
ドキュメントの読者は、もう人間ではないのか~「エージェント75%」の出所と数え方を読む~
最近、MintlifyのPatrick Fosterさん(@patrickrfos)が書いた「Self-Updating Docs is an Infinite Market」を読みました。原文は、ドキュメントを読む主体が人間からAIエージェントへ移りつつあるという見方から、「自己更新ドキュメントは無限の市場だ」と論じる記事です。
面白かったのは、ドキュメントという地味な題材で、数字が大きく動いている点です。この記事では、その数字がどこから来て、どう数えられ、どこまで言えるのかを整理します。
あわせて、機械に読まれる前提のドキュメントをどう考えればよいかも扱います。
先に断っておきます。Fosterさんは、ドキュメント基盤を提供するMintlifyの社員です。原文は同社ブログの再掲で、自社の自動更新ドキュメントの市場を大きく見せる、宣伝色のある投稿です。以下では、同社の数字を「同社の主張」「同社のデータ」と書き分けます。
【発端】 宣伝色のある記事の数字を読む

主張の大きさより先に、数字の出所を見ます。
原文の筋は三段です。まず、コーディングエージェント(AIが自分でコードを書き、直す道具)のおかげで、各社の製品の表面積が急速に増えます。次に、その製品を使う側にもエージェントが増えます。最後に、外部のエージェントには社内の一次情報をそのまま渡せないので、公開用に整えた表現が要る、という流れです。
この筋を支える数字が三つあります。
エージェントの比率:ドキュメントへのアクセスの75%超がエージェント
GitHubの伸び:PR数が1年で倍
2035年:月間のコード貢献が2026年の約500倍
三つとも、出所を確かめると言い方が少し変わります。
【基礎】 人間の代理として読むエージェント

読者が消えたのではなく、人間とドキュメントの間にエージェントが入りました。
ここでのエージェントは、依頼を受けて自分で検索し、ページを取得し、読んで、実装や回答まで進めるAIです。Claude CodeやCursorのようなコーディング支援が典型です。
人が質問する代わりに、エージェントがドキュメントを取りに行きます。
Mintlifyは、2026年3月分として4月3日に公開した記事で、30日間・約7億9000万件のリクエストを集計しています。ユーザーエージェント(リクエストの送り手が名乗る識別文字列)で分けると、AIコーディングエージェントが45.3%、ブラウザが45.8%でした。
識別されたAI側の95.6%はClaude CodeとCursorです。
同社は、名乗らないエージェントもあると注記しています。たとえばCodexは識別子を送らず、一般的なHTTPクライアントと区別できません。
そのため、実際の比率はもっと高い可能性があります。いずれも同社のデータです。
【違い】 絞る設計から網羅する設計へ

機械が読む前提では、「どこまで書くか」の軸が変わります。
人間向けのドキュメントは、短く、導線を絞るのがいつものやり方でした。
原文は、人間はクイックスタートを流し読みし、200ページのAPIリファレンスは諦めるが、エージェントは全エンドポイントを数秒で読めると述べています。ここから、エージェントに向けては情報を最大限に出すべきだ、と主張しています。
読み方
人間の読者:斜め読み。長い資料は途中で諦める
エージェントの読者:全体を読み通せる
良い設計
人間の読者:導線を絞る
エージェントの読者:網羅して欠けを減らす
入口
人間の読者:ブラウザで開くHTML
エージェントの読者:Markdown版、llms.txt、MCP
数え方
人間の読者:ブラウザ側のページ読み込み
エージェントの読者:サーバー側の取得記録
入口の違いは、同社の2026年版レポートにも出ています。8月のエージェント通信のうち83%は、.md版のページ、/llms.txt、エージェント向けスキルといった機械向けの経路で届きました。
網羅すれば十分、とは限りません。量が増えるほど、必要な箇所を見つける検索や整理の質が問われます。これは私の考察で、原文の主張ではありません。
【仕組み】 比率は数え方で決まる

「エージェントが何%」は、何を人間、何をエージェントと数えたかの結果です。
同社のデータページによると、人間はブラウザがページを読み込んだ回数(クライアント側)で数えます。エージェントはサーバー側で、機械可読ページの取得と、既知のAIユーザーエージェントからのリクエストを数えます。
同社の2026年版レポートは、2つの集計方法が違うため直接比較は推定になる、と書いています。
同社の報告を並べると、比率は時期と方法でこう動きます。
2026年初:15.2%(7月29日公開の中間報告)
3月:45.3%(4月3日公開の記事。全リクエストのうち、ユーザーエージェントで分類した、AIコーディングエージェントの割合)
7月:66%(中間報告の、7月末時点の値)
8月:66%(2026年版レポート)
10月:データページで77.89%(エージェント約4.59億件、人間約1.30億件)
同じ会社の報告どうしでも、値は食い違います。2026年版レポートの月別表では、2月が20.8%、3月が25.1%、7月が61.2%です。
上の3月45.3%や7月66%とは合いません。報告ごとに集計の範囲や分類が違うためと考えられますが、私が読んだ範囲では、同社は差の理由を書いていません。
原文の「75%超」は、この77.89%と数字が違います。時期や定義の違いか、概数なのかは、確認できていません。
データページはリアルタイム表示のため、値は見る時点で変わります(この記事で確認したのは2026年10月30日です)。
方法の影響は、経路の選び方にも出ます。Markdownを要求するリクエストは機械と判別できますが、未知のクライアントがHTMLを取ると、機械と分類されないことがあります。
同社の中間報告も、クライアントが経路を変えただけで、タスク量が同じでも測定上の比率は上がりうると書いています。
同データページには、2月から8月にかけてエージェントの読者数が7.7倍、人間が1.2倍とあります。70%のサイトで機械のほうが多く読むという記載もあります。
ただし対象はMintlifyが運営するサイトだけで、業種により34〜70%と幅があります。独立した第三者の統計ではありません。
エージェントが増えているという方向は、同社の複数の報告で一貫しています。しかし「75%」は、一社が自社の物差しで測った値として読むのが妥当です。
【具体例】 GitHubの数字と500倍

