多くの開発者は、今も ChatGPT が 2023 年に使われていたのと同じ方法で AI を使っています。
チャットを開く。質問をする。コードをコピーする。エディタに貼り付ける。繰り返す。
それは機能します。誰も機能しないとは言っていません。
しかし、それはほとんどの人がまだ気づいていない方法で、すでに時代遅れになりつつあります。そして、早い段階でそれに気づいた開発者は、後から追いつくのが非常に困難になるアドバンテージを、静かに築き上げています。
現在、新たなカテゴリーの開発者が出現しています。彼らは、他の誰もが使っているようなコーディングアシスタントとして AI を使っているわけではありません。彼らは、その周りにオペレーティングシステム全体を構築しています。記憶、コンテキスト、専門エージェント、検証ループ、そして時間の経過とともに複合的に効果を発揮するワークフローを備えた、構造化されたシステムです。
この 2 つのアプローチの差は、ソフトウェア開発において最も重要な競争上の優位性の 1 つになりつつあります。それは、一方のグループがもう一方よりも賢いからではありません。一方のグループが、真のレバレッジは決してモデル自体にあるのではなく、常にモデルを取り巻くシステムにあることを、より早く理解したからです。
この変化を今日理解している開発者は、今後数年間、拡大し続けるアドバンテージを得るでしょう。なぜなら、ソフトウェア開発の未来は、より速くコードを書くことではなく、インテリジェンスを大規模に orchestrate することだからです。
誰もがしている議論は、間違った議論である
過去 2 年間、AI に関する議論全体は、異なる形で繰り返される 1 つの質問に支配されてきました。
どのモデルが優れているのか？
Claude 対 GPT。GPT 対 Gemini。Gemini 対 DeepSeek。オープンソース 対 プロプライエタリ。誰もがベンチマーク、コーディングスコア、コンテキストウィンドウ、推論評価を比較しています。あたかもモデル自体が競争の終着点であるかのように。
その議論は、それをしている人々が気づいている以上に、徐々に重要性を失いつつあります。
より価値のある質問が、その騒音の下で静かに浮上しています。
どのようにして言語モデルを、生産的なソフトウェアエンジニアに変えるのか？
質問に答えるチャットボットではありません。キーストロークを節約するオートコンプリートエンジンではありません。オンデマンドで関数を生成するコード生成ツールではありません。作業の計画、ソリューションの調査、コードのレビュー、バグの発見、テストの作成、ドキュメントの更新、長期的なプロジェクトにわたるコンテキストの管理、過去の決定から学習し、自身のアウトプットを時間の経過とともに改善することができる、真のエンジニアリングシステムです。
この変革は、まさに今、Claude Code のようなツールを中心に起こっています。そして、それはベンチマークの議論が示唆するよりもはるかに大きなものです。
AI コーディングツールの第一波は、間違った問題を解決した
AI コーディングツールの第一世代は、ほぼ完全にコード生成に焦点を当てていました。それは明白な解決すべき問題であり、確かに解決する価値のある問題でした。
GitHub Copilot は、AI が真に有用な方法でコードをオートコンプリートできることを実証しました。ChatGPT は、ソフトウェア開発を初めて会話形式にしました。モデルは急速に改善されました。コンテキストウィンドウは拡大しました。コードの品質は、最小限の編集で本番環境にそのまま使えることが多いレベルにまで向上しました。
しばらくの間、業界全体が 1 つの明確な目標に向かって競争しているように感じられました。より多くのコードを、より速く、より少ないエラーで生成することです。
しかし、経験豊富なエンジニアは、初めから明白であったはずの何かをすぐに発見しました。
コードを書くことは、ソフトウェア開発において最も難しい部分であることはほとんどありません。
本当の仕事、つまりシニアエンジニアの時間の大部分とチームのエネルギーのほとんどを消費する仕事は、通常、次のようなものです。不完全または矛盾した要件を理解すること。何年もの歴史と決定が織り込まれたコードベース全体にわたってソリューションを調査すること。考え抜かれたかどうかによって、アドバンテージへと複合的に作用するか、技術的負債へと複合的に作用するかのいずれかになるアーキテクチャ上の選択を行うこと。蓄積された技術的負債を管理すること。計画中に誰も思いつかなかったエッジケースをテストすること。実装の正確性、セキュリティ、保守性をレビューすること。プレッシャーのかかる状況での本番環境のバグをデバッグすること。常に少し古くなっているドキュメントを維持すること。構築されているものについて異なるメンタルモデルを持つ人々の間で、複雑なプロジェクトを調整すること。
