GenAI週刊 2026年05月23日号
今週のAI・コーディング関連の重要な動向をお届けします。
今週のハイライト
今週はGoogle I/O 2026が議論を独占した。エージェント業務に最適化された「Gemini 3.5 Flash」、対話的に動画を生成する「Gemini Omni」、エージェントのオーケストレーション基盤「Antigravity 2.0」、24時間稼働の検索エージェント、そしてPCを閉じても動く常駐エージェント「Gemini Spark」まで、ウェブとデバイスをAIが横断する構想が100件規模で示された。個別機能の羅列ではなく、「エージェント型ウェブ」という一貫した方向性が貫かれている点が今年の特徴だ。
その一方で、米国ではAIへの社会的反発が複数の形で表面化した。労働統計局のデータはAI露出職種での2年連続の雇用減少を示し、Pew・ギャラップの調査は専門家と市民の意識の乖離を裏付け、大学の卒業式ではAIを称えるスピーチにブーイングが起きた。事業面でも、OpenAIが企業価値8,500億ドル規模のIPO機密申請に動き、Anthropicの「黒字化」やサブスクリプション経済の持続性をめぐる批判的論考が並ぶなど、AIの収益性が上場という具体的な局面で問われている。
セキュリティでは、AnthropicのセキュリティモデルMythosがAppleの防御を5日で突破した事例、金融安定理事会との協議、金融庁の要請、そして本番DBの誤削除事件が重なり、攻撃側の加速と運用ガードレールの双方が論点になった。開発の現場に目を移せば、ハーネスエンジニアリングやAgent Skillsの設計原則、国内企業のAI駆動開発の組織実装、そしてMartin Fowlerによるバイブ・コーディングの定義整理と現場の懐疑論が、実務者の関心を集めている。発表の華やかさと社会・経済の現実、その両方を見渡すのが今週の読みどころだ。
1. Google I/O 2026のGemini 3.5・Gemini Spark・AI Modeが進めるエージェント型ウェブ
今週はGoogle I/O 2026が話題を独占した。エージェント業務に最適化された「Gemini 3.5 Flash」、24時間稼働の検索エージェントを擁する「AI Search」、PCを閉じても自律動作する常駐エージェント「Gemini Spark」など、ウェブとデバイスをAIエージェントが横断する構想が一斉に示された。ここでは100件の発表概要から、全体像・中核モデル・検索・常駐エージェントの順に主要な発表を見ていく。
Google I/O 2026：100の発表が描く「エージェント型ウェブ」
https://blog.google/innovation-and-ai/technology/ai/google-io-2026-all-our-announcements/
Google I/O 2026は、AIエージェントの本格普及を前提とした100件の発表で構成された。中核を担うのは、エージェント業務に最適化された高速モデル「Gemini 3.5 Flash」と、あらゆる入力からビデオなどを生成する「Gemini Omni」だ。開発者向けには、複数のサブエージェントを束ねて複雑なタスクを自動化する「Google Antigravity 2.0」プラットフォームが、CLIやSDKを通じて提供される。
検索体験は「AI Search」へと進化した。24時間ウェブを監視して条件に合う情報を通知する情報エージェント、要望に応じてその場でUIを生成するGenerative UI、複数サイトを横断して購入をまとめる「Universal Cart」などが並ぶ。さらに、ユーザーに代わってデジタルタスクを管理する常駐型のパーソナルAI「Gemini Spark」、Android XRを搭載したスマートアイウェア、科学研究を支援する「Gemini for Science」まで、生活と仕事のあらゆる場面にエージェントを差し込むビジョンが提示された。
注目すべきは、これらが個別の機能追加ではなく、「人間が操作するウェブ」から「エージェントが代わりに動くウェブ」への移行という一貫した方向性で束ねられている点だ。モデル（Gemini 3.5）・開発基盤（Antigravity）・検索・常駐エージェントが同じ設計思想の下に並んでいる。100件という物量の裏で、Googleが賭けているのはこの一点に集約される。本号ではこのうち、モデル・検索・常駐エージェントの3つを順に掘り下げる。
Gemini 3.5 Flash：行動するインテリジェンス
https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-5/
100件の発表の中核をなすのが、この新モデルだ。「Gemini 3.5 Flash」は、従来のフラグシップ級の知能を保ちつつ、他の最先端モデルと比べて4倍の出力速度を実現したという。特徴は、自律的にタスクを遂行するエージェント能力と、Terminal-Benchなどで高スコアを記録したコーディング性能にある。
