手作業
ソフトウェアの歴史のほとんど人間が全行を書きます。ツールはコンパイルし、lintし、文句を言うだけ。キーボードが工場です。
- なし。ここが出発点です。
工場の自律性を6段階に分け、その間にあるゲートと、2026年にどこまで進むかの予測をまとめました。後から採点できるように、いま書き残しておきます。
AIについての予測が安っぽいのは、誰も答え合わせをしないからです。このページは雰囲気ではなくルーブリックです。以下のゲートはどれも、実際にソフトウェアを出荷している実在のチームについて真か偽かが決まります。ゲートが通過されれば更新しますが、ゴールポストは動かしません。
自動運転車の等級付けを借りて、ソフトウェアの作られ方に当てはめました。面白いのはF3からF4への飛躍です。仕事を任せるエージェントから、指揮する工場へ。
F3 · you are here
人間が全行を書きます。ツールはコンパイルし、lintし、文句を言うだけ。キーボードが工場です。
補完が賢くなります。モデルが次の数トークンを提案しますが、人間がほとんどを打たなければ何も出荷されません。
エージェントが関数やファイルをまるごと書き、人間は各ステップを見守りコマンドを1つずつ承認します。エージェント1体に人間1人。速くはなりますが、依然として直列です。
エージェントがチケットから差分までタスクを引き受けます。人間はキー入力ではなく結果をレビューします。関心はコードを書くことから、作業を仕様化し判断することへ移ります。エンジニア1人が独立したワークスペースで複数のエージェントを同時に動かします。
エージェントのフリートが計画し、実装し、互いの仕事をレビューしテストします。人間は方向を定め、例外を裁定し、審美眼を担います。人間の注意の単位はもうプルリクエストではありません。意思決定です。
成果を入力すれば、ソフトウェアが出てきます。人間は意図、制約、予算を指定します。工場は自らスケジュールを組み、継続的に出荷し、出荷したものを監視し、自らロールバックします。ほとんどの変更は人間を介さずマージされ、それでもインシデント率は上がりません。
半分は記録、半分は賭けです。最初の2項目はすでに起きています。残りは、外れたと判定できる程度に具体的に書いてあります。
エンジニアの時間はもうコードを書くことには費やされません。読むことに費やされます。2025年に並列エージェントを導入したチームが最初に壁にぶつかりました。10体のエージェントは、昼までに、チームが金曜までに正直にレビューしきれない量の差分を生み出します。
その答えは、エージェントがエージェントをレビューし、人間はすべてを読む代わりに抜き取りで確認することです。信頼は差分ごとではなく、統計的に積み上げられます。
ブラインドテストで、エージェントのレビュアーが仕込まれたリグレッションを人間のレビュアーの中央値と同等に検出する。
職務の中身が変わります。エンジニアは審美眼のあるタイピストであることをやめ、審美眼のあるディスパッチャーになります。作業を分解し、フリートに割り振り、同じモジュールに触れたエージェント同士の衝突を裁く役です。
エージェントをチャットウィンドウではなくフリートとして扱うツールが、コードベースへの標準的なインターフェースになります。
エンジニア1人が10以上の並行ワークストリームを維持し、エージェントのブランチ間のマージコンフリクト解消自体もほぼ自動化される。
長時間にわたる信頼性がしきい値を超えます。18時に割り当てた作業が9時にはマージできる。それが十分な頻度で起きるようになり、夜間シフトを組まないことが工場を遊ばせているように感じられます。
環境構築、不安定なテスト、認証情報の受け渡し。2025年に無人実行を潰していた退屈な失敗要因は、モデルの進歩ではなくエンジニアリングでほぼ取り除かれます。
8時間以上の無人実行が、人間の介入なしに定型チケットの過半数で成功する。
最初のチーム、それも小規模なチームが、全行を読まずにエージェント中心のコードを出荷し、それでも不具合率を維持します。特別なことは何もありません。レビューの多層化、カナリア、素早いロールバック、そしてコードではなく仕様を書く習慣です。
これが一般化するかどうかで議論が起きます。その議論こそ、このレベルに到達した証拠です。
名前を挙げられるチームが少なくとも1つ、当社を含めて、四半期を通してF4のゲートをすべて通過し、その数値を公開する。
2026年や2027年に完全自動運転が実現するとは予測していません。正直なところ未知数なのは、エージェントによるレビューが敵対的な複雑さに耐えられるか、仕様が大規模な場面でコードを読むことに代わる信頼の拠り所になれるか、そして計算コストの経済性が夜間シフトを人間より安く保てるかです。F5はルーブリック上の項目であり、実現したときにそれと分かるようにしてあるだけで、約束ではありません。
2026年8月時点の当社の見立てです。自チームと、近くで見ているチームの実態にもとづいています。F3はほぼ通過済み、F4はほぼ未通過。この差が、これからの仕事です。
途中の介入なしで完了する定型チケット
独立したワークスペースで、範囲が明確な作業なら標準的です。
エンジニア1人あたり3つ以上の並行ワークストリーム
当社チームとヘビーユーザーにとっては日常です。
マージされたエージェントのPRの過半数が編集ゼロ
定型作業では成立しますが、厄介なリファクタリングではまだです。
マージされた変更の半分が編集ゼロのエージェントのコード
マージされる差分の大半は、いまも人間が編集するか強く誘導しています。
エージェントのレビューが人間のレビューと同等
エージェントのレビューは実際のバグを見つけますが、まだ単独では信頼できません。
状態を取りこぼさない10以上の並行ワークストリーム
調子の良い日には可能です。監督コストの増え方がまだ速すぎます。
無人の夜間実行、朝にはマージ可能
環境がきれいなら動きます。環境がきれいなことは滅多にありません。
チケットから本番まで中央値1日未満
レビューとCIの待ち行列が、エージェントの生んだ余力を食い潰しています。
Supersetは、F3からF4への移行のための作業台です。独立したワークスペースで動く並列エージェント、実際に監督できるフリート、そして自分が書いていないコードのためのレビュー画面。