Harness（ハーネス）が発表した新たな調査によると、AIコーディングツールの普及が、既存のエンジニアリング測定フレームワークがその真の効果を捉える能力を上回っており、報告されている生産性向上と監視されていないコストとの間に可視性のギャップが生じていることが明らかになった。
Harnessの「2026年版エンジニアリング優秀性調査」は、米国、英国、インド、フランス、ドイツのソフトウェアエンジニアリングの実務者および管理者700名からの回答に基づいている。この調査によると、多くのエンジニアリング組織においてAIが標準となりつつあり、ほとんどのリーダーが肯定的な結果を報告している。エンジニアリングリーダーの89%がAIコーディングツールの導入後に開発者の生産性が向上したと回答し、88%が開発者の満足度が向上したと回答している。
こうした明るい兆しが見られる一方で、調査では日々の業務における新たな負担も明らかになった。回答者の81%が、AIツール導入後、開発者がコードレビューに費やす時間が増えたと回答し、28%は30%以上の増加を報告している。組織は、開発者の時間の約31%が、AI生成コードのレビュー、デバッグ、ツール間のコンテキスト切り替えといった目に見えない作業に費やされていると推定している。こうした作業は、多くの場合、記録されないままになっている。
このレポートは、測定における深刻な矛盾を浮き彫りにしている。リーダーの89%が既存の指標はAIの影響を正確に反映していると回答した一方で、94%は技術的負債、検証時間、開発者の燃え尽き症候群といった重要な要素が同じ指標に含まれていないことを認めた。現在のフレームワークでこのギャップに対処できると考えているのはわずか6%だった。AI関連の最大の課題を一つ挙げるよう求められた際、回答者はAI性の問題に優先順位を付けた。26%が真の生産性への影響を測定すること、24%がAIでコードの品質を維持すること、18%が経営陣にROIを証明することを挙げた。
AI由来データの利用方法に関する懸念も強く浮上した。AI生産性データが評価に影響を与えることについて懸念がないと回答した割合は、マネージャーがAI担当者の約4倍だった（15%対4%）。回答者の半数以上（54%）が、AIデータが個人の業績評価に使用されることを懸念していると回答した。46%が持続可能以上のペースで働くようプレッシャーを感じていると回答し、同じ割合の回答者がプライバシーや監視に関する懸念を表明した。実務担当者は、測定設計においてより大きな役割を担うことを望んでいると表明した。55%が改善指標と業績評価の明確な分離を望み、50%が追跡対象に関する透明性を求め、49%が指標の定義への関与を望んだ。
レポートでは、エンジニアリングチームに対し、AIが業務に与えた変化を反映させるため、測定ツールキットを拡充するよう推奨されている。推奨事項には、ベロシティやサイクルタイムといった従来の指標に加え、コード品質、検証時間、認知負荷、燃え尽き症候群の指標を追加すること、AIエージェントの精度、受容度、コストを人間の成果とは独立して追跡することで、AIエージェントのパフォーマンスを独立した分野として扱うこと、そして、改善に焦点を当てたデータをパフォーマンス評価から分離し、開発者を指標の定義に関与させ、データの使用方法を明確にすることなどが含まれている。
この調査はHarnessの委託により、独立系調査会社Sapio Researchが2026年4月に実施した。サンプルは、米国から300名、英国、インド、フランス、ドイツからそれぞれ100名の回答者で構成されている。レポート全文はHarnessウェブサイトからダウンロードできる。
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。