エンジニアリングのライフサイクルのほとんどは、エディタの外で発生します。
そして、まさにそこで、従来の AI ワークフロー、つまり「チャットを開いてコードをコピーする」アプローチが、完全に崩壊し始めたのです。
なぜ Claude Code は、以前のものとは真に異なると感じられるのか
Claude Code は、根本的に異なるアイデアを導入しました。その違いは過小評価されがちなので、正確に述べる価値があります。
AI を、時折相談するためのものとして扱う代わりに、ワークフロー内に直接、実行における能動的な参加者として配置します。
これは微妙な違いに聞こえるかもしれません。しかし、それは全く微妙ではありません。
チャットボットは指示を待ち、それに応答します。オペレーターは実行に参加し、実際の環境内でアクションを実行します。この違いは、開発者とツールの関係性の本質全体を変えます。
開発者が Claude Code を本格的に使い始めたとき、議論は「AI が特定の関数を書けるか」という質問から、「AI がワークフロー全体をエンドツーエンドで処理できるか」という質問へと移行しました。一度その質問が頭に浮かぶと、コード生成を目標として考えるのをやめます。システムについて考え始めます。そして、システムこそが、エンジニアリングにおいて真のレバレッジが常に存在してきた場所なのです。
今日、Claude Code から最大の成果を得ている開発者は、最も賢い個々のプロンプトを書いている人たちではありません。その周りに最も思慮深いシステムを構築した人たちです。
ボトルネックは、ほとんどの場合、知能ではない
ほとんどの人は、AI が平凡なアウトプットを生成するとき、それはモデルが十分に賢くないからだと考えます。その仮定は、誰もが待ち望んでいる結果を最終的に生み出す、より良いモデルを絶えず探し求めることにつながります。
現実には、ボトルネックはほとんどの場合コンテキストです。知能ではありません。コンテキストです。
自分が想像できる最高のソフトウェアエンジニアを雇い、ドキュメントも、プロジェクトの履歴も、コーディング標準も、過去のアーキテクチャ上の決定の記録も、すでに発見され修正されたバグに関する知識も一切与えずに仕事をさせることを考えてみてください。そのエンジニアは非常に苦労するでしょう。能力がないからではありません。能力を有用にするコンテキストなしで作業しているからです。
AI モデルも、新しく始まる会話ごとに、前回の記憶がない状態で、まったく同じ問題に直面します。
これは、人々が初めて遭遇したときに混乱する何かを説明します。2 人の開発者がまったく同じモデルを使用して、まったく異なるツールから来たように見える結果を得ることができます。一方は、真に有用で本番環境にすぐ使えるアウトプットを得ます。もう一方は、元のコードに必要な修正量を超える修正を必要とする平凡なアウトプットを得ます。
その違いは、ほとんどの場合、モデルではありません。その違いは、コンテキスト管理です。一方の開発者は、モデルがうまく機能するために必要なものを与えました。もう一方は、そうしませんでした。
これは、AI を真剣なレベルで扱うことについて理解すべき、実用的に最も重要なことの 1 つです。あなたは単にモデルを選んでいるのではありません。そのモデルが効果的に動作できる環境を構築しているのです。その環境が、内部のモデルの生の能力よりもはるかにアウトプットを決定します。
コンテキストが新しいインフラになりつつある
ほとんどの AI に関する議論はプロンプトに焦点を当てています。なぜなら、プロンプトは目に見えるレイヤーだからです。それはあなたがタイプするものです。それはあなたが見るものです。それはあなたが制御しているように感じられます。
しかし、プロンプトは表面にすぎません。
一貫して成功しているすべての AI ワークフローの下には、ほとんどの人が明示的に考えたことも、公に議論したこともない、はるかに大きなインフラが存在します。
