A survey of generative AI adoption and perceived productivity among scientists who program
868 人の科学者を対象とした調査により、生成 AI の採用は経験の浅い層で高く、開発慣行の不足や経験不足が知覚される生産性の向上と関連しているものの、最も強い予測因子は一度に受け入れる生成コードの行数であり、科学者プログラマーは検証よりもコード生成を生産性の指標として捉えている可能性が示唆されました。
原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
この論文は、**「科学者たちが、新しい『AI 助手』を使ってプログラミングをしているとき、実際にどんなことが起きているのか」**を調査したレポートです。
科学の世界では、実験データを分析したりシミュレーションしたりするために、コンピュータに指示を出す「プログラミング」が不可欠です。しかし、多くの科学者は本職が研究者であり、プロのプログラマーほどプログラミングの訓練を受けていません。そこで、彼らは「生成 AI（チャットボットなど）」にコードを書かせて助けてもらおうとしています。
この研究は、その「AI 助手」の使い方を調査し、いくつかの面白い（そして少し危うい）発見をしました。以下に、わかりやすい比喩を使って説明します。
1. 誰が AI を使っている？「初心者」ほど熱心
【発見】
AI をプログラミングに使うのは、学生や経験の浅い科学者ほど多いことがわかりました。逆に、ベテランの研究者や専門のソフトウェアエンジニアは、あまり使っていないか、慎重に使っています。
【比喩】
これは、**「新しい自動運転機能がついた車」**に似ています。
運転がまだ下手な初心者（経験の浅い科学者）ほど、「自動運転があれば楽ちんだ！」とすぐに飛びつきます。一方、ベテランのドライバー（経験豊富な科学者）は、「自分でハンドルを握る方が安全だし、状況判断ができる」と考えて、あえて使わない、あるいは部分的にしか使わない傾向があります。
2. 使っている道具は？「万能なスマホ」か「専門の工具」か
【発見】
科学者たちが使っているのは、GitHub Copilot（プログラマー向けの専用ツール）ではなく、ChatGPT などの「汎用チャットボット」が圧倒的に人気です。
【比喩】
科学者たちは、**「精密な時計を修理するための専用ドライバー」ではなく、「何でもできる万能なスマホ」**を工具箱に持ち込もうとしています。
「ChatGPT」はスマホのように誰でも使えて会話ができるので、プログラミングの専門知識がなくても入りやすいのです。一方、「GitHub Copilot」はプロの職人が使う精密工具ですが、使い方が難しく、科学者にはまだ馴染みが薄いようです。
3. 「生産性」の勘違い：量が増えれば上手い？
【発見】
AI を使っている人ほど「自分の生産性が上がった」と感じている傾向があります。特に、「一度に AI に書かせたコードの量が多い人」ほど、自分がすごい生産性だと思っています。
しかし、ここで重要なポイントがあります。「経験が浅い人」や「コードのテストやレビュー（チェック）をしない人」ほど、この「生産性の向上」を実感しやすいのです。
【比喩】
これは**「料理のレシピを AI に書かせている」**状況に似ています。
- 初心者： AI が「100 品もの料理」を瞬時に作ってくれたので、「すごい！私が作れるようになった！」と大喜びします。でも、その料理が本当に美味しいか、毒が入っていないか（バグがあるか）は確認していません。
- ベテラン： AI が作った料理を見て、「ん？この味付けは変だぞ」と気づき、自分で味見（テスト）や修正をします。そのため、「AI のおかげで楽になった」という実感は、初心者ほど強くありません。
研究チームはこれを**「AI への依存」と呼び、「コードをたくさん生成されたからといって、それが正しい（品質が高い）とは限らない」**と警告しています。
4. なぜ使わない？「自分で学びたい」という理由
【発見】
AI を使わない人たちの理由は様々ですが、一番多かったのは**「自分でコードを書かないと、スキルが身につかないから」**という理由でした。また、「AI の環境負荷が心配」「AI が嘘をつく（ハルシネーション）のが怖い」という声も上がっています。
【比喩】
**「計算機（電卓）を使わない数学者」**のようなものです。
「電卓を使えば計算は早くなるけど、自分で計算する過程で数学の理解が深まる。だから、あえて電卓を使わずに手計算でやる」という考え方です。科学者たちも、「AI に任せて楽をするより、自分で苦労してコードを書く方が、結果的に研究の質が高まる」と考えている人が少なくありません。
結論：何が言いたいのか？
この研究は、**「科学者が AI を使ってプログラミングをするのは素晴らしいことだが、注意が必要だ」**と伝えています。
- 良い点： 初心者にとっては、AI は素晴らしい「お助けさん」で、作業が楽になります。
- 危うい点： しかし、**「AI が作ったコードをそのまま信じて使いすぎる」**と、間違った結果が出たり、科学の信頼性が損なわれたりするリスクがあります。
最終的なメッセージ：
AI は「魔法の杖」ではなく、あくまで「道具」です。科学者たちは、AI が作ったコードを**「自分でしっかりチェック（テストやレビュー）する」**という、昔ながらの慎重な姿勢を忘れないでほしいと訴えています。特に、経験が浅い人ほど、AI に頼りすぎず、自分で理解を深めることが大切なのです。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。