AI ネイティブ・ソフトウェアエンジニアリングとは、大規模言語モデルが持続的で多段階の、ツールを介した実行能力を獲得するにつれて出現しつつあると 決定論から委任へ：AI ネイティブなソフトウェアエンジニアリングとエージェント型エンジニアの進化 が論じるパラダイムに、同論文が与えた名称である。その主張は、これが既存の実践の中で適用される段階的なツールのアップグレードではなく、ソフトウェア作業の構造化のされ方、システム品質の評価のされ方、責任の割り当てられ方の変化だというものである。論文は、この 3 つの変化は互いにつながっており — 1 つの変化が他の変化に影響を及ぼしやすい — 全体として、決定論的な実装から、委任・監督・確率的な振る舞いを中心とするエンジニアリングへの移行を表していると論じる。
用法
このパラダイムは 3 つの軸で特徴づけられる。
作業の単位。 古典的には、主要な単位は機能、サービス、API、プラットフォームのコンポーネントを実装する決定論的なコードであり、プロセスはシステムを仕様の定まったモジュールへと分解し、各成果物を検証することに重きを置く。このパラダイムでは、単位は監督下のエージェントワークフローになる。設計上の問いは、エージェントが何を知覚できるか、どのツールにアクセスしてよいか、タスクについてどう推論するか、どのような変更を行うことが許されるか、出力がどう評価されるか、そしてどのような条件で人間の介入が必要になるか、へと移る。エンジニアはあらゆる計算ステップを規定するのではなく、システムが行動する動作環境を形づくる。そのため、エンジニアリングの労力は、個々の振る舞いを構築することから、望ましい振る舞いが生じやすい条件を構築することへと移っていく。
正しさのモデル。 古典的なシステムは、アサーション、テスト、形式仕様によって局所的に検証できる二値的な正しさに依拠している。エージェント型システムは、多くのタスクに単一の決定論的な出力が存在しない領域で動作することが多いため、正しさは統計的かつシステムレベルのものになり、タスク成功率、忠実性、ツール使用の正確さ、ハルシネーションの頻度を報告する評価パイプラインによって測定される。論文の例示では、94% のタスク成功率は、ある状況ではまったく許容できても、別の状況では使い物にならないことがある。そのため中心的な問いは「システムは正しいか？」から、「システムは現実的な動作条件のもとで十分に信頼でき、その失敗モードは許容できるものか？」へと移る。
説明責任のモデル。 仕様駆動の開発では、説明責任は作者であることから生じる。ここでは、エージェントはコードを生成し、プルリクエストをレビューし、インシデントを要約し、欠陥を特定し、変更を提案することはあっても、結果に対する責任を負うことはない。人間のエンジニアが所有権を保持し、品質、セキュリティ、本番運用への準備について引き続き説明責任を負う。論文の定式化では、自律性が高まっても責任は消えず、監督と結果の所有に集中するようになる。だからこそ、監査可能性、承認ワークフロー、介入ポリシーといったガバナンスの仕組みが、運用上の後付けではなくアーキテクチャ上の要件になるのだという。
論文がこれらすべてを凝縮した命題は、ソフトウェアエンジニアリングはシステムを構築し、エージェント型エンジニアリングは、そのシステムの構築・運用・進化を助けるエージェント型システムを構築する、というものである。
適用される場面
ここで説明されるパラダイムは、実際のツールに対して持続的な多段階の実行を行えるエージェントと、結果をアサートするのではなく統計的に評価できる状況を前提としている。古典的な実践に取って代わると主張しているわけではない。論文は、自律的なシステムも依然として決定論的な基盤 — 信頼できるインターフェース、安全なインフラストラクチャ、高品質なデータ、検証可能なテスト環境 — に依存していることを明言しており、両者の関係を、後継ではなく相補的で相互に依存するものとして位置づけている。
論文が限界を設けるのは自らの証拠に関してであり、意見の不一致を解消するのではなく前面に出している。限定されたタスクで 55.8% 速い完了を報告したラボ実験と、4,867 人の開発者を対象に、完了したタスクが 26.1% 増え、経験の浅い開発者ほど大きな効果があったと報告した 3 つのフィールド実験に対して、自分自身の成熟したリポジトリで作業する経験豊富なオープンソース開発者 16 人を対象とした無作為化比較試験を並べている。この試験では、2025 年初頭の AI ツールが完了時間を 19% 増加 させた — その同じ開発者たちは 20〜24% の速度向上を予測していたにもかかわらず。論文がそこから引き出す読み方は、成果は範囲の明確なタスクとコンテキストの少ないコホートに集中し、コンテキストの多い専門家の作業では正味のコストが生じうる、というものであり、これが、生の自動化ではなく監督と較正された判断こそが要となる能力だという論文のテーゼの根拠になっている。論文は、認識された利益と実際の利益の間の差そのものを、管理すべきリスクとして扱っている。
さらに 2 つの限界は、経験的なものではなく構造的なものである。合成的信頼性 とは、多段階の自律性が乗法的に劣化することを意味し、そのためステップごとの精度が高くても長い範囲にわたっては維持されない。振る舞いのドリフト とは、終端状態が存在しないことを意味する。エージェントには恒久的な管理が必要であり、そのため「完了」は概念として時代遅れになり、継続的な監視と再調整のコストモデルは、論文によれば、ポートフォリオのレベルではまだよく理解されていない。
用語としては、それ自身がポジションペーパーであることを明示している 1 本の論文に依拠している。急速に発展する文献を 1 つの議論と一連の反証可能な予測へと統合したものであり、その定量的な知見は自らの測定ではなく、引用している研究から得られている。論文は、統制された証拠の基盤が小さく、新しく、特定のツール世代に結びついていることを指摘し、効果量を安定した定数ではなく、時点を刻印したスナップショットとして読むよう求めている。
関連用語
- 決定論から委任へ：AI ネイティブなソフトウェアエンジニアリングとエージェント型エンジニアの進化 — この用語を提案した論文
- エージェント型エンジニア — このパラダイムが生み出すと論じられている専門職の原型
- 監督付きエージェンシーのスペクトラム — このパラダイムが中心に据える監督がどのように段階づけられるか
- 合成的信頼性 — 上記の 2 つの構造的限界のうちの 1 つ
- 振る舞いのドリフト — もう 1 つ
- エージェント型エンジニアリング — この分野を指す、隣接する別の出典に基づく用語