AIがコードを書く時代、開発者は“コードの外側”を設計すべし──AIを「回す」インフラ全体の設計思想

コードを書く価値が下がっている今、重要なのは“コードの外側”

　AIの進化は、ソフトウェア開発の価値構造を根本から変えようとしている。従来は速くコードを書くことが評価軸だったが、今やプロンプトを入力すれば、テンプレート生成からテストコード、リファクタリング提案までをAIだけで行えるようになった。

　「コードを書くこと自体の差別化価値は低くなっています。これからの開発者に問われるのは、書く速さではなく事業成果につながる仕組みを継続的に回す力です」と保氏は指摘する。求められるのは、個々のシステム実装ではなく、システム全体をどう動かし続けるかの設計であるという。

　この変化を後押ししているのが、エージェンティックAIだ。エージェンティックAIはユーザーの依頼内容を解釈し、自律的に計画（Plan）、実行（Act）、観察（Observe）、参照（Retrieve）、ツール利用（Tool Use）といったステップを繰り返して（Repeat）自律的にタスクを完了させる。従来の一問一答型の生成AIとは異なり、業務を遂行する実行主体として振る舞う。

　このようにAIが複数ステップのワークフローをこなすようになると、開発者が設計すべき対象は、モデル単体からエージェントの挙動全体へと広がる。ここで重要となるのが「コードの外側」の設計だ。AIがどの環境で、どのデータを使い、どのように意思決定へ接続されるのかを定義することが、成果を左右するといっても過言ではない。

　コードの外側の設計には、どのモデルをどの規模で利用するかの「モデル選定」、ローカル・オンプレミス・クラウドといった「実行場所の設計」、どのデータをどのように安全に供給するかという「データ設計」がある。さらに、1成果あたりのコスト最適化を図るトークノミクス（Tokenomics）の考慮や、権限管理・監査を含むガバナンス設計、成果をどのように評価し改善につなげるかというループ設計が含まれる。

　本番環境でAIを動かす際には、現実的な制約も多い。その代表がコストの問題だ。エージェンティックAIは目的達成のために複数回にわたってAPIを呼び出し、推論プロセスを重ねる。そのため、一問一答型の生成AIに比べてトークン消費量が増加する。

　保氏はその一例として「個人でエージェントを構築し、複数のAPIやMCPサーバーを組み合わせた検証環境を運用したところ、翌月の従量課金が40万円に達しました」と明かした。このようなトークノミクスの課題に加え、企業データを外部に持ち出せない「データグラビティ（Data Gravity）」、権限管理や監査といった「ガバナンス」、PoCでは成立しても大規模運用で破綻する「評価・運用」の問題などがAI活用の障壁となる。

　つまり、開発者に求められるのは、AIを場当たり的に運用することではなく、AIが継続的に価値を生み出すための条件を設計し、制御可能な形で組み込むことである。