プログラマーAGIは、
もう来ていた
この1年のコーディングエージェントの進化と、次の半年
この1年は、前回の予想の
答え合わせだった
LLMと実世界をつなぐ
「速度」を見よう
どこまで来たか
もう来ていた
少なくとも「与えられた目的に対して、コードを調査・実装・テスト・修正する知能」は、平均的な人間プログラマーの水準に到達し、超え始めている。
今回のAGIは、コーディング領域に限定する
含める能力
- 未知・大規模コードベースを探索する
- 要求から変更箇所を特定する
- 複数ファイルをまたいで実装する
- CLI・テスト・ブラウザなどを使う
- 失敗を読み、修正し、完了まで進める
別の論点
- 顧客も知らない要求を発見する
- 何を作るべきか判断する
- 法的・社会的責任を負う
- 組織内の利害を調整する
- 出力を無条件に信用できる
2025年前半：
「エージェントらしく動く」がニュースだった
Cline
研究プレビュー
研究プレビュー
パブリックβ
一般提供
2025年後半から、競争の軸が
長時間・大規模・価格へ
2026年初頭、一線を越えた
変化は、4つの独立した方向に現れた
モデル／製品
長時間・大規模・複数エージェントが標準機能へ
開発作法
一手ずつ指示する前提から、ループを設計する前提へ
周辺技術
接続・権限・記憶・検証を含む働く環境へ
評価／実例
Issue修正から移植・再実装・数日単位の仕事へ
バズワードが変わったのではない。
ボトルネックが変わった
Engineering
Engineering
Engineering
Engineering
人間は、ループの中から上へ
Human-in-the-loop
AIが途中で止まり、
人間の承認を待つ
Human-on-the-loop
AIは自走し、人間は監視。
異常時・判断時だけ介入
MCPからSkillsへ？
いいえ、接続と手順の役割分担
- ツール／データの接続を標準化
- アプリごとの個別連携を減らす
- 業界標準インフラへ沈み込む
- 指示・スクリプト・資料を束ねる
- 必要な時だけ読み込む
- 手順書が持ち運べる資産になる
ハーネスは、AIを縛るものから
AIを働かせるものへ
檻としてのハーネス
- 1操作ごとに承認
- 実環境から隔離
- 人間が常時付き添う
- 失敗したら人が直す
職場としてのハーネス
- 記憶と進捗を維持
- テスト・レビューを自動返却
- 複数エージェントを並列化
- 異常時だけ人へ上げる
ベンチマークが測る仕事の大きさが変わった
「何時間ぶん任せられるか」を測る
50% time horizon の長期トレンド上の倍増時間
一方、2025年初頭のRCTでは、熟練OSS開発者が当時のAIを使うと平均19%遅くなった。
半年前：大規模開発そのものが実験になった
ブラウザをゼロから
planner / worker / judge と並列性で、単体エージェントの限界を越える実験。
Rust製Cコンパイラ
Linux 6.9をx86 / ARM / RISC-V向けにビルド。製品ではなく能力限界の実験。
今：Bunを11日で全面移植した
1人のエンジニアが監督
（コメント除く）
4本の証拠が、同じ結論へ収束する
モデル／製品
長時間・大規模・ツール利用・自律修正が標準機能へ
開発作法
人が一手ずつ指示する前提から、ループを監督する前提へ
周辺技術
檻と許可プロンプトから、長時間働かせる環境へ
評価／実例
Issue修正から、移植・再実装・数日単位の仕事へ
狭いが巨大な領域で閾値を超えた
人間の希少能力ではない
ソフトウェア開発の全工程が終わったわけではない。人間の主戦場が、コードを書くことから、何を作るか・どう確かめるかへ移る。
予想①：最強が普通になる
今の「高級な知能」を、
毎日の雑な作業にも使う
1タスクに1体ではなく、実装・レビュー・テスト・調査へ複数体を常時走らせる。限界はタイピング速度から、計算資源と検証能力へ。
予想②：実装が制約でなくなると、
意思決定と検証が制約になる
仕様発見
顧客も、動くものを見るまで欲しい仕様を知らない。生成→操作→反応→仕様更新を高速化する。
検証と品質保証
人間が全diffを読む方式はスケールしない。テスト・型・解析・複数モデルの証拠で判定する。
ループを閉じる
失敗を返し、分類し、直し、再実行する。終了条件と人へのエスカレーションを設計する。
この資料自体も、1年前とは違う作り方をしている
タイトル候補と短い文章のたたき台
対話しながら構成とスライド本文を生成
過去資料を読み、音声で着地点・反論・年表・予想を長時間壁打ち
人間を超えたかではない。
どこまで離れるか、
どこまで普通になるかだ。