根拠の数字は、言っていることより狭い範囲しか示していません。
原文は「GitHubのPR数が1年で倍になった」と書きます。ところが、根拠として確認できるGitHub公式ブログ(8月20日)の記述は、「4月以降、月間コミット数が14億から29億に増えた」です。
数えているのはコミットで、期間は約4か月です。PR数でも、1年でもありません。
もう一つの公式資料であるGitHubのOctoverseによると、9月時点で、開発者が始めるプルリクエストの40%超はエージェントを使って始まります。3月は17%でした。
コードの世界でエージェントが増えているのは確かですが、これはドキュメントの量の話ではありません。
「2035年に500倍」は、予測ではなく算術です。2026年から2035年は9回の倍増で、2の9乗が512になります。
毎年倍になる状態が9年続くと仮定した外挿であり、その仮定の根拠は示されていません。
たとえばMintlifyは、約20人の製品組織が2週間で100件超のドキュメント変更をマージしたと書いています。これも同社の主張の一例で、他社に広く当てはまるかは別の問題です。
コミットが増えても、公開ドキュメントの変更が比例して増えるとは限りません。
【関連概念】 外部エージェントに渡す情報の線引き

原文の技術の話で一番肝心なのは、書く作業より「どこまで公開してよいか」の判断です。
社内のエージェントは、コードベースや監視ツール、サポートのやり取りといった一次情報を直接読めます。しかし顧客側のエージェントには、コードを読ませればセキュリティ上の危険があり、Slackのスレッドには個人情報が含まれます。
原文は、だから外部向けには選別した一部だけを、エージェントが読みやすい構造で渡す必要があると述べています。自己更新ドキュメントは、その役を担う仕組みとして構想されています。
読者が次に調べると役立つ概念が三つあります。
llms.txt:サイトの目的と主要なリンクをMarkdownで要約した、サイト直下のファイル。ChromeのLighthouseは、新しい慣習(emerging convention)であり、提供は任意だと説明しています。
MCP(Model Context Protocol):AIが外部のデータやツールを呼び出すための接続の取り決め。同社は検索などのツール呼び出しをMCP経由でも計測しています。
公開範囲の判断:何を外に出し、何を出さないか。原文自身も、ここを難しい部分と位置づけています。
自己更新ドキュメントが実際にこの判断をうまくこなせるかは、私は試していません。原文も、実現できているとは書いていません。
参考情報・参考書籍(PR)
本記事をより深く理解するために、概念マップスライドを作成しました。こちらをみることで理解の補助になるはずです。
仲田尚央さんの『エンジニアのための AIに伝わるドキュメントの基本』(ソシム、2026年9月刊)は、AIが探せる・読める・理解できるドキュメントの作り方と運用を扱う本です。出版社の目次には、AIが参照する仕組み、情報の構造化、メタデータとリンク、品質を保つ運用の章があります。この記事は数字の読み方が主題で、書き方の本ではありませんが、機械に読まれる前提のドキュメントを自分で整えるときの一冊です。
ジャレッド・バーティさんらの『エンジニアのためのドキュメントライティング』(岩瀬義昌訳、日本能率協会マネジメントセンター、2023年刊)は、READMEやAPIリファレンスなど、開発者向けドキュメントの書き方を、読み手の理解から公開・保守まで順に解説する本です。AIエージェントに読ませる話は主題ではなく、人間の読者向けの土台を固めたいときの一冊です。
関連記事
【まとめ】 自分のサイトで人間と機械を数え直す

他社の数字をそのまま信じる前に、自分のログで同じ問いを立ててみます。以下は私が試した手順ではなく、確かめ方の案です。
□ 人間と機械の定義を先に決める。アクセスログで、既知のAIユーザーエージェント、.md版、/llms.txtへの取得を分けて数える。
□ 数字を見たら、誰が、いつ、どう数えたかを書き添える。同じ指標でも、期間と分類で値が変わる。
□ 主要ページのMarkdown版を用意し、エージェントに読ませて、返ってくる答えが正しいかを確かめる。
□ 外部のエージェントに出してよい情報の線を、書く前に決める。コード、内部の議論、個人情報は、この線の外に置く。