【Godot】ゲーム開発初心者による個人開発日記21
割と強めの脳疲労に悩まされて少し休んでいましたが、最近ゲーム制作を再開し始めたので、また週1で日記を書いていきます。
前回以降の進捗
キャラクター作成や各種パラメーター、インベントリ、店、クエストなどに関するデータベース(DB)の設計
DB設計のために必要なゲームの仕様の決定
DB設計を元に、DBの作成と基礎的なCRUDの機能を追加
DBのバージョン管理方法を変更
リリース以前の開発では、レコードを移行するための処理の実装や、正常にレコードを移行できるか確認するテストの実装をしなくて済むようにした
Godotのエラーや警告を検知するためのスクリプトを作成
AIエージェントが実装後にそのスクリプトを動かして機械的にエラーを検知し、すぐに修正を実行できるようにした
箇条書きにすると少なく見えるかもしれませんが、設計と仕様検討をしつつ、コードも6000行程度は書いているので、かなり進捗しています。コードを6000行書こうとすると、生成AIなしだと普通に数か月かかる量なので、かなりすごいスピードで開発できています。
また、DBのバージョン管理方法の変更や、Godotのエラー検知のためのスクリプトの作成などは、人間側が主体的に提案しない限り、AIエージェントは勝手にやってくれないような作業内容です。実装方針や設計の最適化や、AIエージェントによる実装の効率化などについて、全てをAIに任せるのではなく、常に気を配りながら開発を進めています。
GitHub Copilot Pro+でGPT-5.5を使い倒す
3週間ほど前にGitHub CopilotのPro+プランにアップグレードしました。月額$39と、これまでのProプランと比べて約4倍の価格設定なので、もっと最初から使い倒す予定だったのですが、脳疲労により開発どころではなかったので、最近になってようやく使い始めました。
今はGPT-5.5しか使っていませんが、本当に優秀なモデルだと思います。コンテキストウィンドウが400Kと多めな上に、コンテキストの消費量が他のモデルよりもかなり少ないように感じます。今まではCompact Conversationを手動で押して定期的に圧縮していましたが、それも全く使わなくなりました。
他にも以下のように、GPT-5.5にはいいところがたくさんあります。
今までのモデルにあった嫌な感じの表現(次に何をやるか促してくるなど)がなくなった
指示内容を良い感じに読み取る能力が高くなり、指示が少し曖昧だったり重要な情報が一部抜けていたとしても、意図した通りに作業ができることが多い
Claude系のモデルは全く使わなくなりました。元々Claudeの方がGPTより上回っていると感じたことはほぼなかったのですが、Opus 4.6とSonnet 4.6はなかなか良くて、その時だけメインで使っていました。しかし、Opus 4.6がGitHub Copilotの個人向けプランから一切使用できなくなった上に、Sonnet 4.6よりGPT-5.4の方が圧倒的に良かったり、Claude系モデルのコンテキストウィンドウがGPT系の半分以下しかなかったりと、Claudeのモデルを使う理由がなくなりました。
6月以降もGitHub Copilotを使い続けるのか
GitHub Copilotは6月以降、従量課金制にシフトします。
GitHub Copilotの4月の利用状況を元に、6月以降の従量課金制で同じ使い方をするとどのくらいの利用料金になるかを試算するツールを使ってみました。

結果は$206/月なのですが、4月は4/22以降開発をしていませんでした。もし1か月間ずっと開発を続けた場合、月額の利用料は$300程度にまで達することになります。これはMaxプランのincluded budget($200/月)を超える金額であり、このままではMaxプランでも足りなくなります。
SNSやWeb上の記事を見ると、この試算で出た金額を見てGitHub Copilotの継続利用を諦めるような投稿を多数見てきたので、MicrosoftもGitHub Copilotの利用者を増やすための施策を打ってくる可能性は高いと思います。しかし利用者目線では、とりあえずCodexのProプランに移行するのが最も現実的な選択肢となるでしょう。特に今はGPT-5.5が極めて優秀なので、定額(16800円/月)でGPT-5.5を使い倒すのが良さそうです。
私はとりあえず、GitHub CopilotのMaxプランを1か月だけでも利用してみようと思います。先ほどの試算の詳細を見てみると、1日で$35も使っている場合があるなど、かなり高めの価格が出ているような気がします。なので、実際に使ってみてどうするか判断したいです。