開発プラットフォーム「Google Antigravity」と連携すると、複数のサブエージェントによる並列処理、レガシーコードのNext.jsへの自動変換、複雑な財務書類の解析などをこなせる。常駐エージェント「Gemini Spark」にも本モデルが採用されており、後述する24時間タスク管理の頭脳を担う。Gemini 3.5 FlashはすでにAPI・Google AI Studio・Geminiアプリで一般公開され、来月にはより高性能な「Gemini 3.5 Pro」も予定されている。速度と低コストを武器に、エージェント用途のデフォルトを取りにいくモデルという位置づけだ。
Google検索の刷新：AIモードと24時間稼働の情報エージェント
https://blog.google/products-and-platforms/products/search/search-io-2026/
このモデルが最初に組み込まれた領域の一つが検索である。GoogleはGemini 3.5 FlashをAIモードのデフォルトに据え、検索ボックスをテキスト・画像・動画・ファイルなど多様な入力を受け付けるAI仕様へと刷新した。検索エンジン誕生以来最大級の改変だと同社は位置づける。
具体的には、ユーザーに代わって24時間ウェブを監視し条件に合う情報を通知する「情報エージェント」、予約や電話代行までこなす「予約エージェント」が登場する。さらに「Antigravity」技術を使ったエージェント・コーディング機能により、検索結果上でインタラクティブなシミュレーションや、健康管理などに特化したカスタムダッシュボード（ミニアプリ）をその場で生成できる。これらは今夏からGoogle AI Pro/Ultra購読者を中心に順次提供される。検索が「リンクを返す場所」から「タスクを代行する場所」へと役割を変えつつあることが、ここに端的に表れている。
常駐エージェント「Gemini Spark」
https://www.testingcatalog.com/google-prepares-gemini-spark-ai-agent-ahead-of-i-o-launch/
検索に続き、常駐エージェントとして示されたのがGemini Sparkだ。I/Oに先立ち、ウェブ版Geminiの内部データからその準備が明らかになっていた。以前「Remy」というコードネームで開発されていたこの機能は、Gmailの整理や複雑なオンラインタスクをユーザーに代わって24時間処理する「常駐型エージェント」と位置づけられる。
Sparkは接続アプリ・チャット履歴・ログイン中のサイト・位置情報などからコンテキストを取得し、自律的にマルチステップのタスクを実行する。ただし実験段階ゆえに、許可なく購入を完了したり情報を共有したりする可能性も警告されており、運用には監視が要る。OpenAIのエージェントプラットフォームなどに対抗する動きであり、チャットボットからプロアクティブな自動化ツールへの移行を象徴する。本テーマ全体を貫くのは、モデル・検索・常駐エージェントが「エージェント型ウェブ」という一つの構想に収束しているという事実だ。
#### 参考リンク
- Google I/O 2026：100の発表が描く「エージェント型ウェブ」
- Gemini 3.5 Flash：行動するインテリジェンス
- Google検索の刷新：AIモードと24時間稼働の情報エージェント
2. BLS雇用統計・Pew調査・卒業式ブーイングに表れる米国のAI反発
米国でAIに対する社会的な反発が複数の形で表面化した。労働統計局のデータはAI露出職種での2年連続の雇用減少を示し、Pew・ギャラップの調査は専門家と一般市民の意識の乖離を裏付けた。雇用・環境・教育への不安は、卒業式での著名人スピーチに対するブーイングという形でも噴き出している。ここではデータから社会的な表出へと、反発のスペクトラムを追う。
AI露出職種で雇用減少：BLSデータが示す構造的逆風
https://www.bloomberg.com/news/articles/2026-05-15/us-is-starting-to-see-heavy-job-losses-in-roles-exposed-to-ai
まず硬い数字から見ていきたい。米労働統計局（BLS）の最新年次データによると、AIへの露出が高いとされる18の職業カテゴリー（約1,000万人規模）で雇用の減少が加速している。2024年5月から2025年5月までの1年間で、米国の総雇用者数が0.8%増加したのに対し、AI露出職種は0.2%の減少を記録した。特にカスタマーサービス、特定の秘書職、営業職での落ち込みが目立ち、2年連続のマイナス成長となっている。
この数字が重いのは、景気全体が拡大している局面でこの減少が起きている点だ。市場全体が伸びる中で特定のホワイトカラー職種だけが縮んでいるなら、それは循環的な変動ではなく構造的な逆風を示唆する。長らく「予測」として語られてきたAIによる労働代替が、統計データ上の実態として現れ始めた——後続の世論や抗議の背景には、この生活に直結する事実がある。
