AI コーディングアシスタントの統計.

AIコーディングアシスタントは、好奇心旺盛な開発者にとっての単なる実験ではなくなりました。2026年までに、より良い問いは、どのような種類の導入を意味するかです。調査利用状況、日常的な習慣、有料シート、エンタープライズ展開、承認されたコード提案、ベンチマーク性能、または実際にリリースされるレビュー済みコードでしょうか。

この区別が重要なのは、見出しの数字が大きいからです。Stack Overflowによると、回答者の84%が開発プロセスでAIツールを使用しているか、使用する予定であり、プロの開発者の50.6%が毎日使用しています。JetBrainsによると、2026年1月のAI Pulse調査では、プロの開発者の90%が職場で少なくとも1つのAIツールを定期的に使用しており、74%が専門的なAI開発者ツールを導入しています。Microsoftによると、GitHub Copilotは470万以上の有料サブスクライバーを抱え、約14万の組織で使用されています。

しかし、大きな数字は、間違ったバケットに入れられると誤解を招く可能性があります。ベンチマークスコアはユーザー数ではありません。有料サブスクライバーはデイリーアクティブ開発者ではありません。生成されたコード行は、レビューされ、安全で、デプロイされたソフトウェアではありません。2026年の本当のストーリーは、AIコーディングツールが主流であり、商業的であり、ますますエージェント化している一方で、レビュー、ガバナンス、トレーサビリティ、そしてチームがより良いソフトウェアを出荷しているかどうかの測定という骨の折れる作業が下流に移動したということです。

AIコーディングアシスタントの概要

見出しの数字は異なる分母を使用しているため、1つの数字としてではなく、個別の調査、商業、能力、ガバナンスのシグナルとして読んでください。

導入状況の数字を慎重に読む

AIコーディングアシスタントの統計を読み解く最も安全な方法は、はしごのように考えることです。一番上には、開発者がAIツールを試したことがあるか、毎日使用しているか、または近いうちに使用する予定があるかといった、広範な調査シグナルがあります。Stack Overflowの84%という「使用しているか、使用する予定がある」という数字は強力な導入シグナルですが、プロの開発者における50.6%の日常使用という指標とは異なります。

次の段階は、仕事に特化した利用状況です。JetBrainsの2026年1月のAI Pulseは、一般的なAIツールと専門的な開発者ツールを区別しているため役立ちます。コーディングと開発における職場でのAIツールの定期的な使用が90%、専門的なAI開発者ツールの導入が74%と報告されています。これは依然として調査による証拠ですが、「開発者はAIが好き」という一般的なアンケートよりも、プロのワークフローに近いものです。

商業規模は別の段階です。Microsoftは、GitHub Copilotのユーザー数、有料サブスクライバー数、組織数に関する公開数字を提供しています。2600万人以上のユーザー、470万人以上の有料サブスクライバー、そして約14万の組織です。これらは、特定のAIコーディングアシスタントに関する最も強力な公開指標のいくつかですが、それぞれが異なる質問に答えています。

その下には、製品インタラクションの指標があります。GitHub自身の利用状況指標ドキュメントでは、アクティブなCopilotユーザーをユーザーが開始したインタラクション数で定義し、コード補完の承認率を承認されたコードアクティビティを生成アクティビティで割ったものとして定義しています。これらの定義は、よくある間違いを防ぎます。承認された提案はマージされたプルリクエストと同じではなく、マージされたプルリクエストは信頼性の高い本番ソフトウェアと同じではありません。

ベンチマークは別の枝にあります。SWE-bench Verifiedの500の人間が検証したインスタンスは、コーディングエージェントをソフトウェアエンジニアリングタスクで比較するのに役立ち、より広範なSWE-benchファミリーは能力の進捗を理解するのに役立ちます。しかし、ベンチマークの合格率はユーザー数、顧客数、またはエンタープライズROIではありません。

開発者の導入状況：AIはワークフローの通常の一部となった

最も強力な調査証拠は同じ方向を指しています。AIアシスタンスは今やソフトウェア開発において一般的です。Stack Overflowの2025年調査では、全回答者の47.1%がAIツールを毎日使用しており、17.7%が毎週、13.7%が毎月または不定期、5.3%が近いうちに使用する予定、16.2%が使用する予定がないと報告しています。プロの開発者では、日常使用の数字は50.6%に上昇します。