そのインフラには、毎回ゼロから始めるのではなく、セッション間で情報を永続化するメモリシステムが含まれます。モデルが参照できる形で決定、標準、パターンを捕捉する知識ストレージ。モデルを一度にすべての情報で圧倒することなく、適切な瞬間に適切な情報を表面化するコンテキスト検索。タスクを適切な順序で、適切な入力をそれらの間で流しながらシーケンスするワークフローオーケストレーション。アウトプットが次の段階に移る前に、標準に対してチェックする評価ループ。モデルが触れてもよいものと触れてはいけないものを定義するセキュリティ制御。エラーが複合的に悪化する前に捕捉する検証パイプライン。システムが質の低いアウトプットを生成している場所を特定し、それらのポイントを改善できるようにするパフォーマンス監視。
これらのシステムは、AI がエンジニアリング組織にとって真に有用なものになるのか、それとも、いくつかのキーストロークを節約し、デモで人々を感心させる高価なオートコンプリートエンジンのままになるのかを決定します。
今日、これらのレイヤーを構築している企業や個人の開発者は、事実上、AI 時代のオペレーティングシステムを構築しています。彼らは既存のツールを使用しているだけではありません。次世代のツールが上で動作するインフラを構築しているのです。
エージェント型開発の台頭と、それが優れたチームの構築方法とどのように似ているか
ここがソフトウェア開発の向かう先であり、それをすでに直感的に理解できる何かと結びつけると、理解しやすくなります。
真に効果的なエンジニアリング組織がどのように機能するかを考えてみてください。あなたは 1 人の人を雇い、その人にすべてを任せるわけではありません。特定の分野に深いスキルを持つスペシャリストがいます。問題領域を理解するリサーチャー。構造的な決定を下すアーキテクチャ。実装の問題を発見するレビュアー。プロダクト重視のエンジニアが見逃す可能性のある問題について考えるセキュリティエンジニア。仮定を現実に対してテストする QA エンジニア。システムを扱うすべての人が理解できるようにするテクニカルライター。すべてを本番環境で稼働し続けるオペレーター。
同じパターンが、高度な AI ワークフロー内でも現れています。
今日、適切に設計されたエージェントシステムは、次のように動作する可能性があります。まず、決定が下される前に問題領域を調査するリサーチエージェント、次に、その調査に基づいて構造的アプローチを設計するアーキテクチャエージェント、次に、アーキテクチャ仕様に従ってコードを書く実装エージェント、次に、要件とエッジケースに対して実装を検証するテスティングエージェント、次に、脆弱性をレビューするセキュリティエージェント、次に、何が構築されたか、なぜそうされたかを記録するドキュメンテーションエージェント、そして、リリースプロセスを管理するデプロイメントエージェント。
各システムは特定の責任を持っています。各システムは特定の問題に焦点を当てています。それらが一緒になることで、チャットボットというよりも、明確に定義された役割と、それらの間の明確な引き継ぎを持つエンジニアリング組織のように動作します。
これが、最も洗練された Claude Code ユーザーが、もはやほとんどの時間を個々のプロンプトの作成に費やしていない理由です。彼らは時間をワークフローの設計に費やしています。プロンプトは、より大きなシステム内のステージへの入力にすぎません。システムこそが、一貫して良い結果を生み出すのです。
メモリは、最終的にはモデルの能力よりも重要になるかもしれない
これが、ほとんどの人が真剣に受け止めていない変化であり、今後数年間で最も重要になると私が考えるものです。
モデルは急速に改善されており、利用可能な最高のモデル間のギャップは狭まっています。フロンティアモデル間のベンチマークは、離れていくのではなく、互いに近づいています。議論を支配しているモデル戦争は、縮小しつつある差異をめぐって戦われています。
しかし、メモリは縮小しない複合的なアドバンテージを生み出します。それは成長します。
同じような生の知能を持つジュニアエンジニアと比較して、シニアエンジニアが真に価値あるものにするものについて考えてみてください。経験です。そして、経験が重要なのは、経験がメモリを生み出すからです。メモリは、何が機能し、何が機能しないかについての直感を生み出します。直感は、より少ないエネルギーで、より迅速に、より良い決定を生み出します。それらのより良い決定は、時間の経過とともに、実績と、簡単には複製できない判断の深さへと複合的に作用します。
