この論文は、2026 年 4 月 14 日にリオデジャネイロで開催された Agentic Engineering 2026 ワークショップでの基調講演「Agentic Software Engineering Will Eat the World: AI-Based Systems as the New Operating System of Society」をまとめたものであり、著者らはチャルマース工科大学と Volvo Group に所属している。論文は、より強力な基盤モデルとツールを使うエージェントによって、スキャフォールディング、定型的なテスト生成、単純なバグ修正、小規模な統合作業といったタスクが脅かされているように見え、経験豊富な実務者が自らの専門性の価値が失われることを懸念しているという不安から出発する。著者らはそうした懸念を真剣に受け止めつつも、異なる結論を導く。エージェント型システムはソフトウェアエンジニアリングを縮小させるのではなく、エンジニアリングの対象を外側へと拡大する。すなわち、コードとテストから、プロンプト、ワークフロー、制御、組織の運営ロジック、そして最終的には社会的・制度的な適合へと広がるのである。
論文の中心概念は半実行可能アーティファクトである。これは、ソフトウェア集約型システムの振る舞いを規定、調整、または制約するのに役立つが、その実行が人間、確率的モデル、あるいはその両方による解釈に依存するアーティファクトを指す。著者らはこの概念を軸に、6 つのリングからなる参照モデルである半実行可能スタックを構築している。その目的は診断的なものであり、ある貢献やボトルネックが主にどのリングに位置し、どの隣接するリングに依存しているかを示すことにある。論文は自らを、実証的なものではなく診断的かつアジェンダ設定的なものと位置づけており、成熟度モデルでも、完全なプロセスフレームワークでも、評価ルーブリックでもないと明言している。
要点
- 論文は、いかなるエージェント型システムも熟練エンジニアに並ぶ前から、3 つの観察がエンジニアリングの対象を外側へ押し広げると論じる。第一に、組織の変化を引き起こすのは、最良の人間のエンジニアとの同等性ではなく、希少な専門家の注意が実際にどう配分されているかに照らした十分性である。第二に、何千もの低摩擦な利用が積み重なることで、トップ専門家への散発的なアクセスでは及ばない能力が生まれる。第三に、エンドユーザーソフトウェアエンジニアリングが示したように、作成への障壁を下げることは、エンジニアリングの規律への需要を減らすのではなくむしろ高める。
- スタックの 6 つのリングは次のとおりである。実行可能アーティファクト（コード、テスト、スキーマ、設定）、指示的アーティファクト（プロンプト、自然言語による仕様、タスク記述、例示）、オーケストレーションされた実行（ツール利用、検索、エージェントワークフロー、マルチエージェントプロトコル、人間とエージェントのループ）、制御システム（ガードレール、モニタリング、評価ハーネス、ポリシー層、エスカレーションルール）、運営ロジック（意思決定の準備、調整ルーチン、委任構造）、そして社会的・制度的な適合（規制への適合、制度的正統性、組織横断的な統合）である。
- リングは、仕様の完全性と実行の決定性というスペクトラム上の領域を示すもので、その境界は曖昧である。著者らは、リングはライフサイクルのフェーズでも、成熟度レベルでも、実行時のレイヤーでもないと述べている。歴史的にソフトウェアエンジニアリングはリング 1 と部分的にリング 2 を中心としてきたが、リング 2〜5 がますます第一級のエンジニアリング対象となり、リング 6 が何が成功するかをますます制約するようになる、というのが論文の主張である。
- ある貢献の主要なリングは、そのリングのアーティファクトが取り除かれたり設計が不十分だったりした場合にシステムの価値が崩れるかどうかを問うことで特定される。論文はリングを、ある変更が主に個人の認知、チームの調整、組織のルーチンのいずれに影響するかという行動面の問いと組み合わせ、行動的ソフトウェアエンジニアリングを 7 番目のリングではなく横断的な視点として扱っている。
- 3 つの事例が診断を例示している。自動車向け API テストの自動化パイプラインは主にリング 2〜3 に位置し、自動車のリリース可否判断のための LLM ベースのマルチエージェントシステムはリング 3〜4 に支えられたリング 5 に位置し、ソフトウェア以外の分野における AI とチームワークに関するフィールド実験はリング 5 に位置する。著者らは、主要な対象が外側へ移るにつれて、評価基準、必要なスキル、未解決のボトルネックもそれに伴って変化すると論じている。
- よく聞かれる 5 つの反論が、エンジニアリング上の打ち手として捉え直されている。信頼性の失敗（リング 1〜3）は検証と監督を中核的なアーティファクトにする。保守負債（リング 2〜4）は、プロンプトやワークフローロジックのバージョン管理と、コードと並行した評価スイートの追跡を求める。組織の慣性（リング 4〜5）は導入をエンジニアリングの関心事にし、権力と政治（リング 4〜6）はガバナンスをエンジニアリングの関心事にする。そして自動化に抵抗する判断（リング 5〜6）は重心を外側へ移す。著者らはさらに、失敗が破滅的かつ不可逆である場合や、必要な制御をまだ構築できない場合には、一部のデプロイはまだ行うべきではないと付け加えている。
- 「保持か純化か」のヒューリスティックは、永続的な原則、すなわち要求についての明示的な推論、モジュール性とインターフェース、妥当性確認と検証、トレーサビリティ、ライフサイクル思考、社会技術的な現実主義を保持し、主に古い制約を補うためのものだった慣行を純化する。後者には、手作業によるコード作成に最適化された慣行、低帯域な人間同士の調整のために作られたプロセスアーティファクト、対話的な人間とエージェントのループの内部における厳格なフェーズ境界などが含まれる。
- 研究者に対して論文は、リング 5 と 6 における SE4AI の研究、すなわち意思決定ルーチン、運営ロジック、ガバナンス、制度的な適合を、最も手薄なフロンティアとして挙げている。実務者に対しては、ある診断を提案している。プロジェクトを頓挫させうる失敗が起きるリングと、それが依存する隣接リングを特定し、エンジニアリングの労力の大部分が注がれているリングと比較することである。著者らによれば、両者が食い違うとき、プロジェクトは停滞しがちである。
補足
著者らはこのスタックを、既存の複数の文献に取って代わるものではなく、それらと並べて位置づけている。AI4SE のサーベイや SWE-Bench のようなエージェント型コーディングのベンチマークは主にリング 1〜3 に、MLOps や包括的な評価の研究はリング 4 に位置づけられ、さらに社会技術的および行動的ソフトウェアエンジニアリングの文献もあり、EU AI 法や NIST の AI リスクマネジメントフレームワークを含む AI ガバナンスの研究はリング 5 と 6 に位置づけられる。また著者らは、プロンプト、リポジトリの指示、ツールの権限、再利用可能なスキルが作業の進め方を部分的にエンコードしている Claude Code のような開発者向けシステムを、この移行がすでに実務で見えている証拠として挙げている。
著者らが述べている限界は次のとおりである。スタックは実証的な結果ではなく参照モデルである。3 つの事例のうち 2 つは自動車産業という共通の文脈にあり、3 つ目は完全な一般化ではなく移植可能性を示すにとどまる。外側のリングについてはエビデンスの基盤が薄いため、そこでの主張は方向性を示すものである。そしてリングの割り当てはしばしば曖昧であり、スタックはその議論を裁定するのではなく支えることを意図している。