JetBrainsは、異なる調査設計で同様のストーリーを語っています。2025年の開発者エコシステムレポートは、データクレンジング後の24,534人の開発者に基づいており、地域、雇用、言語、製品使用によって重み付けされており、JetBrainsユーザーが回答する可能性が高いという明示的な注意書きがあります。その枠組みの中で、JetBrainsはコーディングにおけるAIの定期的な使用が85%、少なくとも1つのAIコーディングアシスタント、エージェント、またはコードエディターへの依存が62%と報告しています。

2026年1月のAI Pulseの更新により、市場マップはより詳細になりました。世界中の10,000人以上のプロの開発者を対象とし、8つの言語にローカライズされ、開発者エコシステム2025の分布に合わせて重み付けされました。この調査では、90%が職場で少なくとも1つのAIツールを定期的に使用し、74%が専門的な開発者向けAIツールを導入しており、GitHub Copilotは職場で29%が使用し、CursorとClaude Codeはそれぞれ18%が使用していました。

DORAはテクノロジー組織の視点を加えています。Googleの2025年DORAサマリーによると、このレポートは世界中の約5,000人のテクノロジー専門家を対象としており、90%が職場でAIを使用していると報告し、AIとの作業に1日あたり平均2時間を費やしています。DORAはまた、65%がソフトウェア開発でAIに大きく依存しており、80%以上が生産性の向上を報告していると述べています。

注意すべき点は、これらが同一の母集団ではないということです。Stack Overflowは幅広い開発者コミュニティを調査しています。JetBrainsは開発者を調査し、重み付けの詳細を提供しています。DORAはテクノロジー専門家を調査し、コーディングアシスタントだけでなくチームシステムも研究しています。これら3つすべてが高い導入状況を示しているという事実は意味があります。それらが異なる分母を使用しているという事実は、それらを1つの数字にまとめるべきではない理由です。

GitHub Copilotは最も明確な有料導入の基準点

GitHub CopilotはAIコーディングアシスタント市場全体ではありませんが、最もよく文書化された商業的な基準点です。MicrosoftはFY26 Q1で、GitHub Copilotが「現在2600万人以上のユーザー」を抱え、GitHub自体が1億8000万人以上の開発者を抱えていると述べました。同じ電話会議では、GitHubの新規開発者の80%が最初の1週間以内にCopilotを使い始め、前年中に5億以上のプルリクエストがマージされたと述べられました。

有料の数字はユーザー数よりも明確です。FY26 Q2で、MicrosoftはCopilotが470万人以上の有料サブスクライバーを抱え、前年比75%増であり、個人開発者向けのCopilot Pro+サブスクリプションが四半期ごとに77%増加したと述べました。Microsoftはまた、Siemensが30,000人以上の開発者へのCopilot展開後、GitHubを広く採用したことを挙げ、すべての顧客に一般化すべきではない具体的なエンタープライズ事例としています。

FY26 Q3までに、Microsoftは約14万の組織がGitHub Copilotを使用しており、エンタープライズサブスクライバーは前年比でほぼ3倍になり、ほとんどのユーザーが複数のモデルを使用し、Copilot CLIの使用は月ごとにほぼ倍増したと述べました。Microsoftはまた、Copilotを使用量ベースの価格設定に移行し、価格設定を使用量とコストに合わせると述べました。

製品自体も変化しています。GitHubはオートコンプリートとチャットを超えて、課題やブランチから機能するコーディングエージェント、そしてコーディングエージェントの組織化レイヤーとして位置づけられるAgent HQへと進化しました。また、OpenAI、Anthropic、Googleのモデル間でモデル選択も追加されました。2026年には、「AIコーディングアシスタント」は、単なるオートコンプリートボックスではなく、モデル、ポリシー、エージェント、レビューサーフェスのエコシステムを意味するようになっています。

