メインコンテンツへスキップ
見出し画像

開発AIエージェント時代、シニアクラスエンジニアに求められる開発スキル

    こんにちは、ナイルの自動車産業DX事業部でCTOを務めている大浜です。

    Devin、Cline、Claude Codeなどの「自律型開発AIエージェント」と呼ばれるツールの出現により、「コードはAIが書いてくれる」という世界線がいよいよ現実のものとなり始めてきました。

    これらのツールはプロンプトで大まかな開発方針を示すと即座に調査・コーディングに入り、ものの数十分でそれなりの量のコードを出力し、AI自身がcommitしてPull Request(PR)を発行してくれます。

    エンジニアの役割は大きく変わりつつある、と実感せざるを得ません。
    またビジネス面からみても、いつまで経っても改善しない日本のエンジニア採用の困難さに立ち向かうよりは、AIを活用した少人数での開発生産性向上や、場合によっては人員削減、コスト削減に力を割いて欲しい、という要求は当然ながら強く、少なくとも日本の現状ではそうした方向性はしばらく続くのではないかと思われます。

    しかし、2025年9月現在、AIはまだまだ発展途上であり、将来はともかく現状ではAIエージェントを活用した開発効率化にはかなりのスキル・テクニックが必要なのも確かです。

    そうした中、この稿ではこの時代のエンジニア、特にシニアクラスと呼ばれる層が、どのようなスキルを磨いていくべきなのかを考えてみます。

    AIエージェントの現在地(個人の感想です)

    率直にいって、現状のAIはそれほどエンジニアリングスキルが高くありません。かなり高く見積もってもジュニア層以上の評価にはならなさそうですし、とてもよく指示を忘れます。

    「PRがマージされたらmainブランチに戻ってgit pullしてから作業ブランチは削除してね」という簡単で機械的な命令ですら、数十回に1回は忘れてコンフリクトを起こします。CLAUDE.mdに書こうがKnowledge Suggestionsに書こうが忘れるときは忘れます。

    例えばこちらの記事、
    Claude Codeの「すぐルール忘れる問題」を解決する超効果的な方法を見つけた気がする
    なかなか画期的な解法ですが、そもそもそうまでしないと覚えてくれない、ということに本質的な課題があることが見て取れます。

    その他、開発言語をPythonに限った話かもしれませんが

    • Pythonの目指す簡潔な書き方はあまり期待できない。リスト内包表記よりはfor文、辞書型の活用よりはif文で済ませようとする

    • そのわりにエラー制御(try-except)と型チェックは書きすぎるほどに書く。重要な例外を握りつぶしてしまっていることも多く、上位層でチェック済みのバリデーションが下位レイヤでも出てくることはざら。いずれもそのままだと機能修正時に苦労することになる。

    • 1メソッドが長い。これは指示することで一時的に短くできるが、すぐに忘れてまた長くなる。

    • ネーミングセンスが微妙。この辺は好みや癖もあり、うっかりするといちゃもんレベルになりますが「クラスは名詞、メソッドは動詞」という一般原則すら守っていないことも多い。あとprosess_data()とかやめて欲しい。

    • テストコードも指示しない限りかなり適当なことが多い。ただ通過するだけのテストとか、あまり気にならない模様。

    • そうして作ったプログラム群を統合して一つのUIに収めようとすると、大抵の場合どこかで破綻して動かない。恐らくトークン数とメモリの限界が絡んでおり、各ライブラリの仕様や利用方法を文字通り「覚えきれない」ため、あちらを立てればこちらが立たず、という状況を抜け出すのにどうしても人間の判断が必要となる。

    など。まだまだ指摘する点はありますが、要するに初心者がやりがちなことは全部やります。
    MCPサーバの導入などでいくらか改善されますが、今のところ(特にDevinでは)MCPの有無とこうした点について大きな差はないようです。

    とはいえこうしたコードであっても「一応動く」コードをものの数分から数十分で作り上げるところは驚異的です。大体10分ほどで500行ぐらいのコードは書いてきます。とりあえず書かせて、修正指示を大量に出して、を繰り返しても、こちら側が慣れてくれば自分が1から書くより速いペースで量産可能です。

    AIエージェントとの付き合い方

    こうしたAIの特性を「使えない」と切って捨ててしまうのは簡単ですが、それでは効率はどんどん差が開いていくことになります。

    ここで重要なのは「こちら側が慣れてくれば」というところで、現時点でのAIエージェントはある程度人間側の意識改革、パラダイムシフトが必要となります。

    つまり、エンジニアはプランナー、およびレビュアーの役割に徹し、AIに指示を出して帰ってきたコードの問題点を指摘し、再度AIに修正させる、というサイクルに切り替える必要があります。

