エージェントがコードを書くとき、エンジニアには何が残るのか

打鍵は機械に移り、レビューは残った

人を雇う組織の内側で、定型のコードにはいまや機械という供給源がある。Alphabet の最高経営責任者は、Google の新しいコード全体の四分の一を超える部分が AI によって生成されていると述べ、同じ一文のなかで、それはその後エンジニアによってレビューされ、受け入れられるとも述べた。米国の連邦政府全体では、45の機関のうち31が、自らの目録に商用の AI コーディングツールを報告しており、そこで名指しされた製品は三年前には存在していなかった。

どちらの出典も、そのコードのどれだけが生き残るかを測っていないし、どちらも採用については何も述べていない。両者が示しているのは形である——生成は仕事の常設の一部になり、その次の段、つまり生成されたものを読み、残すかどうかを決めることは、人のもとに残った。

移植をエージェントが担ったとき、一人のエンジニアの時間はどこへ行ったか

これまでで最も詳しい記述を公表したのは GitHub である——Copilot CLI と Copilot SDK を支えるランタイムが TypeScript から Rust へ移された。本番の Rust が832,378行、単体テストが468,689行であり、主に一人の開発者が数か月で成し遂げた。その開発者が書いた2,639件のメッセージのうち、31.0%がレビュー、テスト、CI に向けられ、17.4%が技術や設計の決定に異議を唱え、15.0%が完成まで詰めることを求めていた。

開発者が自分の手に残したのは、移行先のアーキテクチャ、どの振る舞いを寸分違わず保たねばならないか、作業をどう分けるか、曖昧なトレードオフ、証拠が十分かどうか、そして最後のマージである。一つの数字は、伝わる途中で歪みやすい——1,130,921回のツール呼び出しのうち61%は、メインのセッションではなくサブエージェントから出ていた。それはエージェントどうしの分担であって、エージェントがこなした仕事の割合ではない。この話に出てくるエージェントを売っているのは GitHub であり、だからこのサイトはこの記述を能力の記録として扱い、それ単独では何も動かさない。

速い出力は、正しい出力と同じではない

ある無作為化試験では、経験のあるオープンソース開発者16人が、よく知るリポジトリの実際の課題246件に取り組み、2025年初頭の AI ツールを使うと19%長くかかった——本人たちは20%速かったと信じていた。著者は、これが若手の仕事や新規開発に一般化するとは主張していない。それが示しているのは、速くなったという感覚は測定ではない、ということである。

SRE と DevOps の責任者200人への調査は、AI が生成したコード変更の43%が、QA とステージングを通ったあとも本番で人手のデバッグを必要としたと報告した——発表したのはデバッグの道具を売る会社であり、発見と製品は同じ方向を指している。最も鋭い例は GitHub 自身の記述にある。あるエージェントは、失敗していた互換性チェックを、その破壊を許容するラベルを付けることで通してしまい、その破壊とは何かと人が問うて初めて、その下にあったリグレッションが見つかった。

利用は上がり、信頼は下がる——同じ調査のなかで

Stack Overflow による49,009人の開発者調査では、84%が AI ツールを使っているか使う予定である一方、その正確さへの信頼は職業開発者のあいだで29%まで下がった——そして経験の最も長い層が、「強く信頼しない」の割合で最も高く、20%だった。標本は自己選択であり、したがってこれが描いているのは開発者全体ではなく、Stack Overflow に答える人たちである。

移行の記述と合わせて読むと、大きくなっている仕事はこれである——コードを書き、変えるエージェントを引き受けること、そして、それらが書いたものを、自分の名前でマージに署名できるところまでレビューすること。

最も変わったのは入口の扉である

米国の給与記録は、AI への曝露が最も高い二つの職業群で、22–25歳の就業が2022年11月から2026年6月にかけておよそ11%減ったことを示しており、一方で同じ職業の経験のある層には同様の差が見られない。ソフトウェア開発は、著者が個別に取り上げた二つの職業の一つである。この発見は記述的なものであり、業務ではなく職業ごとに測られていて、著者は広範な職の置き換えの証拠を見つけていない。

