPRDを書くためのスキルやテンプレートを探したところ1,700件ものリソースが存在し、選択肢の多さに身動きが取れなくなったというケースが紹介されている。「利用可能であること」より「厳選されていること」の方が価値を持つ時代になった。
速度向上が生んだ品質問題
別の登壇者は、コミット数の増加に伴い開発者一人あたり・PRあたりの欠陥数も増加しているという問題を指摘する。生成速度に対してレビュースキルが追いついていないのだ。
その対策として挙げられたのが「ゴールデンサンプル」の活用だ。良いコードの定義を体現した手作業で選定したサンプル群と、保守性やマージ安全性に関するポリシーを、最後にまとめてチェックするのではなく、各チェックポイントでエージェントに渡す方法だ。
ビルドとテストの工程が圧縮されると、ボトルネックは上流（要件定義）・下流（リリース）・横断領域（リスク・コンプライアンス・デザイン）へと移動する。紹介された事例では、銀行アプリのボタン色がアクセシビリティ規則を満たす必要があり、その知識をコーディングエージェントが持つためには事前にルールを明示的にエンコードする必要があった。AIが生成できる範囲の外に、まだ多くの要件が存在する。
まとめ
マッキンゼーの知見を整理すると、AIコーディングで2倍の成果を出すための条件は以下に集約される。
- 開発プロセス（SDLC）自体を再設計する（ツールを既存フローに追加するだけでは不十分）
- 1〜2日のKanbanループでエージェントと人間のレビューを高頻度で回す
- PRDや仕様書を標準化し、エージェントへのコンテキストを均一にする
- 社内の暗黙知をセマンティックレイヤーとして外部化・厳選する
- ゴールデンサンプルとポリシーを各チェックポイントで使い、品質劣化を防ぐ
ツールの導入から「プロセスの再設計」へ——この転換を済ませているかどうかが、AIコーディングの成否を分ける最大の変数だとマッキンゼーは示唆している。
詳細はMcKinsey: Top 25% Get 2x From AI Codingを参照していただきたい。
