コードを書く速度が100倍になった。で、何が変わった？

あるエンジニアがAIコーディングをやめた。理由はシンプルだ。「100倍速でコードを書いても、生産性はゼロだった」。

これは極端な話に聞こえるかもしれない。だが、現場で起きていることを冷静に見ると、笑えない話だ。AIがコードを吐き出す速度は確かに爆速になった。GitHub Copilotを使えば、数十行のコードが数秒で生成される。ChatGPTに仕様を投げれば、それらしい関数が返ってくる。体感で「100倍速」という感覚は、決して大げさではない。

だが問いはそこじゃない。「速く書けたコードは、そのまま使えたのか？」——ここだ。

「書く」のコストが下がったら、「直す」のコストが見えてきた

そのエンジニアが語った現実はこうだ。

AIが生成したコードは、一見動く。テストも通る。だが本番環境に入れた途端、想定外のバグが出る。エッジケースの処理が甘い。既存コードとの整合性が取れていない。セキュリティホールが潜んでいる。

結果、AIが5分で書いたコードを、人間が3時間かけてレビューし、修正し、テストし直す。これが毎日繰り返される。

計算してみよう。従来、あるコードを書くのに人間が5時間かかっていたとする。AIを使えば「書く」工程は5分に短縮される。だがレビューと修正に3時間かかる。差し引きで3時間5分。確かに短くはなった。だが「100倍速」から想像する劇的な効率化とは程遠い。しかもレビューと修正は、元のコードを書くより高度なスキルを要求される。

コードを「書く」コストが限りなくゼロに近づいた結果、コードを「読む」「判断する」「直す」コストが相対的に跳ね上がった。 これが、100倍速でも生産性ゼロになるメカニズムだ。

コストが下がった先に何が起きるか

この構造は、コーディングに限った話ではない。

記事を書くコストが下がった。AIに投げれば3000字の文章が30秒で出てくる。だが「この文章は正確か」「読者にとって価値があるか」「ファクトは合っているか」を判断するのは人間だ。その判断にかかる時間は変わらない。むしろ、AIが大量に文章を生成するぶん、判断の負荷は増えている。

デザインも同じだ。画像生成AIを使えば、バナーやロゴの候補は100枚でも200枚でも出せる。だが「どれがブランドに合っているか」「この色はターゲット層に刺さるか」を決めるのは人間だ。候補が増えれば増えるほど、選ぶ負荷は上がる。

つまりこういうことだ。

AIは「作業」のコストを劇的に下げた。だが「判断」のコストは下がっていない。むしろ上がっている。

そして市場では、コストが下がったものの値段は下がり、コストが下がらないものの値段は上がる。これは経済の基本原則だ。

「人がやるべき仕事」の値段が上がっている

実際に数字で見てみよう。

クラウドソーシングでの簡単なコーディング案件の単価は、この2年で明らかに下がっている。「LP1ページのコーディング」は、以前なら5万〜10万円が相場だった。今はAIで大枠を作れるため、2万〜3万円でも受ける人がいる。

一方で、「既存システムの設計レビュー」「技術的負債の整理」「要件の曖昧さを潰す上流工程」——こういった仕事の単価は上がっている。フリーランスのシニアエンジニアの時給は、5年前の1.2〜1.5倍になっているという声もある。月単価で80万円だったポジションが100万〜120万円になっている。

なぜか。AIが「書く」を代替できるようになったからこそ、「何を書くか決める人」「書いたものが正しいか判断できる人」の希少性が上がったからだ。

これはコーディングだけの話じゃない。

• 営業資料をAIが作れるようになった → 「この顧客に何を提案すべきか」を判断できる営業の価値が上がった
• 経理の仕訳をAIが自動化した → 「この数字の異常に気づける」経理担当の価値が上がった
• 採用文面をAIが書けるようになった → 「この人を採るべきか」を見極められる面接官の価値が上がった

どの職種でも同じ構造が起きている。

中小企業にとって、これはチャンスだ

ここからが本題だ。

大企業はAIツールに年間数千万円を投じて、大規模な自動化を進めている。だが中小企業がその真似をする必要はない。というより、してはいけない。

中小企業の強みは「判断の速さ」と「現場との距離の近さ」だ。社長が現場を見ている。顧客の顔が見えている。だからこそ「この判断は正しいか」を、大企業より速く、正確にできる。

AIが「作業」を安くしてくれる時代に、中小企業がやるべきことは明確だ。

1. 作業はAIに任せる。ただし「丸投げ」はしない。

AIコーディングツールの月額は2,000〜6,000円程度。GitHub Copilotは月19ドル（約3,000円）、ChatGPT Plusは月20ドル（約3,000円）。年間にして4〜7万円。これで「書く」工程の時間を半分にできるなら、十分にペイする。

だが、出てきたものを「そのまま使う」のは危険だ。必ず人間がレビューする。この「レビューできる人」を社内に育てることが、AI活用の本質だ。

2. 投資すべきは「判断できる人材」の育成。

年間30万〜100万円の研修費を「AIツールの使い方講座」に使うのはもったいない。ツールの使い方は半年で変わる。それより「要件を整理する力」「品質を見極める目」「顧客の課題を言語化する力」——こういった判断力に投資すべきだ。

具体的には、外部のシニア人材に月1回レビューを依頼する（月5〜10万円）、社内勉強会で「なぜこの判断をしたか」を言語化する習慣をつける、顧客ヒアリングの同席を若手に義務づける。こういった泥臭い施策のほうが、AIツール導入より確実にリターンがある。

3. 「判断の記録」を仕組み化する。

属人化の最大の原因は「なぜその判断をしたか」が記録されていないことだ。ベテランの判断基準をドキュメントに残す。これは今すぐAIで支援できる。ベテランにしゃべってもらって、AIで文字起こしして、整理する。月額数千円のツールでできる。

判断基準が言語化されれば、若手でも再現できる。これが中小企業における本当のAI活用だ。

で、結局どうすればいいのか

まとめよう。

• AIは「作業」を100倍速にした。だが「判断」は速くなっていない
• 作業の値段は下がり、判断の値段は上がっている
• 中小企業が投資すべきは、AIツールではなく「判断できる人」
• AIツールは月数千円で使えばいい。数百万円の導入プロジェクトは不要
• 判断基準の言語化と仕組み化が、属人化を防ぎ、組織の競争力になる

AIコーディングをやめたエンジニアが気づいたのは、「速く書けること」と「正しいものを作れること」は別物だという、当たり前の事実だった。

この当たり前が、今あらゆる職種で再確認されている。コードも、文章も、デザインも、営業資料も。「作る」のコストがゼロに近づく時代に、「何を作るか決められる人」の値段が上がっている。

中小企業の経営者がやるべきことは、高額なAIツールを導入することじゃない。「うちの会社で、判断しているのは誰か」を把握すること。その人の判断基準を、組織の資産にすること。そこからだ。

—