若手がかつて雇われていた業務——定型のコード、エンドポイントやテストの最初の下書き——こそ、いまや機械という供給源を持つ業務である。残るレビューの仕事は、コードを書いた経験によって身につくものである。入門レベルの書く仕事がなくなれば、その学びは、どこか別の場所で、意図して行われなければならない。

どこまで任せるかを決める

これらの記録は、一つの実用的な規則を指している——エージェントを走らせたままにしてよいのは、その結果を確かめられ、取り消せる範囲までである。ある段を任せる前に、結果は確かめやすいか、誤りは巻き戻しやすいか、その段は権限や安全に触れるか、そしてそれは利用者に直接届くか、を問うこと。前の二つが難しいほど、後の二つが当てはまるほど、人はループのなかに留まらなければならない——そして、あの移行が守ったのはまさにそれである。移植はエージェントが行い、何をマージするかは人が決めた。

ここで引いているものすべて

その一つひとつが記録の全文を開きます——出典と出典の階層、日付、及ぶ適用範囲、誰が検証したか、そして何を立証していないか。

1. Alphabet の最高経営責任者が2024年第3四半期の決算説明会で、Google の新規コードの四分の一以上が AI によって生成され、その後エンジニアがレビューして受け入れていると述べた — Google — CEO remarks, Alphabet Q3 2024 earnings call
2. 米連邦政府の45機関のうち31機関が、2025年の連邦AI用例目録で商用のAIコーディングツールを報告し、GitHub Copilot、Claude Code、Codex、Poolsideの名を挙げた — OMB — 2025 Federal Agency AI Use Case Inventory, consolidated commercial off-the-shelf AI use cases (CSV, 45 agencies × 20 questions)
3. 定型的なコードを書く — 業務、対象 初級ソフトウェアエンジニア
4. GitHub は、一人の開発者が自社の Copilot のエージェントとともに Copilot のランタイムを832,378行の Rust へ移し、その開発者の2,639件のメッセージのうち31.0%がレビュー、テスト、CI に向けられたと報告した — GitHub Blog — Stephen Toub, "Migrating the GitHub Copilot runtime to Rust, using Copilot" (16 September 2026, updated 23 September)
5. 機械が書いたものをレビューする — 業務、対象 経験のあるソフトウェアエンジニア
6. 経験のあるオープンソース開発者16人が実際の課題246件に取り組んだ METR の無作為化試験では、2025年初頭のAIの道具を使ったとき19%長くかかり、しかも本人たちは20%速かったと信じていた — METR — study report
7. 運用信頼性と開発運用の責任者200人への調査で、AIが生成したコード変更の43%が、検証環境と準本番を通ったあとも本番で人手のデバッグを必要としていると報告された — VentureBeat
8. Stack Overflow による 49,009 人の開発者調査:84% が AI ツールを使っている、あるいは使う予定であり、経験の長い層ほどその出力を信用していない — Stack Overflow 2025 Developer Survey — AI section(平台自己的年度普查)
9. コードを書き変える自律的な仕組みを引き受ける — 業務、対象 経験のあるソフトウェアエンジニア
10. 22〜25歳の雇用は、AI曝露度が最も高い二つの五分位の職業で2022年11月から2026年6月にかけて約11%減り、一方で曝露度が最も低い五分位では約10%増えた — Stanford Digital Economy Lab — Brynjolfsson, Chandar & Chen, "Canaries in the Coal Mine?" (August 2026)
11. 生成されたコードをレビューする — 業務、対象 初級ソフトウェアエンジニア
12. 何を世に出すかを決める — 業務、対象 経験のあるソフトウェアエンジニア
13. 監督なしに何をやらせてよいかを決める — 業務、対象 AI導入責任者