    そう、普段「チームリーダー」「テックリード」「PM」などと呼ばれている人たちがメンバーに対してやっていることをAIに対して行うのです。

    いわゆるチームリーダーと呼ばれる人々は概ね、

    • マネージャーからチームに対するミッションを与えられる

    • ミッションを分解し、設計をタスクに落とし込んでIssue(またはTicket)化する

    • メンバーにIssueを割り当て、コーディングを依頼する

    • メンバーから上がってきたコードをレビューし、Request Changesを出す

    • 修正点がすべて解消されたらテストし、リリース許可を出す

    といった手順で業務を遂行します。
    これに対し、AIエージェントを使うエンジニアは以下のようになります

    • マネージャーからミッションを与えられる

    • ミッションを分解し、設計をタスクに落とし込んでIssue(またはTicket)化する

    • AIにIssueを割り当て、同時にコーディングを依頼する

    • AIから上がってきたコードをレビューし、Request Changesを出す

    • 修正点がすべて解消されたらテストし、リリース許可を出す

    「メンバー」が「AI」に変わっただけで、やることはまるで変わりません。
    ただしそのスピードには大きな違いがあり、例えばそれぞれ人間が書くとして2〜3人日のIssueが6個あるようなミッションの場合、6個の最初のPRは1時間以内に全部揃うのではないかと思います。

    もちろん、コードは指摘点だらけですし、結合するとうまく動かない、なんなら1から作り直したほう早そうなコードが出てくることがある、なども多いですが、この手数と速さは重要で、気に入らなければ気軽にやり直せば良い。

    そういう意味ではほとんどの場合結局人間(エンジニア)側がボトルネックとなります。また、異なるIssueを同時にレビューしなければならないので、単一のタスクを順にこなしていくよりもはるかに負荷がかかります。

    ナイルではこの対策として、Claude Codeのサブエージェントに「ブリッジエンジニア」を追加してみた話 で述べたようにAIにブリッジエンジニアの役割を持たせてこのレビューや修正指示自体もAIに任せる実験に取り組んでいますが、現状は今一歩、という感が否めません。

    ただし、レビューが終わって各種テストも通過してしまえば、AIが得意とする自動化が再び効きはじめ、デプロイからリリースまでワンストップで進めることが可能です。
    こうしてみると、AIエージェントを活用するエンジニアに求められるのは、

    • 並行タイムスケジューリングスキル

    • AI特有のレビュースキル

    • AIを活用した、テスト、CI/CDの自動化スキル

    といった点に集約されるように思われます。
    繰り返しますが、おそらくAIを活用しても単一のタスク(Issue)を順にこなす従来のやり方ではAIエージェントのメリットはあまり出ません。工期が少し短くなるかな、といった程度ではないかと思います。

    しかし、AIの利点は並列性にあり、セッションを必要数立ち上げることによって同時にいくつもの作業が可能となるため、人間側が並行稼働することによってはじめて「生産性向上効果」または「人員削減効果」といったものが見込めるのです。

    かつて数十人単位のタイピストを雇って清書していたのがPCの普及によって同じ量を一人でこなせるようになったように、複数人で検算していた会計処理がスプレッドシートと会計ソフトの普及でごく少人数で期末処理までできるようになったように、エンジニアリングも人日換算で大量の人員を投入して大規模システムを開発する時代から、少数のシニアエンジニアがAIを使いこなして効率的に開発する。そんな時代が近づいているような気がしています。

    開発AIエージェントの将来予測

    さて、「AIの現在地」については先ほど見た通りですが、では今後どのような発展をしていくのでしょうか。

    まず、現在DevinやClaude Codeなどを利用して作成されたPull Requestとそのレビューがかなりの勢いで増えているはずです。

    AIモデルとしては、このうち「レビュー内容とAcceptされた修正結果」に価値があるので、これらを学習データとして取り込むことで「コーディングの正解」を今まで以上に効率的に学習できる可能性は高いです。

    ただし、AIは原理的に大数に結果が寄せられる傾向がありますので、ネットに溢れている「サンプルコード(=今のAIがジュニアクラスである元凶)」をどの程度の期間で乗り越えられるのかが分岐点になるかと思います。

    GPTやその基になったTransformersが備えるAttention機構はエポックメイキングな発明ですが、これだけではこの規模の問題を乗り越えるは難しいのは現状を見る限り確実で、もう一つパラダイムシフトが必要なのか、それとも力技で乗り切るのか、AI研究者/エンジニアとしても興味深いテーマです。

    とはいえ、いずれにせよ解法がほぼ見えている以上、時間はともかく開発AIエージェントがジュニアの壁を乗り越えミドルクラスに達することまではほぼ信じてよく「求められる開発スキル」で挙げたようなエンジニアスキルはここで最大限に発揮されるのではないかと思います。

    その先、AIがざっくりとしたミッションを受け取ってタスク分解とレビュー、守破離の「離」ができるシニアクラスになれるかどうか、となってくるとAGIとかASIの世界線になってきますのでまだ現在では予測困難ですし、そうなった場合の人間の世界がどうなっているかはSF以上に不明瞭ですので思考を止めますが、そうであってもエンジニアという職自体がなくなることはないように思われます。

    恐らく、エンジニアスキルに必要な要素がさらに足されて、それに適応できる人材像が新たに生まれるのでしょう。

    この投稿を読まれたエンジニアの皆様、そして私自身が、その世界でも楽しくエンジニアライフを過ごしていることを願ってやみません。

    あなたへのおすすめ