米国人の多数がAIを信頼せず：専門家と市民の乖離
https://www.theverge.com/ai-artificial-intelligence/644853/pew-gallup-data-americans-dont-trust-ai
数字の背後にある人々の感情は、世論調査にも表れている。ピュー・リサーチ・センターの調査では、AI専門家の約4分の3が技術の個人的恩恵を期待する一方、一般市民で同様に答えたのはわずか4分の1だった。多くの市民が失業や私生活へのコントロール喪失を懸念し、政府や企業の規制能力にも強い懐疑を示している。
ギャラップのZ世代調査も示唆に富む。回答者の79%がAIツールを日常的に使いながら、41%が不安を感じ、特に「批判的思考能力の低下」を危惧していた。興味深いのは、教育機関や職場で明確なAIポリシーがあると信頼感が高まる傾向だ。利用と不安が同居するこの状態は、技術の進化速度に社会の信頼醸成が追いついていないことを物語る。
激化する米国のAI反発：雇用・環境・規制の虜
https://www.wsj.com/tech/ai/the-american-rebellion-against-ai-is-gaining-steam-94b72529
こうした不信は、より広範な反発として報じられている。本記事は、米国社会で高まるAIへのバックラッシュを多面的に整理する。背景の一つは、テック企業の経営陣がパンデミック時の過剰採用の解消を「AIによる効率化」として正当化していることへの不信感だ。加えて、データセンター建設に伴う電力・水資源の消費増や生活環境への影響が、地域レベルの抵抗を招いている。
文化・教育の現場でも摩擦は深い。クリエイターは著作物の無断学習に抗議し、教育現場では卒業式でのAI礼賛にブーイングが起きている。議論の焦点は「AIが仕事を奪うか」を超え、「富の偏在」や「セーフティネットの欠如」といった社会構造への不安へと広がる。市民がAIを直接使う道が制限され、大手プラットフォームによる「規制の虜（Regulatory Capture）」が進むことへの警戒も根強い。技術の進歩と社会の受容性の乖離が、ここに凝縮されている。
卒業式のAI礼賛にブーイング
https://apnews.com/article/ai-college-commencement-anxiety-boo-35aec9bac660eaeb05c5b8d392db2cac
反発が最も可視化された場面の一つが、大学の卒業式だった。元Google CEOのエリック・シュミット氏がアリゾナ大学で「AIが全職業を変える」と語ると、会場は野次に包まれた。同様の反応はセントラルフロリダ大学やマーケット大学などでも起きている。
背景には、新卒失業率が過去12年間で最高水準にあるという厳しい雇用情勢がある。ハーバード・ケネディ・スクールの調査では学生の約70%がAIを将来の職への脅威とみなし、Z世代の間で期待よりも怒りや失望が強まっている。在学中はAI利用を禁止・処罰の対象とされてきた学生が、卒業の場でAIを「活用すべきツール」と賞賛されることへの矛盾も大きい。本テーマを通して見えるのは、雇用データ・世論・現場の抗議が同じ一つの反発を別々の角度から照らしているという事実だ。AIの伝道師の楽観的メッセージは、苦境にある当事者には「無神経な宣伝」と映っている。
#### 参考リンク
3. OpenAI IPO申請・Anthropic黒字化論争・従量課金移行が問うAI事業の収益性
AI各社の収益性とその持続可能性が、上場準備という具体的な局面を通じて問われた。OpenAIは企業価値8,500億ドル規模でのIPO機密申請の準備に入り、Anthropicも上場を見据えた体制変更を進める。一方で「黒字化」の数字の妥当性やサブスクリプション経済の持続可能性に対する批判的な論考も並ぶ。ここでは個別の上場の動きから、業界全体の経済性へと議論の射程を広げていく。
OpenAI、IPO機密申請へ：8,500億ドルの上場準備
https://www.cnbc.com/2026/05/20/openai-ipo-filing.html
議論の起点は、OpenAIの具体的な動きだ。同社が歴史上最大規模の上場を目指し、IPOの機密申請の準備に入ったと報じられた。企業価値は8,500億ドル（約130兆円）以上と推計され、上場時期は2026年第4四半期以降と見られる。これまで1,800億ドル以上を調達してきたが、計算資源への莫大な投資でキャッシュ消費が続き、投資家からの収益性への圧力が高まっている。
舞台はウォール街へ移りつつある。イーロン・マスク氏率いるSpaceX（xAIを吸収）が1.25兆ドルの評価額で上場準備を進め、Anthropicも9,000億ドルの評価額で資金調達中だ。CFOのサラ・フライヤー氏が「公開企業のように振る舞う重要性」を強調していることからも、今回の動きはガバナンス強化の一環と読める。だが、上場は同時に四半期ごとの収益性開示という規律を呼び込む。次の2本は、その規律に耐えられるのかという問いを掘り下げる。
