このレポートは、2026 年のエージェント型コーディングを特徴づけると Anthropic が予測する 8 つの動向を示し、 それらを 3 つのカテゴリに分けている。開発作業のあり方を作り変える基盤の動向、エージェントが達成できることに関わる能力の動向、 そしてビジネス上の成果や組織構造に影響する影響の動向である。文書は自らの位置づけを明示しており、 これらの予測は確実なものとしてではなく、同社が現在顧客のもとで目にしていることを反映した 「来るべき 1 年について考えるための枠組み（a framework for thinking about the year ahead）」として提示されている。
レポートの軸となる観察は、繰り返し立ち返る一つの緊張関係である。Anthropic の Societal Impacts チームの調査によれば、 開発者は仕事のおよそ 60% で AI を使っている一方で、「完全に委任（fully delegate）」できるのはタスクの 0〜20% にすぎないという。 レポートはこれを矛盾ではなく、効果的な利用が協働的なものであることの証拠と読む。すなわち、効果的な利用には準備、プロンプティング、 能動的な監督、検証、そして人間の判断が必要であり、影響の大きい作業では特にそうだという。レポートはこれを、能力が高まっても 人間の役割が中心であり続ける理由とみなしており、描かれている変化は、コードを書くことからコードをレビューし、方向づけ、検証することへの移行である。 このパターンは コラボレーションのパラドックス で詳しく扱われている。
レポートはまた、早期導入者と後発組の差が広がりつつあり、最も有利な立場にあるのは、ボトルネックを生まずに 人間による監督をスケールさせる方法を見いだした組織だと論じている。
詳細
レポートが名づけている 8 つの動向は次のとおりである。
- ソフトウェア開発ライフサイクルが劇的に変わる。 戦術的なコーディング、デバッグ、保守は AI へと移り、エンジニアはアーキテクチャ、システム設計、戦略的な意思決定へと移る。エンジニアの役割はエージェントをオーケストレーションし、その出力を評価することになる。新しいコードベースへのオンボーディングは数週間から数時間へと短縮され、動的な「サージ」型の人員配置が可能になる。
- 単一のエージェントが協調するチームへと進化する。 組織は、別々のコンテキストウィンドウにまたがって推論を並列化するマルチエージェントのワークフローを採用する。そのためには、タスク分解、エージェントの専門化、協調プロトコルに関する新しいスキルに加え、同時に動くエージェントセッションを可視化するツールや、エージェントが同時に生成する貢献を扱えるバージョン管理が必要になる。
- 長時間稼働エージェントが完全なシステムを構築する。 タスクの時間軸は数分から数日、数週間へと広がり、エージェントは数十のセッションにわたって計画と改良を重ねる。レポートは、これがプロジェクトの経済性を変え、以前は採算の合わなかったプロジェクトを実現可能にし、蓄積された技術的負債を体系的に解消できるようにすると論じている。長時間稼働エージェント を参照。
- 人間による監督が知的な協働を通じてスケールする。 エージェントは、あらゆるタスクをやみくもに試みるのではなく、いつ助けを求めるべきかを学ぶ。AI エージェントが、大規模な AI 生成出力をセキュリティとアーキテクチャの一貫性の観点からレビューする。人間による監督は、すべてをレビューすることから、重要なものをレビューすることへと移る。
- エージェント型コーディングが新たな場面と利用者へ広がる。 COBOL や Fortran のような、あまり一般的でない言語やレガシー言語にもサポートが広がり、新しい形態によって、サイバーセキュリティ、運用、デザイン、データサイエンスといった分野の非伝統的な開発者にもエージェント型コーディングが開かれる。
- 生産性の向上がソフトウェア開発の経済性を作り変える。 レポートは、エージェントの能力、オーケストレーションの改善、人間の経験のより良い活用という、相乗的に効く 3 つの乗数を挙げる。また、社内調査では、タスクカテゴリあたりの所要時間が正味で減少すると同時に、出力量がそれよりはるかに大きく正味で増加したと報告し、向上は同じ作業をより速くこなすことよりも、主により多くの成果を生むことによってもたらされると結論づけている。さらに、AI 支援による作業のおよそ 27% は、AI がなければそもそも行われなかったタスクだと報告している。
- 非技術的なユースケースが組織全体に広がる。 営業、マーケティング、法務、運用のチームがエンジニアリング部門の介入なしにワークフローを自動化し、ドメインの専門家はチケットを起票して待つのではなく、自ら直接ソリューションを実装する。
- エージェント型コーディングはセキュリティ防御を強化するが、攻撃的な用途も強化する。 レポートはこれをデュアルユースとして位置づけている。以前は専門的な知見を必要としたセキュリティレビューやハードニングをどのエンジニアでも行えるようになる一方で、同じ能力が攻撃者の規模拡大にも役立つため、最初からセキュリティを組み込むことがより重要になる。また、マシンの速度で対応するエージェント型のサイバー防御システムの登場も予測している。
1 年の計画を立てる組織に向けて、レポートは 4 つの優先事項を挙げる。単一エージェントのシステムでは対処できない複雑さを扱うために マルチエージェントの協調を習得すること、人間の注意を最も重要な箇所に集中させる AI 自動化レビューシステムによって 人間とエージェントの監督をスケールさせること、エンジニアリング部門を越えてエージェント型コーディングを広げ、各部門のドメインの専門家に力を与えること、 そしてセキュリティアーキテクチャをごく初期の段階からエージェント型システムの設計の一部として組み込むことである。
注記
レポートはほとんどの動向を名前の挙がった顧客事例で裏づけており、監督と生産性に関する動向では社内の集計調査も併せて示している。 例としては次のようなものがある。Rakuten のエンジニアが、1,250 万行のコードベースにおける vLLM の実装タスクを、エージェントの自律的な作業 7 時間で完了し、 参照手法に対して 99.9% の数値精度に達したと報告されていること。労務管理プラットフォームの Fountain が、専門化されたサブエージェント群の上に 中央のオーケストレーションエージェントを置いていること。フィンテックプラットフォームの CRED が実行速度の倍増を報告していること。TELUS が、 13,000 を超えるカスタム AI ソリューションと、エンジニアリングコードの出荷が 30% 速くなったことを報告していること。そして Zapier が、組織全体で 89% の AI 導入率を報告していること。これらはレポート自身による顧客の成果の説明であり、それらがどのように測定されたかは説明されていない。
このレポートはベンダーが自社の製品カテゴリについて発行したものであり、その枠組みの中でそのことを明言している。 事例は Anthropic の顧客であり、引用されている社内調査は Anthropic 自身のものである。