市場はCopilotだけではない

最も安全な市場マップは、発明された市場シェアではなく、ワークフローの表面によるものです。GitHub Copilotは、最も大規模に公開されている有料の基準点ですが、JetBrainsの2026年調査では、開発者がマルチツールスタックを使用していることが示されています。Copilotは76%の認知度と29%の職場導入率でした。Cursorは69%の認知度と18%の導入率、Claude Codeは18%の導入率（米国とカナダでは24%）、OpenAI Codexは調査期間中に27%の認知度と3%の導入率でした。Google Antigravityは11月にリリースされた後、6%に達しました。

この調査では、一般的なチャットインターフェースも依然として重要であることが示されています。開発者の28%がコーディングのために職場でChatGPTを使用し、8%がGeminiを、7%がClaudeのチャットボットを使用しています。Stack Overflowのエージェントツールセクションでも同様に、ChatGPTとGitHub Copilotが、エージェントを使用または構築している回答者の間で一般的な既製ツールとして挙げられており、Claude Code、Google Gemini、Microsoft Copilot、Replit、Tabnine、Amazon CodeWhisperer、Cody、Devinがロングテールに続いています。

創業者にとって、このマップは偽のランキングよりも有用です。「別のコーディングアシスタント」を販売することは、特定のレイヤー（リポジトリコンテキスト、セキュリティレビュー、テスト生成、移行、コード検索、コードベースオンボーディング、ターミナル自動化、クラウド実行、ポリシー、評価、請求、エージェントオーケストレーション）を所有していない限り、弱い立場です。

生産性：コード作成の高速化は現実だが、自動的なROIではない

最も引用される肯定的な生産性研究は、GitHubの管理されたCopilotタスク実験です。Copilotを使用した開発者は、JavaScript HTTPサーバータスクを55%高速に完了し、Copilotなしの場合の2時間41分に対し、平均1時間11分でした。これは現実の結果ですが、1つのタスク設定であり、「Copilotは特定のコーディングタスクを高速化できる」ことを支持するものであり、「すべての開発者が55%高速になる」ことを支持するものではありません。

調査証拠は、開発者がその恩恵を感じていることを示しています。JetBrainsによると、AIをコーディングに使用する開発者の約9割が週に少なくとも1時間を節約しており、5人に1人が8時間以上を節約しています。DORAによると、80%以上がAIが生産性を向上させたと信じており、59%がコード品質に良い影響があったと報告しています。GitLabによると、78%がAI導入後、コード出力が高速化したと報告し、73%が全体的なコード品質が向上したと述べています。

問題は、AIがコードをより速く生成できるかどうかではありません。それは可能です。問題は、より速いコード作成が、より速く、より安全なデリバリーにつながるかどうかです。DORAの2025年の発表によると、AIの導入はスループットと製品パフォーマンスに正の関係がありますが、ソフトウェアデリバリーの安定性には負の関係があります。DORAのより広範な枠組みは、AIがチームがすでに持っているシステムを増幅させるということです。強力なチームは恩恵を受けることができますが、弱いフィードバックループと密結合システムは露呈します。

GitLabの2026年調査は、下流のボトルネックを具体的に示しています。85%がAIがボトルネックをコード作成からレビューと検証に移行させたことに同意し、84%が最大の課題はAI生成コードが作成された後のガバナンスであることに同意し、82%がAI生成コードが組織が管理する準備ができていない新しい技術的負債のリスクを伴うと述べています。GitLabの以前の調査では、チームは非効率なプロセスによりメンバーあたり週7時間を失い、49%が5つ以上のAIツールを使用し、人間によるレビューなしでAIが日常業務を処理することを信頼する人は37%に過ぎないと述べています。

METRは、自己申告ではなく実際のタスクを測定したため、最も鋭い反例です。2025年初頭の無作為化比較試験では、16人の経験豊富なオープンソース開発者が成熟したリポジトリで246のタスクに取り組みました。彼らはAIが完了時間を24%短縮すると予想し、その後もAIが20%高速化したと信じていましたが、AIが許可された場合の測定された完了時間は19%長かったのです（METR arXiv）。