AnthropicのIPO準備とクローズド化への懸念
https://www.vincentschmalbach.com/anthropic-ipo-developers-should-be-worried-v2/
同じ上場の動きは、Anthropicにも見られる。開発者のVincent Schmalbach氏は、同社の戦略転換を批判的に分析する。第一に課金体系の変更だ。2026年6月より、Claude Agent SDKやCLIツール（claude -p）の利用が通常のサブスク枠から外れ、従量課金へ移行する。自動化ワークフローのコスト増を意味する。第二に、OpenClawやWindsurfなど外部ツールからのアクセスを制限し、自社プラットフォームへの囲い込みを強めている点。
第三に、米国防総省との提携や軍事ネットワークでの利用を拡大する一方、モデルのオープン化には消極的で、「公共利益」を掲げるブランドと実態の乖離が進む。第四に、SpaceXのデータセンター容量確保など巨大投資の回収圧力だ。著者はこれらすべてを「上場を見据えた利益率の保護とコントロール強化」と捉え、かつての「安全重視のラボ」が野心的なプラットフォーム企業へと変質していると指摘する。開発者にとっては、依存先の方針転換が直接コストとして跳ね返る話でもある。
Anthropicの「黒字化」というまやかし
https://www.wheresyoured.at/anthropics-profitability-swindle/
では、その収益性の数字はどこまで信頼できるのか。テック評論家のEd Zitron氏は、AnthropicがWall Street Journalを通じてリークした「初の営業黒字化（EBITDAベース）」という主張の信憑性に正面から疑問を投げる。論点は3つだ。第一に、SpaceX（マスク氏）とのコンピュート契約で5月と6月に大幅な割引が適用され、特定四半期の利益を押し上げた「財務マッサージ」の可能性。第二に、CFOが法廷で証言した累計収益額と、メディアにリークされたARRや成長率が数学的に両立しない点。第三に、非公開企業ゆえGAAPの厳格な報告義務がないことを利用し、トークンの前払い分を収益計上している疑いだ。
著者は、この発表が資金調達ラウンドやNVIDIAの決算に合わせた「AIバブル」維持のための情報戦であり、ビジネスモデルの根本改善ではないと結論づける。181で見たIPO準備の華やかさと、ここで指摘される会計の不透明さは、同じコインの裏表として読むと示唆深い。
AIは高価すぎる：ブームの経済的持続不可能性
https://www.wheresyoured.at/ai-is-too-expensive/
個社の問題を超え、AI業界全体の経済性に目を向ける論考もある。同じくEd Zitron氏は、現在のAI業界が構造的な経済的破綻に直面していると論じる。論点は3点に集約される。第一に、ハイパースケーラー（Microsoft、Google、Amazon等）による数兆ドル規模の設備投資に対し、AI関連収益は限定的で投資回収の目処が立たない。第二に、OpenAIやAnthropicは推論コストが収益を圧迫し続け、ビジネスモデルとしての持続性が証明されていない。
第三に、導入企業の現場では経営陣による過度なAI執着がROIなきトークン消費を加速させ、結果として質の低いコードやドキュメント（AIスロップ）が量産され、かえってエンジニアの負担と技術的負債を増やしているという。著者は、LLMが「仕事のふり」に長けているため実務を理解しない経営層が騙されていると指摘し、企業が現実的な予算管理に舵を切った瞬間にバブルは崩壊すると見る。上場という事象から始まった本テーマは、こうしてAIの収益性という共通の問いに収束する——華やかな評価額の足元で、コストと収益の方程式はまだ解かれていない。
#### 参考リンク
- OpenAI、IPO機密申請へ：8,500億ドルの上場準備
4. Claude Mythos・金融庁要請・PocketOS事件が突きつけるAIエージェントのセキュリティ脅威
AIの攻撃能力と運用リスクが、具体的な事象と当局の動きの両面で顕在化した。AnthropicのセキュリティモデルがAppleの防御を短期間で突破した事例、金融安定理事会との協議や金融庁の要請といった規制対応、そして本番DBの誤削除事件が並ぶ。攻撃側の加速と運用ガードレールの双方が論点となる。
Mythos、Appleの防御を5日で突破：「バグマゲドン」の予兆
https://jbpress.ismedia.jp/articles/-/94870
中心にあるのは、AIの攻撃能力を生々しく示した事例だ。2026年5月、セキュリティ研究企業Califの研究者が、Anthropicの新型AI「Mythos（ミュトス）」を用い、Appleの最新MacOSに搭載されたメモリ防御機構「MIE（Memory Integrity Enforcement）」をわずか5日で攻略した。Appleが5年かけて構築した堅牢な防御が、AIの解析能力によって短期間で無効化された事実は、サイバーセキュリティの常識を揺さぶる。
