AIビジネス読了 6 分

「1〜2ヶ月後、ガチで地獄ですよ」――Claude Code丸投げの代償、Anthropicも認める新人育成の壁

Shiritomo編集部 @shiritomoAI_jp 2026年10月20日更新

「ガチで地獄ですよ」。
Claude Codeに開発を丸投げする現場の実態を、エンジニアのゆうき氏がそう投稿しました。
同じ時期に、Anthropic自身が公表した社内データにも、似た現象を裏づける数字が並んでいます。
AIに任せて楽になったはずの開発現場で、何が起きているのでしょうか。
AIコーディングツールを日常的に使っている人なら、他人事では済まない話です。

先に結論をまとめると：
– Claude Codeに「丸投げ」すると、ファイルごとにレスポンス形式や命名規則がバラつき、1〜2ヶ月ほどで保守が難しくなるという報告がエンジニアから出ています
– Anthropic自身が10月16日(現地時間)に公表した社内データでも、AIエージェントの稼働時間が人間の労働時間の6倍に達し、人間の負担は「作業」から「レビュー」へ移っています
– 対策の鍵は「判断は自分、作業はAI」。
設計の判断だけは手放さないことが、丸投げの被害を防ぐそうです

何が起きたのか

発端は、エンジニアのゆうき氏がnoteに投稿した記事でした。
Claude CodeやCursorのようなAIコーディングツールに開発を丸投げすると、最初の数週間は驚くほど速く進みます。
ところが1〜2ヶ月を過ぎたあたりから、「同じAPIなのにファイルごとにレスポンス形式が違う」「似た関数が複数存在していて、どれが本物か分からない」といった不整合が噴き出すと指摘しています。
機能を1つ直すたびに別の機能が壊れ、修正しても新たなエラーが出る悪循環に陥り、納期がどんどん後ろ倒しになっていく、というのがその内容です。

この記事を書いたゆうき氏自身も、Xに同じ趣旨の投稿をしています。

Claude Codeに全部任せて開発してたエンジニアの末路、1〜2ヶ月後ガチで地獄ですよhttps://t.co/sdi59pg62c
— ゆうき｜月収100万円超エンジニアを多数輩出 (@YUKI11O29) 2026年10月19日

同じころ、別のエンジニアも実体験を投稿しています。

「1か月ぐらいClaude Codeと伴走してたけどもう疲れてしまった。
育てたら快適になると信じて育ててたけど、もはや健康被害が出そうなレベルで強いストレスを感じている。
AI使うのやめたいです」

1か月ぐらいClaude Codeと伴走してたけどもう疲れてしまった。育てたら快適になると信じて育ててたけど、もはや健康被害が出そうなレベルで強いストレスを感じている。AI使うのやめたいです。
— なみき (@sasaki445) 2026年10月19日

ゆうき氏自身の投稿とは別に、別のエンジニアからも自分自身の経験から同じ疲弊を訴える声が出ていたことになります。
ただ、個人の体験談だけなら「使い方が悪いのでは」という反論もできそうです。
そこで、AI企業本人の社内データに同じ傾向がないか確かめてみました。

調べて分かったこと

なぜ「地獄」になるのか

ゆうき氏の記事を読み進めると、根本原因として挙げられているのは「AIは目の前の質問に答えるのは得意だが、全体設計の判断は絶望的に苦手」という点です。
プロジェクト全体との整合性を確認するよう求めても、AIは「それっぽく」正しそうに答えてしまうことがあり、実際には既存のコードと食い違っていることが多いといいます。
1つの質問には正確に答えられても、プロジェクトという大きな文脈を踏まえた判断は別の話、というわけです。

Anthropic自身のデータも同じ方向を指していた

Anthropicは10月16日(現地時間)、社内でのAI活用に関するレポートを公表しました。
この内容をITmedia NEWSなどが報じています。
それによると、従業員が指示する対話型AIエージェントの稼働時間は、2026年8月時点で従業員自身の労働時間の6倍に達し、研究部門に限ると19倍以上にもなっているそうです。
技術職の採用に占めるエントリーレベル(新卒・未経験者)の比率は27%から9%まで下がりました。
2026年1月ごろから、コードを書く作業やバグ探しをAIに任せられるようになったことで、エントリーレベルの人材需要そのものが減っているという議論が社内で出ているといいます。

一方で、速くなったのはAIの処理だけでした。
対話型セッションの約8割は、エージェントが人間の入力を待っている時間だったといい、エージェントが出した結果をすべて読み込んでチェックするには、週の労働時間の半分以上が必要になるとも報じられています。
Anthropicは、新人採用が減っている現状に対する施策を進めています。
ただ、それが「エントリーレベルの採用減少に直接対処するものではない」と自ら認めており、育成の仕組みづくりは依然として課題として残っているようです。
AIに任せる範囲が広がるほど、人間の仕事は「作業する」から「見張る・育てる」へと重心が移っていく。
ゆうき氏が指摘した現場の実感と、Anthropic自身が公表した数字が、同じ方向を示していたわけです。

継続する困りごと: 丸投げを防ぐにはどうすればいいか

では、どうすればこの「地獄」を避けられるのでしょうか。
ゆうき氏が提案している原則は「判断は自分、作業はAI」というものです。
具体的には、AIに指示を出す前の5分間で、その機能をどのファイルに置くか・既存コードへの影響範囲はどこまでか・データがどう流れるかを自分で考えてから渡すことを勧めています。
出てきたコードをチェックするときも、まずは構造的な正確性を優先して見る。
認証や支払い、個人情報を扱う部分は特に細部まで精査する。
さらに「既存のパターンに合わせて」という一言を指示に添えるだけでも、ファイルごとの不統一はかなり抑えられるそうです。
最初の設計にどれだけ自分の判断を込めるかが、その後の作業効率をまるごと左右する、というのが現場からの教訓のようです。

Shiritomo編集部の考察：採用方針を見直す前に、まず育成の型を作る

Anthropicの事例が示しているのは、AIツール導入の失敗が「使い方」の問題だけでは説明しきれないということです。
エントリーレベルの採用比率を下げる判断は、短期的には合理的に見えても、将来AIの出力を正しく判断できる人材を育てる土台を自ら削ってしまうリスクがあります。
これはかつて「ノーコードツールがあれば非エンジニアでも開発できる」と言われた時期に、結局は仕組みを理解した人材が必要だと再認識された流れとも重なります。
AI活用を進める企業ほど、AIに作業を渡す前に「何を・どこまで任せるか」を決める人材を育てる仕組みを先に用意しておく必要がありそうです。