
コーディングエージェントの先にある、ソフトウェア開発の未来
はじめに
コーディングエージェントの進化によって、ソフトウェア開発の風景は大きく変わり始めている。
かつて数日かかっていた実装が、数時間、場合によっては数分で形になる。AIがコードを書き、テストを実行し、修正まで進める。そんな光景も、少しずつ日常になってきた。
しかし、ここで一つ疑問が生まれる。
コードを書くことが圧倒的に速くなった先に、ソフトウェア開発はどう変わるのだろうか。
これまでの開発プロセスは、人間が設計し、実装し、検証することを前提に組み立てられてきた。実装に時間がかかるからこそ、作業を細かく分け、担当者を割り当て、工程ごとに成果物を引き継いできた。
もしAIが実装の大部分を担えるようになったら、その前提自体を見直す必要があるのではないか。
この記事では、プログラミング言語やコンパイラ、AIモデルそのものの進化ではなく、AIを活用してソフトウェアを開発する側の未来について考えてみたい。
AIは作る、人間は選ぶ
これからのソフトウェア開発を考えるうえで、私は一つのシンプルな構造に注目している。
AIは作る。人間は選ぶ。
これは、人間とAIの仕事を厳密に二分するという意味ではない。AIも評価や選択を支援するし、人間が自ら実装する場面も残る。ここで表したいのは、開発において人間が力を注ぐ場所が、作ることから問いや判断へと移っていく、という変化だ。
従来、エンジニアは自らコードを書き、試行錯誤を重ねながら、一つの解決策を形にしてきた。
もちろん、複数の案を比較することもあった。しかし、実装には相応の時間とコストがかかる。すべての選択肢を実際に作って確かめることは難しかった。
コーディングエージェントは、この制約を変えようとしている。
例えば、ある機能を実現するために、異なる設計方針を持つ複数のプロトタイプをAIに作らせる。人間は、それぞれの動作や保守性、性能を比較し、より適切なものを選ぶ。
一人のエンジニアが複数のAIエージェントに異なる作業を任せ、成果を統合する。そんな開発スタイルも考えられる。
ただし、人間の仕事が単に「AIの成果物を選ぶこと」になるわけではない。
何を解決したいのか。どのような選択肢を試すべきか。何を基準に評価するのか。
これらを決めなければ、AIがいくら多くの成果物を生み出しても、よいソフトウェアにはつながらない。
また、AIが生成したものが正しく動くことと、実際の環境で安全に運用できることは別の問題だ。検証の方法や、結果に対する責任も欠かせない。
前回の記事では、実装が速くなった結果、レビューが追いつかずに問題を見落とし、障害につながった経験を書いた。
AIが多くの選択肢を生み出せるようになっても、それらをすべて人間が検証していては、開発全体が速くなるとは限らない。作れるものが増えるほど、選ぶ側の負荷も増えていく。
だからこそ、人間には何を作らせるかだけでなく、何を作らせないか、何を優先して検証するかという判断も求められる。
選ぶための基準や検証の仕組みを、作る前に用意しておくことが重要になる。
つまり、ここでいう「選ぶ」とは、単なる好みの問題ではない。
問いを立て、判断基準を定め、結果を評価し、責任を持って決めること。
AIが作る力を拡張するほど、人間には、何を作るべきかを見極める力が求められるようになる。

作ることから、試して学ぶことへ
ソフトウェア開発では、仮説を立て、実際に作り、検証し、改善することが重要だ。
しかし、従来は「作る」こと自体に多くの時間が必要だった。
新しいアイデアがあっても、実装コストが高ければ、十分に検証する前に採用を見送ることもある。逆に、一度大きなコストをかけて作り始めると、途中で方向転換しにくくなる。
AIによって、この状況は変わる可能性がある。
仮説 → プロトタイプ → 検証 → 本番投入、あるいは仮説の修正。
このサイクルを、これまでより短い時間で回せるようになる。
例えば、新しいユーザー体験を検討するとき、会議で仕様を議論するだけでなく、複数のプロトタイプをその場で作り、実際に触りながら比較する。
議論の中心が「どう実装するか」から、「どの体験が本当に価値を生むか」へ移っていく。
ここで重要なのは、単に開発速度が上がることではない。
試せる選択肢が増え、失敗から学ぶ機会も増えることだ。
もちろん、すべてが同じ速度で進むわけではない。
例えば、プロトタイプを一日で作れても、実際のユーザーが継続して使うかどうかは、一日では判断できないことがある。セキュリティや品質の検証も省略できない。作る速度と、価値を確かめる速度は同じではない。 プロトタイプを素早く作れることと、本番環境に安全に投入できることも別の問題だ。
むしろ、作る速度が上がるほど、何をどこまで検証すべきかという判断が重要になる。
これからの開発プロセスでは、実装の効率だけでなく、どれだけ速く、確かな学びを得られるかが大切な指標になるのではないだろうか。

