Harness（ハーネス）は、AIコーディングアシスタントの急速な普及に伴い、デリバリーサイクルが短縮され、安定性に関する課題が増加していることを示唆する調査分析を発表した。米国、英国、フランス、ドイツ、インドの700人のエンジニアリング実務者とマネージャーからの回答に基づいたこの調査では、回答者の3分の1以上が毎日またはそれよりも短い間隔で製品をデプロイしていると回答し（35%）、同様の割合（36%）が週に複数回デプロイしていると回答した。コーディングにAIツールを非常に頻繁に使うチームは、デプロイのリズムが加速していると回答する傾向が強く、45%が毎日またはそれよりも短い間隔でリリースしていると回答したのに対し、頻繁に使うチームは32%、時々使うチームは15%だった。同じグループでは、AI生成コードが少なくとも半分のケース（69%）でデプロイメントの問題を引き起こしていると報告されており、この数字はロールバック率とインシデント率の上昇につながっている。非常に頻繁に利用するユーザーのデプロイメントの22%でロールバック、ホットフィックスが必要になったり、顧客に影響が出たりしましたが、他のグループではそれぞれ20%と15%だった。また、本番環境でのインシデントからの復旧までの平均時間も長くなっている（非常に頻繁に利用するユーザーでは7.6時間、他のグループでは6時間と6.3時間）。
この調査では、チームがAI支援コーディングに傾倒するにつれて、セキュリティー、コンプライアンス、パフォーマンスにおいて顕著なプレッシャーが生じていることが明らかになった。AIコーディングを頻繁に利用するユーザーの半数が、AIツール導入後に脆弱性やセキュリティーインシデントが増加したと報告したのに対し、頻繁に利用するユーザーでは31%、たまに利用するユーザーでは26%だった。同様の差は、コンプライアンス違反（50%対31%と26%）、パフォーマンスの問題（49%対30%と25%）、コードの品質や効率の問題（51%対35%と34%）でも見られた。このレポートは、AIの使用とこれらの課題との間に直接的な因果関係があると断定するまでには至りませんでしたが、セキュリティーとコンプライアンスのチェックをより自動化する必要があるという強い意見が示されており、回答者の86%が納期に間に合わせるために自動化の強化を求めている。
AIによるコーディングの加速と、ソフトウェア開発ライフサイクルの下流における自動化との間に顕著な不均衡が見られた。コーディングは最も頻繁に使用されるAIのユースケースであり、回答者の84%が少なくとも毎日使っているが、下流の活動は遅れており、QAテストは68%、パフォーマンスとコストの最適化は63%、リファクタリングは62%だった。コーディングにAIを非常に頻繁に使う回答者は、頻繁に（29%）またはまれに（28%） AIを使う回答者よりも、下流の手作業がより問題になったと報告する傾向が高く（47%）なったが、非常に頻繁に使う回答者の中には、その逆を報告した人もいた（39%）。反復的な手作業タスクは、AIコーディングを非常に頻繁に使うユーザー（38%）の方が、頻繁に使うユーザー（35%）またはまれに使うユーザー（32%）よりも開発者の時間の多くを消費した。パイプラインの信頼性も問題点の一つだった。回答者の69%が、遅いまたは信頼性の低いCI/ CDパイプラインは時間を浪費し、燃え尽き症候群の一因となっていると回答し、AIコーディングを頻繁に利用するユーザーの間ではその割合が79%に上昇した。また、全体で70%（頻繁に利用するユーザーの79%）が、パイプラインは不安定なテストやデプロイの失敗に悩まされていると回答した。人的負担としては、広範囲にわたる残業が挙げられ、75%が出荷プレッシャーを燃え尽き症候群に関連付け、開発者の71%が少なくとも週に1回は夜間または週末に働くことを余儀なくされた。AIを頻繁に利用するユーザーのうち、月に数回以上夜間や週末に働いていると回答した人の割合は96%に達した。
このレポートでは、断片化されたツールチェーンと頻繁なコンテキスト切り替えによって引き起こされる調整コストについても言及している。回答者の78%が断片化されたデリバリーツールチェーンについて不満を述べており、AIコーディングを非常に頻繁に使うユーザーの間ではその懸念は83%に上昇した。また、70%がツールの頻繁な切り替えが燃え尽き症候群に大きくまたはある程度影響していると回答した（非常に頻繁に使うグループでは78%）。ボトルネックは一般的で、77%がチームがルーティンデリバリータスクのために他の人を待つ必要があることが多いと報告しており、AIを非常に頻繁に使うユーザーでは82%に上昇した。また、機能するビルドおよびデプロイパイプラインを2時間以内に環境に追加できると回答したのはわずか21%だった。こうした負担にもかかわらず、多くのチームはDevOpsの能力を高く評価しており、AIコーディングツールを非常に頻繁に使うユーザーの95%と、頻繁に使うユーザーの89%がDevOpsのパフォーマンスを良好または非常に良好と評価した。ただし、回答者全体の72%が現在の作業方法は長期的に持続可能ではないと警告している（非常に頻繁に使うユーザーでは81%）。この研究では、AIコーディングアシスタントが生み出す変更量の増加に対応するため、標準化され、テンプレート化され、ガバナンスが確立されたパイプライン、フィーチャーフラグ、自動ロールバック、および一元化されたシークレット管理といった基盤を強化することを推奨し、自動化を人間の監視の代替ではなく補完として位置付けることを提言している。
出典：Harness
この製品の詳細については、Harness製品ページをご覧ください。