メモリがなければ、すべてのプロジェクトは、以前に何があったかに関係なく、ゼロから始まります。間違いが記録されていないため、すべての間違いが繰り返されます。学んだ教訓はすべて、セッションの終わりに消えます。うまくいったワークフローはすべて、次に必要になったときに再構築しなければなりません。これは、すべてのプロジェクトにわたって目に見えない形で蓄積される、莫大な非効率性です。
これが、最も先進的な AI システム構築者が、会話間でコンテキストを引き継ぐセッション永続性、検索可能な形でパターンと決定を捕捉する長期メモリ、リセットするのではなくそれ自体に基づいて構築される知識の蓄積、そして、これまでに機能したものに基づいてシステムを改善するワークフロー進化に、重点的に取り組んでいる理由です。
実際にやってくる未来は、単によりスマートなモデルではありません。それは、記憶し、改善する、よりスマートなシステムです。複合的なアドバンテージは、それらのシステムを最初に構築した人が手にします。
ほとんどの人が完全に無視している隠れたレイヤー
本当のアドバンテージがどこにあるのかを考えるときに、私が何度も立ち返る観察があります。
今日、3 人の開発者がまったく同じ Claude モデルを使用できます。1 人は、手動でコードを書くよりもわずかに優れた平均的な結果を得ます。1 人は、アウトプットを有意義に加速する優れた結果を得ます。1 人は、モデルを中心にソフトウェア会社全体を構築し、数年前ならどんな規模のチームでも不可能だったであろうものを生み出します。
これら 3 つの結果の違いは、知能ではありません。それは努力ですらなく、少なくとも直接的にではありません。それはインフラです。
勝ち組の技術スタックは、ますますレイヤーケーキのように見えてきており、モデルは目に見え、常に議論される最上位に位置し、その下にあるすべてのものが実際の競争上のアドバンテージが存在する場所です。モデルの下のメモリ。その下のワークフローオーケストレーション。アウトプットをチェックする評価システム。境界を定義するセキュリティ制御。反復的なステップを排除する自動化。すべてをチェーンでつなぐ実行パイプライン。
ほとんどの人は、最上位のレイヤーだけに焦点を当てます。彼らはモデルに焦点を当てます。なぜなら、モデルは彼らが直接対話するものであり、マーケティングが強調するものだからです。
最も高いレバレッジ、つまり最大のアドバンテージが現在構築されている場所は、目に見えるレイヤーの下にあるすべてのものに存在します。
なぜこの瞬間がクラウド革命を思い出させるのか
この類似性は真剣に検討する価値があります。なぜなら、それは常にその瞬間には選択肢のように見えるにもかかわらず、後から見ると正確であることが判明し続けているからです。
今日、ほとんどの開発者はエージェント型ワークフローを、興味深い実験や、時間があるときに探求する価値のある生産性向上策と見なしています。これは、2008 年と 2009 年にクラウドコンピューティングがどのように見えていたかとまったく同じです。人々は自分たちのサーバーを実行し続ければよいと考えていました。クラウドインフラ上に早期に構築した開発者は、過剰エンジニアリングをしているように見えました。その後、クラウドは標準になり、移行しなかった人々は、修正するのにコストがかかる方法で突然遅れをとることになりました。
同じパターンが、バージョン管理、コンテナ、継続的インテグレーションとデプロイメントでも見られました。すべてのインフラシフトは、最初は実験する時間のある人々のためのオプションの生産性ハックのように見えます。その後、早期に採用した組織にとって競争上の優位性になります。そして、それがデフォルトの働き方になり、他の全員が追いつこうとすることになります。
エージェント型開発も同じ軌跡をたどっています。今日、それは実験的であり、それに不釣り合いなほど興奮している少数の開発者によって実践されています。明日には、競争力を維持したいエンジニアリング組織によって期待されるものになるでしょう。早期導入が永続的なアドバンテージを生み出す窓は、今開いており、それは無期限に開いたままにはなりません。
開発者のスキルセットは、特定の方向に進化している
ソフトウェアエンジニアリングの歴史のほとんどにおいて、成功は実装能力と強く相関していました。どれだけ速く正しいコードを書けるか。特定の言語やフレームワークをどれだけ深く理解しているか。どれだけのアルゴリズムを記憶し、適用できるか。これらのスキルは非常に重要であり、今でも重要です。
しかし、次の 10 年の最も高いレバレッジを持つ開発者は、ますます異なる一連の能力に焦点を当てるでしょう。
