Asanaが、OpenAIのCodexを使い、通常なら5年かかる開発作業を、わずか2週間で完了させた。総費用は約1万2千ドル、日本円でおよそ180万円。人件費換算で桁違いに安いこの実例は、単なるスピード自慢ではなく、技術的負債の返済という「最もリターンの大きい投資領域」の地図を書き換えるものだ。

何が起きたか

プロジェクト管理SaaSのAsanaが、OpenAIのCodexを使い、社内で5年計画とされていたエンジニアリング作業を2週間で片付けた。Codexは既存コードを読み込み、テストコードの生成や、レガシー実装の置き換えなど、人間のエンジニアが担っていた「読んで、書いて、確かめる」作業を代替するコーディングAIである。

かかった総費用はおよそ1万2千ドル。仮に5年分を人手で処理する場合、エンジニア一人分の年収を数千万円として見積もっても、コスト差は二桁以上開く計算になる。ポイントは、新規機能のスクラッチ開発ではなく、既存コードの棚卸し・刷新にCodexを投入した点だ。つまり「AIが新しい価値を生む」話ではなく、「AIが古い負債を回収する」話である。ここが従来のAI事例と質的に異なる。

なぜこのニュースが重要か

エンジニアなら誰もが知っている通り、レガシーコードの置き換えは技術的には難しくない。難しいのは「読み解くのに膨大な時間がかかる」ことだ。仕様書は古く、テストは薄く、書いた本人はもう社内にいない。この「考古学作業」こそが、5年計画が5年計画たる所以である。

Codexが刺さったのはまさにここだ。LLMは、コンテキストウィンドウに大量のコードを詰め込み、命名規則や依存関係を横断的に把握することが得意である。人間の脳にとって最も疲弊する「大量の他人のコードを一気に読む」フェーズを、AIは平然とこなす。Asana事例の本質は、AIが人間より賢いことではなく、AIが人間より疲れないことにある。

そして、これは競争環境を非対称にする。競合他社が「レガシー刷新は投資対効果が読めない」と数年計画を組んでいる間に、Codexを使いこなす企業は当期の四半期内で終わらせる。100倍のスピード差は、そのまま製品ロードマップの100倍のリードタイム差に変換される。

技術的な深掘り

コードと仕様書から本質を読むという立場から言えば、この事例で最も注目すべきは「テストコード生成」がスコープに入っている点だ。レガシー刷新の最大のリスクは、置き換え後に既存挙動が壊れることであり、それを防ぐ命綱がテストである。従来、テストのないコードにテストを後付けする作業は、リファクタリングの中でも最も割に合わない仕事だった。

Codexがテスト生成と置き換えをセットで回せるなら、これは「characterization test（既存挙動を固定化するテスト）をAIが自動生成し、それを回帰テストとして置き換え作業を検証する」という古典的手法を、AIが両サイドから同時に実行できることを意味する。人間が数週間かけて構築するセーフティネットを、Codexは数時間で編める。

もちろん、AIが生成したテストが「既存の正しい挙動」を固定化しているのか、「既存のバグ」まで固定化しているのかは、人間のレビューが必要だ。ここは推定だが、Asana側も全自動で回したのではなく、シニアエンジニアがレビュー役に回り、Codexを大量の「疲れないジュニア」として使う運用に近いはずだ。1万2千ドルという金額感も、モデル利用料の実費であり、レビュー工数の人件費は別途乗っている点は注意したい。

経営者として次に取るべき動き

第一に、社内の「5年計画で塩漬けになっている技術的負債リスト」を今週中に洗い出すこと。新規AI機能開発よりも、レガシー刷新の方がROIが読みやすく、Codexが最も強い領域だ。着手順序を間違えてはいけない。

第二に、1万2千ドル、およそ180万円の実験予算枠を、決裁不要の裁量枠として一つ確保すること。稟議で数ヶ月止めるくらいなら、この金額で1テーマ走らせた方が、数億円規模の投資判断に必要な一次データが手に入る。Asana事例は、この予算感が「実験ではなく本番投資」に化ける可能性を示した。

第三に、シニアエンジニアの役割定義をレビュアーへとシフトさせること。Codexを使う組織で希少になるのは、コードを書く人ではなく、AIが書いたコードの是非を判断できる人だ。この人材配置を先に決めた企業が、100倍のスピード差を実利益に変換できる。