AIプロトタイプと本番環境の間のギャップ： 「AI精神病（AI Psychosis）」を理解する

テクノロジー業界は現在、逆説的な時代を航海しています。一方で、企業は記録的な収益を報告していますが、他方では、大量解雇が構造的なトレンドとなっています。2026年の最初の5ヶ月間だけで、152のテック企業から115,000人以上が解雇されました。これは、2025年の通年の解雇者数にほぼ匹敵する数字です。

これらの削減の多くは、より広範なビジネス指標に起因するとされていますが、AIによる生産性向上を明示的に理由として挙げる経営陣が増えています。これが、一部の人々が「AI精神病（AI psychosis）」と呼ぶ現象を引き起こしています。これは、リーダーシップがAIプロトタイプの「ハッピーパス（順調な経路）」に夢中になりすぎるあまり、本番環境での過酷な「ラストワンマイル」の作業を見失ってしまう状態を指します。

プロトタイプの罠

Boxの創設者であるAaron Levieは、CEOは実際の業務の実行から構造的に離れているため、この妄想に陥りやすいと主張しています。CEOがLLMを操作するとき、彼らはしばしば成功したプロトタイプ（生成された契約書や動作するコードの断片）を目にし、論理的な飛躍をしてしまいます。つまり、もしAIがタスクの最初の80%を数秒で実行できるなら、残りの20%も同様に簡単に実行できるはずだ、という飛躍です。

しかし、Levieが指摘するように、タスクの最後の20%は、実際の価値とリスクの80%を占めることがよくあります。CEOは、以下のような作業を行う必要はありません：

  • AIが生成した数千行のコードを、微細なバグのためにレビューする。
  • システムのクラッシュを防ぐために、デプロイ前にハルシネーションを起こしたライブラリの呼び出しを特定する。
  • 法的コンプライアンスを確保するために、独特な契約条項を精査する。

この断絶は危険な空白を生み出します。経営陣がエージェントによって「業務」を処理できると信じると、残りのスタッフが単にAIの出力を「レビュー」するだけで済むと考え、組織のフラット化や人員削減を行う権限を得たと感じてしまうかもしれません。

生産性のパラドックス

AIが即座に「100倍の組織」を作り出せるという信念は、現在のところ実証的なデータによって裏付けられていません。UC Berkeleyの California Management Review に掲載されたメタ分析では、AIの導入と集計的な生産性向上との間に強固な関係は見られないことが判明しました。同様に、National Bureau of Economic Researchの研究では、知覚された利得が測定された利得を大幅に上回る「生産性のパラドックス」が強調されています。

さらに深刻なのはMITの研究です。これは、AIエージェントがほとんどの複雑なタスクにおいて、まだ人間と同等の品質の仕事を生み出していないことを示唆しています。彼らの予測によれば、多くのテキスト関連タスクにおいて、モデルは2029年までに「基本能力（base competence）」(80–95%の成功率)にようやく到達する可能性があるとのことです。これは、「動作するプロトタイプ」と「信頼できる本番環境システム」の間のギャップをまだ数年間にわたって埋める必要があることを意味しています。

現場からの洞察

エンジニアやマネージャーの間でのコミュニティ・ディスカッションでは、この問題はC-suite（経営層）に限られたものではなく、経営層によって増幅されることが明らかになっています。「バイブ・コーディング（vibe-coding）」の「中毒性」——プロンプトによって、見た目上すぐに機能するように見えるものが生成されること——は、シニア・デベロッパーでさえも、プロジェクトがほぼ完了していると誤解させる可能性があります。

ある貢献者は、「有用な対立」の欠如が危険であると指摘しました。人間は必要な摩擦を生力を提供します。彼らは「ノー」と言うことができ、評判に基づいて結果を予測し、失敗や法的責任への根本的な恐怖を持っています。対照的に、AIエージェントはユーザーを喜ばせるように設計されており、ソリューションの実際の実現可能性に関わらず、ユーザーの欲望を反映して高い確信を持って返答します。

"AI精神病は、LLMのハルシネーションの逆転現象です... あなたはリズムを吸収し、LLMのように話し始めます... すべてに対して自信満々でありながら、vibes（雰囲気）のみを頼りにしている、まさにLLMのようです。"

組織の混乱のリスク

生産のボトルネックが労働者から経営陣へと移ると、結果として組織の混乱が生じることがよくあります。Harvard Business Review で強調されているように、AIが全員に、より多くの「モノ」を生産させる力を与えると、AIの「スロップ（slop）」が何であるかを特定し、AIを機能させるための脆弱なインフラストラクチャを管理できる数少ない経営陣（あるいは専門家）への圧力が、増大します。

もしリーダーシップが、AIの「スロップ」を特定し、AIを機能させるための脆弱なインフラストラクチャを管理できるまさにその人々を削減し続けるなら、彼らは拡張不可能な脆いシステムを構築するリスクをあります。ある業界の観察者は、解決策はAIを放棄することではなく、計画、アーキテクチャ、テストを遅らせる（慎重重に進める）ことであると指摘しています。これにより、システム的な失敗のコストによって、得られた効率性が消去されることがないようにするためです。

最終的に、現在一部のテック・リーダーシップを捉えている「AI精神病」は、AIがプロジェクトの開始を加速させることはできても、プロジェクトを完遂させるために必要な判断力、責任、および深いドメイン知識を自動化することはまだできないということを思い出させてくれます。

Sources