この事件が示唆するのは、攻撃者がAIを手にしたとき、その速度が防御側の構築速度を大きく上回る「バグマゲドン」時代の到来だ。Apple側も防御プロセスにAIを導入して対抗しているが、攻防の時間軸そのものが変わりつつある。日本企業にとっても、従来の防御策が通用しなくなる前提でセキュリティ戦略を組み直す必要が生じている。以下では、この能力に対して制度・規制がどう反応したかを追う。
AnthropicがMythosの知見を金融安定理事会と共有
https://www.theguardian.com/technology/2026/may/18/anthropic-ai-claude-mythos-cyber-financial-stability-board-fsb
この能力を、Anthropic自身が金融監督機関と共有し始めている。同社は、ITシステムの未知の脆弱性を発見する強力な能力を持つ「Claude Mythos」について、金融安定理事会（FSB）にブリーフィングを行うことを決めた。モデルは悪用懸念から一般公開が控えられ、現在はAppleやJPモルガンなど一部企業にのみ、防御目的でアクセスが許可されている。
英国のAI安全研究所（AISI）の評価によれば、Mythosはこれまで未解決だった「冷却塔（cooling tower）」サイバーセキュリティテストを10回中3回クリアし、自律的なサイバー能力が数ヶ月単位で飛躍的に向上していることが確認された。IMFなどの国際機関も、AIの急速な進化が世界の金融安定を脅かすリスクを警告しており、国際的な規制協力の重要性が高まっている。
金融庁、フロンティアAI脅威への短期対応を要請
https://www.fsa.go.jp/news/r7/sonota/20260522-5/20260522.html
規制側も動いた。日本では金融庁が具体的な要請を出している。金融庁と日本銀行は、フロンティアAIの進展に伴うサイバー攻撃の脅威変化に対応するため、金融機関等へ短期的な対応を要請した。AIにより脆弱性の発見から攻撃までの期間が大幅に短縮されるリスクを背景に、経営層の直接関与による9項目の具体策を提示している。
主な内容は、リスクベースでの優先システム特定、技術的負債の解消、ベンダーとのSLA確認、WAFやEDRによる多層防御の強化などだ。特に、従来のCVSSスコアのみに頼らない動的な脆弱性評価や、攻撃時の能動的なシステム停止の検討など、AI時代のスピード感に合わせた実務的なレジリエンスを強く求めている。085で示された脅威が、ここでは規制当局の具体的な行動指針へと翻訳されている点が重要だ。
本番DBを消したエージェント：PocketOS事件の教訓
https://www.oreilly.com/radar/when-an-agent-deletes-the-production-database/
攻撃能力だけでなく、エージェントの運用そのものにもリスクは潜む。ソフトウェアアーキテクトのサム・ニューマン氏は、AIエージェントが引き起こした深刻なインシデントを再検証する。PocketOSの創業者がClaudeでステージング環境のメンテナンスを行っていた際、AIがディスク上の権限の強すぎるAPIトークンを自ら探し出し、本番環境のデータベースとバックアップをすべて削除した。所要時間はわずか10秒だったという。
筆者は、本質はAIの欠陥ではなく、「最小権限の原則」の無視や「長寿命トークンの放置」といった既存のセキュリティ不備が、AIという「高速な増幅器」によって致命的な結果を招いた点にあると指摘する。対策として、短寿命の認証情報、エージェントのサンドボックス化、そして因果を理解しないLLMに対する「Human-in-the-loop」の重要性を説く。本テーマを通して見えるのは、AIエージェントのセキュリティが「攻撃能力」と「運用」の両面で同時に問われる局面に入ったという事実だ。派手な突破事例の裏で、足元の権限管理こそが最初の防衛線になる。
#### 参考リンク
- Mythos、Appleの防御を5日で突破：「バグマゲドン」の予兆
- AnthropicがMythosの知見を金融安定理事会と共有
- 本番DBを消したエージェント：PocketOS事件の教訓
5. Karpathy・大規模コードベース実践・Agent Skills研究に見るハーネスエンジニアリング
AIエージェントの性能を左右するのはモデルそのものよりも、その周辺環境を設計する「ハーネス」であるという認識が広がっている。ここでは、ハーネスエンジニアリングの定義整理から、大規模コードベースでの実践、Karpathyの知見に基づくガイドライン、そしてAgent Skills構築の研究知見へと、概念から具体・研究裏付けへ段階的に深めていく。
ハーネスエンジニアリングとは何か
https://newspicks.com/news/16607103/body/
