Anthropicは2026年1月29日(米国時間)、AI支援がコーディング技能の形成に与える影響を調べたランダム化比較試験の結果を発表しました。Pythonの実務経験がありPythonライブラリのTrioに不慣れなソフトウェアエンジニア52名に、AIありとなしで機能実装の課題に取り組ませ、直後にクイズで理解度を測定したところ、AI利用群のスコアは手書き群より統計的に有意に低くなりました。一方で作業時間の短縮はわずかにとどまり、統計的有意には達しませんでした。AIの使い方によって理解度に差が出ることも報告しています。

研究の背景

同社の過去の観察研究では、AIが一部の作業を80%速くすることが分かっている一方、AI利用時に人が関与や労力を減らして思考をAIに委ねる「認知的オフロード」が、仕事を通じた技能の成長や構築対象システムの理解を妨げるのかは不明でした。コーディングは自動化が進んでも、誤りの検知、出力の誘導、高リスク環境に展開されるAIの監督のために人間の技能が必要になり続ける領域だとして、生産性向上と技能形成の間の緊張関係に注目しています。

実験デザイン

• ▸参加者 — 週1回以上のPython利用歴が1年以上あり、AIコーディング支援にある程度慣れ、非同期処理ライブラリのTrioには不慣れな52名(大半がジュニア)のソフトウェアエンジニア
• ▸課題構成 — ウォームアップ、Trioを使った2つの機能実装、クイズの3部構成。問題の説明・スターターコード・必要な概念の簡単な解説を与え、自習チュートリアルで新しいツールを学ぶ状況を再現
• ▸AIアシスタント — サイドバーに配置され、参加者のコードを参照でき、求めればいつでも正解コードを生成できる設定
• ▸クイズの出題領域 — デバッグ、コード読解、コード記述、概念理解の4種類。AI生成コードの監督に重要と考えられるデバッグ・読解・概念を重視

結果

AI利用群は平均で約2分速く課題を終えましたが、この差は統計的有意ではありませんでした。一方でクイズの平均点はAI群50%に対し手書き群67%で、効果量0.738、p値0.01の有意差があり、ほぼ成績評価2段階分に相当します。両群の差が最も大きかったのはデバッグ問題で、コードの誤りを見抜き原因を理解する能力への影響が特に懸念されるとしています。AIなし群は構文やTrioの概念に関する誤りに多く遭遇しており、それを自力で解決する過程でデバッグ技能が磨かれた可能性があると考察しています。また、AI群の一部は最大11分(持ち時間の30%)をクエリの作成に費やしており、時間短縮が有意にならなかった一因とみられています。

AIとのやり取りのパターン分析

• ▸低得点パターン(平均40%未満) — コード作成を完全に任せる「AI委任」、途中から全面委任に移行する「段階的AI依存」、デバッグや検証をAI任せにする「反復的AIデバッグ」の3類型。いずれもAIへの強い依存と認知的オフロードが特徴
• ▸高得点パターン(平均65%以上) — コード生成後に追加の質問で理解を深める「生成後理解」、コード生成と解説を同時に求める「ハイブリッド」、概念的な質問だけをして自力で実装する「概念的探究」の3類型

生成後理解の類型は表面的にはAI委任とほぼ同じ手順ながら、自分の理解の確認にAIを使う点だけが異なりました。概念的探究は多くの誤りに遭遇しつつも自力で解決し、高得点類型の中で最速、全体でもAI委任に次ぐ速さでした。この分析は因果関係を示すものではなく、学習成果と関連する行動を示すものと位置づけられています。

結論と限界

職場へのAIの積極導入、特にソフトウェアエンジニアリングにはトレードオフがあり、時間的制約や組織的な圧力の下でジュニア開発者らが技能形成、とりわけ問題発生時のデバッグ能力を犠牲にして作業を急ぐ恐れがあると指摘します。管理職はエンジニアが働きながら学び続けられる仕組みや設計上の工夫を意図的に検討すべきだとし、Claude CodeのLearningモード・ExplanatoryモードやChatGPTのStudy Modeといった理解促進のための学習用モードにも言及しています。サンプルが小規模で、測定が課題直後の理解度に限られる点は限界として挙げられており、脚注では、今回の設定と異なるClaude Codeのようなエージェント型コーディング製品では技能形成への影響がより顕著になる可能性が高いとしています。