分業から共創へ
AIによって変わるのは、個人の仕事だけではない。
私は、人間同士の協働のあり方にも変化が起こると考えている。
これまでのソフトウェア開発では、仕事を専門領域ごとに分担することが一般的だった。
企画担当が要件をまとめ、デザイナーが画面を設計し、エンジニアが実装し、テスト担当が品質を確認する。
それぞれが専門性を発揮する合理的な方法だが、工程間の引き継ぎや認識のずれが、開発を遅らせることもある。
ここでは、このような役割分担を中心とした協力を「Cooperation(分業型の協力)」と呼びたい。
一方、AIが実装を幅広く支援できるようになると、異なる専門性を持つ人たちが、同じ問題により直接向き合えるようになるかもしれない。
例えば、企画担当、デザイナー、エンジニアが一緒にプロトタイプを見ながら議論する。
企画担当はユーザーや事業の視点から、デザイナーは体験の視点から、エンジニアは技術や運用の視点から意見を出す。
AIは、その議論を受けて新しい案を形にする。
それぞれが別々の成果物を作って引き継ぐのではない。同じ時間に、同じプロトタイプを前にして、その場で案を変えながら解決策を磨いていく。AIがすぐに形にしてくれるから、それが成り立つ。
私は、これを「Collaboration(共創型の協働)」への変化として捉えている。
もちろん、共創そのものは新しい概念ではない。アジャイル開発などでも、異なる専門性を持つ人たちが一緒に問題を解決することは、以前から行われてきた。
AIが変えるのは、共創を実現するための時間とコストだ。
これまでは、アイデアを形にして検証するまでに時間がかかり、共同で試行錯誤できる機会にも限りがあった。AIがその場で案を形にできれば、議論と検証をより短いサイクルで繰り返せるようになる。
AI時代にも分業や専門性は必要だ。ただし、協働の重点は変わっていくだろう。
人間同士が集まる目的は、作業を分担することから、知識や視点を統合することへ、より強く移っていく。
そのためには、AIツールを導入するだけでは足りない。目的や判断基準を共有し、異なる意見を建設的に統合できる組織の仕組みが必要になる。
AIの導入が進むほど、かえって人間同士の協働の質が問われるのかもしれない。

人間が開発に関わる意味
ここまで考えると、もう一つの問いが浮かぶ。
誰がやっても同じ結果になる仕事を、人間が担い続ける意味はどう変わるのだろうか。
AIが一定水準の実装を担えるようになれば、再現可能な作業の価値は相対的に小さくなる。一方、同じプロトタイプを見ても、ユーザーの不便に気づく人、将来の運用リスクを見抜く人、事業上の可能性を発見する人がいる。経験や専門性によって、判断の質は変わる。
大切なのは、仕事の属人化と、人間の独自性を混同しないことだ。特定の人がいなければ開発が止まる状態は減らしながら、その人ならではの視点や判断は活かしていく。
仕事の属人化を減らし、人間の個性が生む価値を最大化する。
では、そうした価値をエンジニア個人はどう示せるのか。その問いは、次の記事で掘り下げたい。
まとめ
コーディングエージェントの進化は、単にコードを書く時間を短縮するだけではない。
ソフトウェア開発の基本的な構造そのものを変える可能性がある。
AIがさまざまな選択肢を形にし、人間が問いを立て、評価し、選ぶ。
仮説検証のサイクルが速くなり、開発の中心は、決められたものを効率よく作ることから、何を作るべきかを探索することへ移っていく。
そして、人間同士の協働も、作業の分担から、異なる専門性や視点を統合する方向へ変わっていくのではないか。
もちろん、すべての開発現場が一度に変わるわけではない。システムの規模や性質、組織の文化によって、その変化の速度も形も異なるだろう。
それでも、一つの方向性は見えているように思う。
ソフトウェアを作る力が広く手に入る時代には、何を作るべきかを見極める力が、これまで以上に重要になる。
では、そのような時代に、エンジニア個人の価値はどこにあるのだろうか。
コードを書く能力だけではなくなったとき、私たちは何によって自分の価値を証明するのか。
次は、その問いについて考えてみたい。