AIコーディングツールが普及して2年、ある現象が表面化している。コードのコミット数は倍増したのに、製品の納品は速くなっておらず、バグは増えているチームが出てきているのだ。
TechCrunchは最近、「Tokenmaxxing」という言葉を報じた。これは、開発者がAIツールのトークン予算を一種のステータスシンボルとして扱い始めている現象を指す。トークン枠が大きいほど生産的だと思い込むが、データは別のことを示している。
トークンが増えるほど、コードは速く削除される
数字を見てみよう。
- GitClear（2026年1月）：AIツールを使用する開発者のコードチャーン（削除・修正量／追加量）は、AIを使わない同僚の9.4倍
- Faros AI（2026年3月）：2年間の顧客データを分析した結果、AI採用率が高い場合、コードチャーンが861％増加
- Jellyfish（2026年第1四半期）：トークン予算が最大のエンジニアのスループットは平均の2倍だが、コストは10倍
これはAIツールが役に立たないと言っているのではない。「生産性向上」として計上された大量のコードの多くが、数週間も経たずに消えているということだ。
80％の受入率の背後にある真実
エンジニアは平均してAI生成コードの80～90％を受け入れる。この数字は高く見え、多くの企業が「AIのROI」の主要指標として使っている。
しかし、WaydevのCEOであるAlex Circei氏は、50社以上、1万人以上のエンジニアのデータを追跡分析し、あるパターンを発見した。
初期の受入率は80～90％だが、数週間後に再確認すると、実際に残っているコードは10～30％に過ぎない。
つまり、エンジニアが「受入」を押しても、そのコードが本当に有用であるとは限らない。AIが生成した大量のコードは、その後のイテレーションでこっそり削除されたり書き換えられたりする。これらの削除は、「AIがどれだけ時間を節約してくれたか」というレポートには決してカウントされない。
トークン予算がKPIになったとき
「Tokenmaxxing」という言葉の出現は、AIツールの採用が技術的な問題から組織管理の問題へと移行したことを示している。
エンジニアリングチームが「月間AIトークン消費量」を業績指標として扱い始めると、問題が生じる。エンジニアは、本当にAIに書かせるべきコードを慎重に判断するのではなく、作業量を示すためにAIを使って大量のコードを生成し始める。
Atlassianが開発者分析プラットフォームDXを10億ドルで買収したのは、まさにこのトレンドを認識したからだ。企業は、トークン消費量で自分を欺くのではなく、AI投資の真のROIを理解するためのツールを必要としている。
生産性のボトルネックは移行した
AIコーディングツールは確かに有用だ。McKinseyの2026年2月の調査によると、AIツールは定型コーディングタスクの時間を平均46％短縮する。
しかし、短縮されたのはコードを「書く」時間であり、「修正する」「削除する」時間ではない。
Jellyfishのデータによると、エンジニアがAIコードのレビューに費やす時間は週11.4時間で、新しいコードを書く時間はわずか9.8時間である。この比率は2024年には逆だった。
コード生成は速くなったが、コードレビューが新たなボトルネックになっている。スピードを品質とみなすこと、これがTokenmaxxingの最も核心的な誤りである。
参考元：CocoLoop、'Tokenmaxxing' is making developers less productive than they think（TechCrunch）