AI エージェントを複雑なタスクを通じて、各段階で適切な入力と出力で正しい順序にシーケンスするワークフローの設計。モデルが圧倒されることなく、良好に実行するために必要なものを確実に持つためのコンテキスト管理。使用前にアウトプットを検証する評価システムの構築。知識を蓄積し、時間の経過とともに改善するメモリアーキテクチャの作成。特定の問題にそれぞれ焦点を当てた専門エージェントの調整。アウトプット量が増加するにつれて品質を維持する検証プロセスの定義。信頼性の高い自動化システムにチェーンでつながる実行パイプラインの構造化。
仕事は、物事を構築することから、インテリジェンスを指示することへと進化しています。コードを書くことから、コードを生成するシステムを設計することへ。実装からオーケストレーションへ。
これは、熟達がどのように見えるかにおける重要なシフトです。それを早期に認識し、今すぐそれらのスキルを構築し始める開発者は、エンジニアリングの卓越性の古い定義のために最適化を続ける開発者とは、まったく異なる立場に立つことになるでしょう。
この流れがどこに向かうのか、そしてそれがどれだけ先のことなのか
開発者と AI の関係性の進化は、認識可能な段階を経ているように見えます。
第一段階は、開発者がエディタと連携し、コードを整理して表示するが、その記述には貢献しないツールを使用して、すべてを手動で生成する段階でした。
第二段階は、開発者が AI アシスタントと連携し、質問に答え、要求に応じてコードを生成し、開発者が主要な生産者であり続ける間に特定のタスクを加速する段階です。
第三段階は、最も先進的な実践者が現在いる段階であり、開発者が AI チームにより近いものと連携する段階です。複数の専門システムがワークフローの異なる部分を処理し、開発者はすべてのアウトプットを直接生成するのではなく、指示とレビューを行います。
第四段階は、地平線上に見えつつある段階であり、開発者が AI オペレーティングシステムと連携する段階です。研究、計画、実装、テスト、セキュリティ、ドキュメント、デプロイメントを統合機能として処理する完全なインフラであり、開発者は実行者ではなくアーキテクトおよび意思決定者として機能します。
現在、ほとんどの現役開発者は、第二段階と第三段階の間のどこかにいます。第三段階への動きは加速しています。第四段階は、見た目ほど遠くはありません。
実際に注意を払う価値のあること
現在の AI に関する議論のほとんどは、モデル戦争に焦点を当てています。Claude 対 GPT。オープンソース 対 プロプライエタリ。実際のパフォーマンスを反映するかどうかわからない評価におけるベンチマークスコア。
これらの議論は興味深く、まったく価値がないわけではありません。しかし、それらは、それらを行っている人々が考えているよりもはるかに重要ではないかもしれません。
より大きな話は、ソフトウェア開発自体がエージェント型になりつつあるということです。ソフトウェアが構築される構造自体が、単に限界的に高速化されるのではなく、根本的なレベルで変化しています。
その世界での勝者は、必ずしも最もスマートな個々のモデルにアクセスできる開発者ではありません。それらのモデルの周りに最もスマートなシステムを構築した開発者でしょう。コンテキスト管理が生のモデル能力よりも重要であること。メモリが複合的なアドバンテージを生み出すこと。ワークフローの設計に真のレバレッジがあること。コードを生成することよりもインテリジェンスをオーケストレーションすることの方が価値のあるスキルであることを理解した人たちです。
Claude Code は、単なるツールとしてだけでなく、シグナルとして重要です。これは、インテリジェンスが時折の相談ではなく、プログラム可能なインフラになったときに、ソフトウェアエンジニアリングがどのように見えるかを示す、最も明確な初期の垣間見えの 1 つです。
一度そのシフトが完全に定着すれば、質問は AI がコードを書けるかどうかではなくなります。誰もがそれがコードを書けることをすでに知っています。
質問は、ソフトウェア開発ライフサイクルのどれだけの部分を、それらを構築し実行する方法を理解している開発者によって指示された、適切に設計された AI システムが所有できるか、になります。
その質問への答えは毎月大きくなっています。そして、今まさにその答えに向かって構築している人々は、静かに複合的に作用し、十分に大きくなると追いつくのが非常に困難になるアドバンテージを持って作業しています。
私たちはまだこの物語のごく初期の章にいます。今後 2、3 年の間に行われる決定は、その後長い間重要であり続けるでしょう。