その他
体調不調の原因は判明
他の記事でも書きましたが、不調の原因はほぼ脳疲労で確定です。生成AIが実用化されてから脳への負荷が高くなりがちなので、負荷がかかりにくい工夫をしつつ、ちゃんと休息を取ってコンディションを整える必要があります。
また、脳疲労の要因は生成AI以外にもあります。
職場環境が少しずつ変化しており、以前よりもチームを牽引する立ち回りを求められ始めているため、仕事の負荷が高くなってきている
高IQ由来の高い集中力などの特性にうまく対応できていない
特に2番目の要因は、大学院時代から約8年続いた体調不良(主にうつ)の主要因でもあり、これに対応できるようになることが課題となっています。
私が人生で初めて脳に高負荷をかけながら長期間生活したのは、大学での研究を始めてからでした。ごく最近までこの体調不良の原因が分かっていませんでしたが、直近でWAIS-IVなどの心理検査を受けることで、この原因がほぼ確定しました。
まだ検査の結果は出ていませんが、私の特性がことごとく高IQの特性に合致することと、これまでの人生で起こった様々な出来事を高IQの特性でうまく説明できること、心理検査での私の解答状況を踏まえて考えると、私が高IQであることは間違いなく、その特性をうまく制御できていないことが体調不良の原因だと考えるのが良さそうです。
心理検査のフィードバックをもらいつつ、自分でもいろいろ試しながら、うまく体調管理できるようにしていこうと思います。
職場で役職持ちになるための適性がない人は、生成AIを使うのも下手。知力の差だけで格差が広がる構図に
最近気づいたことが、「主体的に行動できない人は生成AIを使うのも下手」だということです。
生成AIを扱う人間は、部下を持つ人間と同じような役割を求められます。どちらも、何かが起こった時に自分で状況を分析し判断する必要があり、その判断を元に方針を決めてさらに指示をします。
また、指示して出てきた成果物を見て、その妥当性を確認しなくてはいけません。全ての物事に1つの正解が用意されているわけではなく、状況を整理したり、リスクリターンを考えた上で判断したりする必要があります。また、単純に知識や経験が足りていないと、成果物を見て疑問に思うべき箇所に気付かないまま、間違った方向性で作業を進めてしまいます。
このように、妥当性の確認というのは案外難しいです。主体性のない指示待ち人間には、このようなことはできません。
リーダーやマネージャー以上の役職を持つ人に求められる能力と、生成AIにうまく指示する能力はほぼ同じです。そのため、役職持ちになれるポテンシャルや能力がない人は、生成AIをうまく扱うこともできず、成果を出しにくくなると考えられます。
これはつまり、リーダーやマネージャー適性がないような主体的に動けない人は、生成AIの実用化によってメンバー(平社員)としての立ち位置すら危うくなる、ということです。これまではメンバーとして手を動かしてさえいれば成果を出せていたかもしれませんが、生成AIをうまく扱えないということは、周りよりも成果が出せないこととほぼ同義です。日本では流石に仕事を辞めさせることはできないものの、人事評価で厳しい結果が続くことで、間接的に転職等を迫られる可能性が高いでしょう。
以前私は、生成AIによって格差が広がると記事に書きました。この時は、SKILL.mdなどをうまく活用する方法の開示などによって、誰でも生成AIを使える状態にできるなら、その格差はあまり広がらないと思っていた気がします。しかし実際は、SKILL.mdなどを最初から用意して誰でも使える状態にしたとしても、指示内容の質だけで成果物に大きな差ができてしまうことが分かりました。指示内容の質というのは知力で決まるので、知力の差だけで格差が生まれるということです。(主体性のない指示待ち人間は自分で判断せず、それにより知力を鍛える機会を失っているため、基本的に知力も低いです。)
ソフトウェアエンジニアという職種は既に、生成AIを活用して開発することが大前提になっていて、生成AIを使わずに開発することはもはや不可能な状況まで来ています。そのような職種では、知力の差だけで成果の差が大幅についてしまいます。
それに加え、生成AIを通して人間側が学び、今までよりも速いスピードで知識と経験をつけられるようになっています。知力の差だけでも人間の学習効率に差が生まれますが、成果物の量や質の違いにより、成果物から学習できる内容の量と質が変わってくるので、さらに学習効率の差が開くことになります。
ソフトウェアエンジニアのような生成AIを多用する職種は、生成AIをうまく扱えないというだけで適性が低いと言われ、採用されなくなってしまう時代がすぐそこに来ているのかもしれません。恐ろしい時代になったものです。