これはAIコーディングツールが悪いことを証明するものではありません。METR自身のページでは、2025年初頭の結果は古くなっていると警告しており、2026年の更新では、開発者がAI禁止作業を避けるようになり、タスクの選択方法が変わり、複数のエージェントを同時に使用するようになったため、新しいデータは解釈が難しいと述べています。正しい読み方は微妙です。AIの生産性は、タスクの種類、コードベースの熟練度、品質基準、レビューの負担、およびコード生成を取り巻くワークフローがどれだけ再設計されたかに依存します。

コード供給、プルリクエスト、ベンチマーク

AIコーディングアシスタントはコードの供給を変えています。Microsoftによると、数万人のAMD開発者がCopilotを使用し、毎月数十万行のコード提案を受け入れています。GitHubの利用状況指標ドキュメントでは、コード補完の承認率を承認されたコードアクティビティを生成されたコードアクティビティで割ったものと定義しています。これらは内部展開ダッシュボードにとって価値がありますが、依然としてインタラクション指標です。

次のレイヤーはプルリクエストのワークフローです。Microsoftは、AIコーディングエージェントとCopilotの導入に関する同じ議論の中で、前年中にGitHubで5億以上のプルリクエストがマージされたと述べました。GitHubは、課題やブランチから機能するCopilotコーディングエージェントと、複数のコーディングエージェントを管理するためのAgent HQを立ち上げました。これにより、AIアシスタンスはデリバリーシステムに近づきますが、レビューの責任がなくなるわけではありません。

ベンチマークは、なぜ誰もがコーディングエージェントに投資しているのかを示しています。SWE-bench Verifiedには500の人間が検証したインスタンスが含まれており、コーディングエージェントと言語モデルのより信頼性の高い評価セットとして設計されています。HumanEvalは古いコード生成ベンチマークとして依然として重要ですが、これは歴史的な形式であり、エンタープライズソフトウェア作業の完全な代理ではありません。OpenAIがSWE-bench Verifiedを主要な評価として使用しなくなったという注意書きは、有用な警告です。モデルとスキャフォールドが改善するにつれて、ベンチマークは飽和したり、識別力を失ったりする可能性があります。

信頼、セキュリティ、ガバナンスが市場の新たな中心

導入数は多いものの、信頼はそうではありません。Stack Overflowの2025年プレスリリースによると、開発者の46%がAI出力の正確性を信頼しておらず、2024年の31%から増加しています。詳細な調査では、66%が「ほぼ正しいが、完全ではない」AIソリューションを挙げ、45.2%がAI生成コードのデバッグに時間がかかると回答しています。

AIエージェントに関しては、懸念はより深刻です。Stack Overflowによると、87%がAIエージェントからの情報の正確性について懸念しており、81%がエージェント使用時のデータに関するセキュリティとプライバシーの懸念を抱いています。DORAの信頼のパラドックスも同様の方向を指しています。AIを「非常に信頼している」または「大いに信頼している」と報告しているのはわずか24%である一方、30%は「ほとんど信頼していない」または「全く信頼していない」と報告しています。

ガバナンスは、これがビジネス上の問題となる場所です。GitLabの2026年調査によると、43%が自社のコードベースでAI生成コードと人間が書いたコードを確実に区別できないと回答し、92%が何らかのガバナンス上の課題を報告し、80%が自社がポリシーを策定するよりも早くAIツールを導入したことに同意しています。GitLabはまた、87%がAI生成コードが本番環境でのインシデントに寄与したかどうかを24時間以内に判断できると確信していると述べていますが、過去1年間にインシデントが発生した組織の34%は実際にその判断ができませんでした。

セキュリティ研究は、なぜレビューがなくなることができないのかを説明しています。“Asleep at the Keyboard?”は、Copilotスタイルのコード生成リスクに関する古い研究です。“Do Users Write More Insecure Code with AI Assistants?”は、AIコーディングアシスタンスを使用するユーザーの行動に関するもう1つの重要な歴史的研究です。より最近のUSENIX Security 2025の研究は、AI生成コードがリスクプロファイルをどのように変化させるかを引き続き調査しています。古い論文の正確な割合を2026年のツールに盲目的に適用すべきではありませんが、永続的な教訓は変わりません。生成されたコードには、来歴、レビュー、テスト、ポリシー、セキュリティスキャンが必要です。