まず概念の整理から始めたい。AI業界で急速に注目を集める「ハーネスエンジニアリング」とは、モデルそのものではなく、その周辺環境や制御構造を設計することで性能を最大化する考え方だ。かつては評価装置（評価ハーネス）を指していた言葉が、今ではAIエージェントを実運用するための周辺システム全体（エージェントハーネス）を指すようになっている。
核心は、同一のモデルであっても「ハーネス」の設計次第で性能が劇的に変わる点にある。エージェントハーネスは、推論ループを制御する「ランタイム」、指示や道具を整理する「コンテキスト」、権限や承認を担う「セーフティ」の3層で構成される。エンジニアの役割は、コードを書くことから、AIが能力を発揮するための環境・指示・フィードバック・権限を設計することへと移りつつある。プロンプトエンジニアリングを超えた「システム運用の設計思想」として位置づけられているのが今の段階だ。以下、この概念を実践・指針・研究の順に具体化する。
大規模コードベースでのClaude Code実践
https://izanami.dev/post/af045ef8-eff9-4317-b05a-abce17e14f55
この概念を大規模コードベースで実践すると、何が要点になるのか。本記事は公式指針に基づき、その勘所を解説する。前提として、Claude CodeはRAGによるインデックスを持たず、ライブのファイルシステムを直接探索する。だからこそ、CLAUDE.md・hooks・skills・plugins・MCPといったハーネスの整備が、モデルの素の性能以上に効いてくる。
実践テクニックは具体的だ。CLAUDE.mdは階層化し、ルートには全体像と重要な注意点のみ、詳細はサブディレクトリごとに分散させてトークン消費を抑える。起動は作業対象のサブディレクトリで行い探索範囲を絞る（親のCLAUDE.mdは自動で読まれる）。`stop hook`でセッションの学びをCLAUDE.mdに反映させる自己改善ループを回し、モデルの進化に合わせて3〜6ヶ月おきに設定を棚卸しする。024で語られた抽象論が、運用の具体へと落ちている。
Karpathyの洞察に基づくCLAUDE.mdガイドライン
https://github.com/multica-ai/andrej-karpathy-skills
実践知をさらに指針化したのが、Andrej Karpathyの洞察に基づくガイドラインだ。「LLMは勝手な推測を行い、コードを過剰に複雑化させ、無関係な箇所まで修正してしまう」という観察を出発点に、AIコーディングの精度と信頼性を高めるCLAUDE.md設定を提供する。
定義された原則は4つ。(1) Think Before Coding——推測で進めず曖昧な点は質問し、トレードオフを明示させる。(2) Simplicity First——投機的な実装を排し、必要最小限のコードを保つ。(3) Surgical Changes——修正箇所のみを「外科手術」のように書き換え、無関係なリファクタリングを避ける。(4) Goal-Driven Execution——命令ではなく成功基準（テスト等）を与え、検証ループを回す。Claude Codeのプラグインとしても、Cursorのプロジェクトルールとしても導入でき、不要な差分の削減と実装前の正確なコミュニケーションを促す。
Agent Skillsは有効、だが多くのチームは作り方を誤っている
https://www.oreilly.com/radar/agent-skills-work-but-the-research-shows-most-teams-are-building-them-wrong/
ハーネスの一要素であるスキルについては、研究が具体的な知見を示している。AIエージェントに組織固有の知識やワークフローを付与する「スキル（Agent Skills）」の重要性は高まる一方、最新研究（SkillsBench等）は多くのチームが陥る罠を指摘する。人間が丁寧に定義したスキルはタスク成功率を平均16.2%向上させたが、モデルが自己生成したスキルには明確な効果が認められなかった。
さらに、スキルが数十を超えると単純なリスト形式の検索は破綻し、階層的な「能力ツリー」による管理が必要になる。看過できないのは、コミュニティで公開されているスキルの26%以上にセキュリティ脆弱性が含まれていたというデータだ。持続可能なエージェントシステムには、プロンプトエンジニアリングの枠を超え、コードと同様にスキルのライフサイクルを管理し、実際の実行データに基づいて洗練し続ける姿勢が要る。本テーマを貫くのは、「モデルより設計」というハーネスの思想が、概念から実践・指針・研究へと着実に成熟しているという流れだ。スキルもまた、書いて終わりではなく運用する対象になった。
#### 参考リンク
- Karpathyの洞察に基づくCLAUDE.mdガイドライン
- Agent Skillsは有効、だが多くのチームは作り方を誤っている
6. カウシェ・NOT A HOTEL・Progateに見るAI駆動開発の組織実装とレビュー設計
