タイトルを訳すと「2026 年のソフトウェアエンジニアリングの最先端に AI が与える影響」となるこの記事は、2025 年に AI 支援開発が個人の習慣から、チーム全体で業務に組み込まなければならないものへと変わったと論じている。著者は、2021 年の GitHub Copilot による自動補完から、コピー＆ペーストを必要とするブラウザベースの利用を経て、2025 年には Claude Code、Windsurf、Cursor といったコーディングアシスタントが開発者のマシン上で動くようになるまでの流れをたどり、その結果として生じた変化を、2000 年代初頭に自動テストフレームワークと CI/CD がソフトウェアの作り方を塗り替えたことになぞらえている。
その手法は対話の総合である。複数のテック企業——その中には Doctolib、Malt、ManoMano、Brevo、Ilek、Alan が含まれる——のエンジニアが体験談を寄せ、記事は全編を通じてそれを引用している。記事は 5 つのテーマで構成されている。新たなパラダイムとしてのコンテキスト駆動エンジニアリング、spec/plan/act のワークフロー、AI ルールのエコシステム、ガバナンスと業務への組み込み、そして人間にまつわる課題である。
要点
- 記事によれば、2025 年初頭には「バイブコーディング」が主流だったのに対し、いまではむしろコンテキスト駆動エンジニアリングやエージェント型エンジニアリングが語られるようになっている。プロンプトを与える代わりに、意図と制約（コーディングガイドラインなど）を含む完全なコンテキストを提供するのである。記事はこれを、プロセスの非決定的な部分を減らし、出力の品質をより信頼できるものにすることを目指すものとして提示している。
- 記事によれば、このアプローチのもとでは仕様が再び第一級の存在となり、あらゆるコードに先立つ前提条件となる。記事はこれを実践者の引用で裏付けており、その中には、レビュアーがプランの段階でアーキテクチャとトレードオフに集中できるよう、プランと実装を 2 つの別々のプルリクエストに分けることを勧める人もいる。
- 記事が特定する標準的なワークフローは spec、plan、act である。spec はユースケースと意図をまとめたもので（RFC、ADR、PRD のいずれと呼ばれるにせよ）、通常はプロダクトの専門家がレビューする。plan は spec を実装するのに必要なすべてのステップを列挙したもので、各ステップはエージェントが自律的に実行でき、通常はシニアエンジニアがレビューする。act は実装のステップであり、変更を 1 つずつ承認するコパイロットモードか、意図を伝えて結果を確認するエージェントモードのいずれかで行われる。
- BMAD（Breakthrough Method for Agile AI-Driven Development） と Spec Kit（GitHub Spec Kit）の両方を試した著者は、その経験から、これらは冗長な過剰文書化や開発サイクルの低速化につながりやすいと報告している。著者は直観として、すでに欠陥のあった人間のプロセスをデジタルに再現することは避けるべきだと付け加え（BMAD が提案するすべての役割が必要なのかを問うている）、また AI 向けに書かれた仕様はシンプルで曖昧さのないものでなければならないと断言している。冗長さはコーディングアシスタントの有効性を損ないうるからである。
- 「AI ルール」のエコシステムは、spec に加えて読み込まれるコンテキストファイル——各アシスタント固有のファイルであり、AGENTS.md はそれらを統一する試みとして、ディレクトリごとに階層的に使える AI 向けの README のようなものとされる——に加え、ある操作の実行方法を説明するスキル、特定のタスク専用のエージェント、エージェントのツールボックスを拡張する MCP サーバーから成るものとして説明されている。コンテキストを複数のファイルに分割することで、各エージェントは縮小されたコンテキストで作業できるという。
- いくつかの企業は、AI が生成するコードを標準化するために、スキル、エージェント、ルールを社内のマーケットプレイスや共有リポジトリに集約していると説明されており、ある事例では社内ギルドが寄稿をレビューしている。記事は、公開マーケットプレイスからインストールするものはすべて先に目を通さなければならないと警告している。
- 指示は頻繁に無視されたり誤読されたりするため、チームはエージェントの周囲でリンティング、テストハーネス、コードレビューを必須にしていると報告されており、インタビューを受けた全員が依然として人間によるレビューを必要としている。コンテキストファイルへの変更が実際に改善になっているかどうかは未解決の問題として提示されている。あるエンジニアは、プロンプトテスト用のツールを使って CI でスキルの評価を実行し、スキルがトリガーされることをプログラムで確認し、出力を LLM で判定する計画を語っている。
- 報告された開発者 1 人あたりの月額コストは 3 つの帯域に分かれる。まだ導入段階にあるか、AI をベストエフォートで使っているチームでは約 20 ユーロ、強力に導入しているチームでは約 200 ユーロ、CI 全体に組み込まれたマルチエージェント利用では 200〜1,000 ユーロであり、ほとんどのチームは最初の 2 つに該当する。よく見られる順序は、まず導入、次にコストの最適化だとされる。
- 人間の側面について、記事は、かつてジュニア開発者に任されていた仕事の多くがいまや AI によって行われているため彼らが危機にさらされていること、すべてのチームがジュニアを迎え入れ続ける必要性を認識していること、そして著者が彼らの育成を特に適応させる取り組みを目にしなかったことを報告している。また、AI ツールの使用を認めるように採用面接が再設計されていることや、最新のドキュメントと明示的なガイドラインによってオンボーディングが容易になっていることも報告している。
背景
この記事は研究ではなく実践者による調査である。その根拠は参加企業から寄せられた証言の引用であり、コストの帯域はそれらの対話を著者が総合したものである。記事はいくつかの枠組みについて他の文章にリンクしており、その中には著者がバイブコーディングよりも好む用語も含まれる。
結論では、システム思考の復権を歓迎している——何をしたいのか（spec）とそれをどう実現するつもりなのか（plan）を説明できなければ、AI はあなたを救ってはくれず、産業的なスピードで技術的負債を生み出すだろうと著者は書いている——とともに、予想外の副次効果として、自分のコードへの感情的な執着である「エゴコーディング」の終わりがもたらされるかもしれないと示唆している。記事は、未解決のまま残っている事柄を挙げて締めくくられている。主権、ローカルモデル、プロンプトの再現性と品質のテスト、コストの上昇、そしてジュニアの役割の変化である。