ベンダーは、純粋な生成からコントロールへと移行することで対応しています。GitHubは、メトリクスダッシュボード、エンタープライズコントロール、モデル選択、およびAgent HQを構築しています。GitLabは、コード生成後の次のレイヤーとしてガバナンス、トレーサビリティ、ライフサイクル統合を位置づけています。JetBrainsは、オーケストレーション、ローカルコンテキスト、およびモデル選択を中心に、Air、Central、Junie、およびオープンなエージェントインフラストラクチャを位置づけています。

エンジニアリングリーダーと創業者にとっての意味

エンジニアリングリーダーにとって、これらの数字は展開のファネルを示しています。まずアクセスから始めます。誰がどのツールを、どのようなデータ境界で利用できるのか？次に、定期的な利用状況を測定します。日次および週次のアクティブ利用、承認された提案、委任されたタスク、エージェントワークフロー。そして、デリバリーの成果へと移行します。プルリクエストのサイクルタイム、レビュー時間、テスト品質、エスケープされた欠陥、インシデント率、開発者の満足度、そしてAIがボトルネックを変化させるかどうか。

間違ったダッシュボードはコード量で止まります。GitLabの85%というレビューと検証のボトルネックの統計は、生成の高速化が単に作業を下流に移動させるだけであることを警告しています。DORAの”ミラーと乗数”という枠組みは戦略的なバージョンです。AIはそれを取り巻くシステムを増幅させます。METRの測定の難しさは実験的なバージョンです。開発者は、制御されたタスクがそうでないと示していても、高速だと感じることがあります。

創業者にとって、市場は明らかに現実ですが、一般的なポジショニングは弱いものです。「開発者がAIを使用している」はもはや差別化要因ではありません。より強力な製品は、特定のボトルネックに付随します。コードベースのコンテキスト、移行、テスト、セキュリティレビュー、依存関係のアップグレード、知識検索、PRレビュー、エージェントオーケストレーション、評価、権限、またはコスト管理です。公式製品ページでは、コード補完だけでなく、エンタープライズパッケージングとワークフロー（GitHub Copilotプランとメトリクス、AWS Q Developer、ビジネス向けGemini Code Assist、Claude Codeコスト、JetBrains AIライセンス）がますます強調されています。

調達チームにとって、このデータは単一のツールリーダーボードに反対するものです。GitHub Copilotは最も強力な開示された有料導入の基準点を持っていますが、JetBrainsはマルチツール環境を示し、Stack Overflowはベンダー固有のシェアではなく広範なAIツール使用を示し、GitLabは組織がすでにツール乱立に対処していることを示しています。現実的な購入プロセスでは、IDEへの適合性、リポジトリアクセス、モデル選択、ポリシーコントロール、監査可能性、使用状況レポート、データ保持、セキュリティレビュー、およびツールが会社の既存のコードレビューパスをサポートするかどうかを比較します。導入数は需要があることを示していますが、すべての組織が同じインターフェースに標準化すべきだとは言っていません。

最も強力なプログラムは、導入をソフトウェアシートの展開ではなく、管理されたエンジニアリング変更として扱います。チームはライセンスを迅速に展開しても、開発者がツールを孤立したスニペットにのみ使用する場合、デリバリーの成果を変えることに失敗する可能性があります。ドキュメント、テストスキャフォールディング、コードの説明、単純なリファクタリング、内部ツールなどの低リスクのタスクから始め、チームが承認率、レビュー負荷、セキュリティ上の発見、インシデントの影響を観察できるようになった場合にのみ、より高リスクの変更へと移行します。

これらの数字を意思決定に活かす

最も強力な統計を、それぞれ独自の範囲を持つ一連のレンズとして扱います。

2026年の永続的な結論は、AIコーディングアシスタントが主流になったものの、市場は「AIはコードを書けるか？」から「チームはAI支援によるソフトウェアデリバリーを管理できるか？」へと移行しているということです。勝者となるのは、最も多くのコードを生成するチームではありません。どのコードがどこから来たのか、なぜ変更されたのか、誰がレビューしたのか、どのようなテストがそれを保護しているのか、そして隠れたリスクを増やすことなく製品を改善したのかを知っているチームです。

よくある質問

情報源と参考文献