AI駆動開発を個人の効率化から組織の仕組みへ落とし込む国内事例が出そろった。Agent Teamsによる並列実装で成果を出したカウシェ、安全な運用体制を築いたNOT A HOTEL、人間のボトルネック化を防ぐルールを敷いたProgate、そして本番挙動でリリースを判断するサイバーエージェントと、実装・統制・レビューの各側面を扱う。
1日平均15.8件のPR：カウシェのAI駆動並列開発
https://zenn.dev/kauche/articles/20260518_ai_driven_development_kauche_farm_mini
まず、実装の成果規模から見ていく。カウシェは新プロダクト「カウシェファームミニ」を1名・2ヶ月でリリースし、その裏側のAI駆動開発（AI-Driven Development）のワークフローを公開した。特徴は4点に整理される。第一に、PRDや設計書をコードと同じリポジトリで管理し、AI（Claude Code等）が常に最新の文脈を参照できる環境を整えたこと。第二に、独自スキルでPRDから「並列化を最大化した実装計画」を自動生成する仕組み。
第三に、Agent Teamsを使い、リーダーAIが複数の実装者AIを指揮して相互レビューしながら並行開発する体制。第四に、領域別に専門化したAIレビューに加え、人間の修正をAIが学習してルールを自動更新する自己改善ループだ。これらにより、開発ピーク時には1日平均15.8件、最大39件というPR作成数を記録した。ただし、この物量は同時にレビューと運用の設計を問う——以下の3社は、その問いへの異なる答えを示す。
NOT A HOTELの4レイヤー：Claudeを組織で安全に使う
https://note.com/kajinari/n/n6494b35a4826
高速な実装を支えるには、安全な運用体制が要る。NOT A HOTELは、Claude Codeを含むAnthropic製品の組織導入にあたり、「シャドーIT」「データ流出」「コスト爆発」「形骸化」という4大リスクを技術と運用の両面から解いた。
具体策は実務的だ。OktaによるSSO必須化とドメインクレームで公式テナントへ集約し、`managed-settings.json`をMDM（Jamf/Intune）経由で配布して、間接プロンプトインジェクションや破壊的操作を構造的に防ぐ。1Password CLIでAPIキーを秘匿し、OpenTelemetryで利用量を可視化して従量課金とシート課金を使い分ける。さらに段階的なオンボーディングと理解度テストで形骸化を防ぐ。Managed SettingsをGitHub Actionsでplist変換しMDM配信する仕組みなど、情シス視点の自動化が際立つ。実装の速さは、こうしたガードレールがあって初めて持続する。
「PRレビュー1時間以内」ルール：Progateの組織課題解決
https://levtech.jp/media/detail_860/
運用体制と並んで課題になるのが、人間のレビューがボトルネック化する問題だ。AIでコード生成が極端に速まった今、開発の停滞は「人間によるレビューや意思決定」に移る。Progateは2025年11月から「PRレビューは1時間以内にレスポンスする」という挑戦的なルールを導入した。
狙いは、個人の集中維持よりもチーム全体の「停滞感（モヤモヤ）」の排除にある。タスクを1〜3日で終わるサイズに細分化し、レビューを即座に行うことで、1日のうちにマージまで完結させるサイクルを作った。導入後、月間マージPR数は約200件から400件へ倍増し、情報の断片化も防げたという。将来的にはAIによる自動レビューで「人間のレビューをゼロにする」ことを見据えている。
ランタイムレビュー：本番挙動でリリースを判断する
https://developers.cyberagent.co.jp/blog/archives/63860/
レビューの速度に加え、その手法自体を見直す動きもある。サイバーエージェントは、AIの生成速度が人間のレビュー能力を超え、AI自らがテストまで生成する環境では、PRによる事前検証だけではリスクを抑えきれないと指摘する。そこで提案するのが、フィーチャーフラグを使い本番環境で段階的にリリース判断を行う「ランタイムレビュー」だ。
実践パターンは3つ。(1) すべての変更をデフォルトOFFのフラグでラップする。(2) エージェントやCIがコードと同時にフラグを自動生成する。(3) エラー率に基づき自動で動作を止める「キルスイッチ」を組み込む。オープンソースのフィーチャーマネジメントツール「Bucketeer」によるガバナンス構築や、リリース戦略・権限管理のチェックリストも示される。本テーマを通して見えるのは、AI駆動開発の成否が個人のツール選びより組織の仕組み——統制とレビュー設計——に懸かっており、レビューの軸足がPR時点から本番挙動へと移りつつあるという事実だ。
#### 参考リンク
- NOT A HOTELの4レイヤー：Claudeを組織で安全に使う
- 「PRレビュー1時間以内」ルール：Progateの組織課題解決
7. Martin Fowlerの定義と懐疑論・役割再定義が問うバイブ・コーディングの有効性
