AIコード、30日後に「負債」になる——見えないコストを時給換算してみた
Related Articles

結論から言う。AIが書いたコードは「納品日」が一番価値が高い
AIにコードを書かせると、体感で開発速度は3〜5倍になる。これは本当だ。だが、30日後にそのコードを触ることになったとき、何が起きるか。
「誰がなぜこう書いたのか分からない」コードが、本番環境に静かに埋まっている。
これがAIコードの「負債」だ。人間が書いたコードにも負債はあるが、AIコードの負債には厄介な特徴がある。書いた本人すら意図を説明できないということだ。なぜなら、書いたのは人間ではないから。
今回は、この「見えないコスト」を中小企業の現場感覚で時給換算してみる。
—
何が起きているのか:Hacker Newsで噴出した現場の声
Hacker Newsのスレッドでは、AIコードを本番投入した開発者たちからこんな報告が相次いでいる。
- 「AIが生成したコードは初期テストを通過するが、エッジケースで30日以内に壊れる」
- 「レビューで見抜けなかったバグが本番で発覚し、修正に元の実装時間の2〜3倍かかった」
- 「コードの意図が読めないので、修正ではなく書き直しになる」
共通しているのは、初期コストは下がるが、保守コストが跳ね上がるという構造だ。
これは大企業でも同じらしい。Appleが社内のAI関連予算を見直しているという報道がある。短期的なコスト削減効果と、後工程で発生する品質管理・保守コストのバランスが合わなくなってきた、という文脈で語られている。テック大手ですらこの壁にぶつかっているということは、中小企業が無警戒でいいはずがない。
—
時給換算してみる:中小企業のリアルな数字
では、地方の中小企業を想定して具体的に計算してみよう。
前提条件
- 開発者の時給:3,500円(地方の中小企業の相場感)
- 対象:社内業務システムの機能追加(中規模)
ケースA:人間が書いた場合
| 工程 | 時間 | コスト |
|---|---|---|
| 設計・実装 | 40時間 | 140,000円 |
| テスト・修正 | 10時間 | 35,000円 |
| 30日後の保守(バグ修正等) | 5時間 | 17,500円 |
| 合計 | 55時間 | 192,500円 |
ケースB:AIに書かせた場合
| 工程 | 時間 | コスト |
|---|---|---|
| AIへの指示・生成・調整 | 12時間 | 42,000円 |
| レビュー・テスト | 8時間 | 28,000円 |
| 30日後の保守(バグ修正・書き直し) | 25時間 | 87,500円 |
| 合計 | 45時間 | 157,500円 |
一見、ケースBの方が安い。差額は35,000円。だが、ここに落とし穴がある。
—
本当のコストは「35,000円の節約」ではない
上の試算で見落としがちなのは、保守工程の質の違いだ。
ケースAの保守5時間は「自分が書いたコードの修正」だ。意図が分かっているから、ピンポイントで直せる。
ケースBの保守25時間は「他人(AI)が書いたコードの解読+修正」だ。しかもAIのコードは一見きれいに見えるが、なぜその実装になったのかの文脈がない。結果として「読む時間」が膨大になる。現場の開発者に聞くと、「修正じゃなくて考古学だ」という声すらある。
さらに問題なのは、この25時間が予測不能なタイミングで発生するということだ。中小企業の開発者は1人か2人。その人が突発的に25時間持っていかれるということは、他の業務が止まるということだ。
この「他の業務が止まるコスト」を仮に時給の1.5倍(機会損失込み)で計算すると、
25時間 × 3,500円 × 1.5 = 131,250円
初期の節約分42,000円(40時間→12時間の差分)は、完全に吹き飛ぶ。
—
じゃあAIコードは使うなという話か? 違う
ここで「AIは危険だから使うな」と言いたいわけではない。そんな結論に意味はない。
問題は使い方の設計だ。中小企業がAIコードで損をしないために、現場で実際に効いている3つのルールがある。
ルール1:AIには「使い捨てコード」を書かせる
データの一括変換、CSVの整形、一回きりのスクレイピング。こういう「書いて、動かして、捨てる」コードにはAIは最強だ。保守が発生しないから、負債にならない。
実際、ある地方の製造業では、月次の在庫データ変換をAIに書かせたスクリプトで処理している。毎回書き捨てで、所要時間は15分。以前は外注に出して1回3万円かかっていた。年間36万円が、ほぼゼロになった。
ルール2:本番コードは「AIの下書き+人間の仕上げ」で運用する
AIが出力したコードをそのまま本番に入れない。AIの出力を「たたき台」として使い、人間が意図を理解した上で書き直す。こうすると、保守時に「自分が書いたコード」として扱える。
手間は増えるが、30日後の保守コストが劇的に下がる。上の試算で言えば、保守25時間が8時間程度に圧縮できる。
ルール3:「AIが書いた」というラベルを必ず残す
地味だが効く。コードのコメントやドキュメントに「この部分はAI生成、日付、使用モデル」を記録しておく。30日後に触る人間(多くの場合、自分自身)への最大の親切だ。「ここは信用しすぎるな」という警告になる。
—
Appleの予算削減が示していること
Appleが社内AI予算を見直しているという話に戻る。これは「AIが使えない」という結論ではなく、「AIのコストは初期投資だけでは測れない」ということに大企業が気づき始めたというシグナルだ。
大企業には、品質管理チーム、コードレビュー体制、テスト自動化の仕組みがある。それでも後工程のコストに苦しんでいる。
中小企業にはそれがない。だからこそ、最初から「保守コスト込み」で判断する目が必要になる。
—
で、結局どうすればいいのか
まとめると、こうなる。
- AIコードの「本当のコスト」は30日後に分かる。 導入時の削減額だけで判断しない
- 使い捨てコードにはAIを全力で使え。 ここはコスト削減効果が100%残る
- 本番コードは「下書き」扱いにしろ。 そのまま入れた瞬間、30日後の自分に借金を背負わせている
- 保守コストを「時給×1.5倍」で見積もれ。 機会損失を含めないと判断を誤る
AIでコードを書くコストは限りなくゼロに近づいている。だが、コードを書くコストが下がったとき、相対的に上がるのは「読むコスト」と「直すコスト」だ。
この構造変化を理解しているかどうかで、AIが「武器」になるか「負債」になるかが決まる。
中小企業は人が少ない。だからこそ、一人ひとりの時間の使い方が経営に直結する。AIに書かせた30分を、30日後の25時間で返済する——そんな「見えないローン」を組んでいないか、一度計算してみてほしい。
—
JA
EN