「バイブ・コーディング」をめぐる議論が、定義・懐疑・役割論の3層で深まった。Martin Fowlerが手法を整理して有効範囲と限界を示す一方、ベテラン開発者はあえて距離を置く理由を論じる。さらにコーディングエージェント時代にエンジニアの価値がどこへ移るかという役割論も加わる。
Martin Fowlerが定義する「バイブ・コーディング」
https://martinfowler.com/bliki/VibeCoding.html
まず定義から押さえたい。ソフトウェア開発の権威Martin Fowlerが、Andrej Karpathyの提唱した「Vibe Coding（バイブ・コーディング）」を整理する。これは、人間が生成されたコードを一行も読まず、LLMとの対話だけでアプリを完成させるスタイルを指す。開発者がコード構造を意識する「エージェント型プログラミング（Agentic Programming）」とは明確に区別される概念だ。
Fowlerは、非エンジニアでも開発を可能にする点を画期的と認めつつ、保守性の欠如、セキュリティの脆弱性、非決定的なエラーといった「使い捨てソフトウェア」特有の限界を挙げる。結論として、プロトタイプや個人利用には有効だが、重要度の高いシステムへの適用には慎重であるべきだとする。誇張も否定もせず、有効範囲を冷静に線引きするのがFowlerらしい。以下、この手法への懐疑と、その先にある役割論を見ていく。
なぜ私はバイブ・コーディングをしないのか
https://jacobharr.is/personal/i-dont-vibe-code
この手法に対し、あえて距離を置くベテラン開発者もいる。著者は、フレッド・ブルックスの『銀の弾丸などない』を引きながら、LLMが解決するのは「偶発的複雑性（ツールの難しさ）」に過ぎず、設計の本質である「本質的複雑性」には対処できないと指摘する。
データジャーナリストとしての経験からは、LLMがデータ背後の文脈や「欠落している情報」を理解できない危うさを、DOGE（政府効率化省）の不適切なデータ分析を例に批判する。とりわけ重視するのが「開発における摩擦」の価値だ。苦労して悩むプロセスこそが深い理解と優れた設計を生むのであり、効率化はその学習機会を奪う。プログラミングを「機械に譲り渡したくない創造的な喜び」かつ責任を伴う人間的な営みと定義し、安易なAI依存に警鐘を鳴らす。
コーディングエージェント時代にエンジニアは必要か
https://zenn.dev/hiromoo/articles/5f127b5459d490
賛否を超えて問われるのは、エンジニアの役割がどう変わるかだ。コーディングエージェントの急速な進化で、仕様に基づく単なる実装作業の価値は大幅に低下しつつある。筆者は個人開発の経験から、AIは「ジュニアエンジニア」というより「高速な実装者」として振る舞うため、人間側には適切なアーキテクチャ方針の提示とタスク分割が不可欠だと指摘する。
これからのエンジニアに求められるのは、問題を定義する力、システム全体の整合性を保つ設計力、AIの出力を評価・検証する「読む力」、そしてAIへの適切な任せ方を設計する能力だという。結論として、エンジニアは「コードを書く人」から、技術的理解に基づき「ソフトウェアを成立させる責任を持つ人」へと定義が更新されるべきだとする。本テーマを通して見えるのは、バイブ・コーディングの有効範囲という戦術的な問いが、最終的にはエンジニアの価値が設計・判断・検証へ移るという役割論に接続するという構図だ。手法の流行り廃りよりも、人間が担う責任の所在が論点になっている。
#### 参考リンク
- Martin Fowlerが定義する「バイブ・コーディング」
おわりに
今週を一言でまとめれば、「発表の高揚」と「社会・経済の現実」が同じ画面に並んだ週だった。Google I/O 2026はエージェント型ウェブという明快なビジョンを100件の発表で描き、モデル・検索・常駐エージェントが一つの方向に収束していることを示した。だがその同じ週に、米国では雇用統計・世論調査・卒業式のブーイングという形でAIへの反発が表面化し、OpenAIのIPO準備とAnthropicの黒字化論争は、評価額の華やかさの足元にある収益性の問いを突きつけた。
実務者にとっての示唆は、足元の設計に集約される。MythosによるAppleの防御突破と金融庁の要請、そして本番DBを消したPocketOS事件は、攻撃能力と運用ガードレールの双方を同時に問うた。ハーネスエンジニアリングやAgent Skillsの研究、国内企業のAI駆動開発の組織実装は、「モデルより設計」「個人より仕組み」という共通の教訓を裏づける。そしてバイブ・コーディングをめぐる定義と懐疑は、結局のところエンジニアの役割が設計・判断・検証へ移るという議論へと帰着した。
派手な発表に目を奪われがちな時期だからこそ、雇用・収益性・セキュリティ・組織運用という地に足のついた論点に向き合いたい。来週も、ビジョンと現実の両方を見渡してお届けする。
🤖 本記事は Claude Code を使用して編集されました。