【2024-2026年史】AIコーディングエディタの進化と未来予想：CopilotからClaude Code、Antigravity、Kiroまで──「チャット」から「自律協働（コワーク）」への大転換

📅 作成日: 2026/09/22, 更新日: 2026/09/22 ⏱️ 読了目安約28分 (14,089文字)

2024年から2026年にかけてのAIコーディングの進化史を総括。GitHub CopilotからClaude Code、Antigravity、Replit、Bolt.newまでの変遷、Webアプリ・スマホからの遠隔操縦と「コワーク（自律協働）への大転換」、2028年に向けた開発の未来を徹底解説します。

概要
2年間の進化年表：Tab補完からマルチエージェント協働へ
主要エディタ・エージェントの進化史と設計思想
Webアプリ・スマホ（モバイル）への対応状況と開発スタイルの変貌
2026年9月の新潮流：判断特化型AI「Jev」と高速エージェント協働
「チャット」から「コワーク（自律協働）」へのパラダイムシフト
1. チャット型AIの限界
2. コワーク（自律協働）がもたらしたブレイクスルー
これからの予想：2026年後半から2028年のソフトウェア開発
まとめ
1. 関連記事・参考リンク

概要

正直に言うと、半年前の僕はClaude CodeやAntigravityといった自律型エージェントを「ちょっと賢いTab補完の延長」くらいにしか思っていませんでした。

考えがガラッと変わったのは、ある案件のインフラ構築で、深夜に terraform apply が通らなくなった夜です。原因はIAMロールの信頼関係の書きミスだったのですが、普段ならCloudTrailのログを自分で掘り返して30分はかかる作業を、「このエラー直して」とターミナルに投げただけで、エージェントが勝手にエラーログを読みに行き、2つのポリシーファイルを書き換えて、 terraform plan の差分まで提示してくれました。正直、ちょっと鳥肌が立ちましたし、同時に「あれ、これ僕の仕事なくなるんじゃないか？」という若干嫌な汗もかきました。

数年前までの僕らのAI活用って、だいたいこんな感じだったと思います。ChatGPTの別タブを開いて「このLambdaの書き方教えて」と聞き、出てきたコードをコピーしてエディタに貼り、importを直して、型エラーを潰す……という、要するに「優秀だけど手足のない相談相手」でした。

それが今は、GitHub Copilot、Claude Code、Google Antigravity、Kiroあたりを筆頭に、「ターミナルを自分で叩き、ファイルを自分で書き換え、テストを自分で回して、落ちたら自分で直す」エージェントが当たり前になっています。フリーランスで複数のクラウド案件を並行して回している身としては、この変化の恩恵も、ちょっとした怖さも、かなり生々しく体感してきました。

この記事では、そのあたりの現場感覚も交えつつ、主要エージェントがこの2年でどう進化してきたか、そして実際に手を動かしている立場から見た2026年後半以降の見立てを、できるだけ本音ベースでまとめてみます（まだ確信が持てていない部分は、正直に「分からない」と書くつもりです）。

2年間の進化年表：Tab補完からマルチエージェント協働へ

2024年から2026年にかけて、AIコーディングは「構文補助」から「 思考と自律実行を兼ね備えた協働チーム 」へと4つの跳躍（Quantum Leap）を遂げました。

アーキテクチャ比較：チャット型とコワーク型の構造差

「チャット」と「コワーク（自律協働）」の違いを、データフローと人間の介在コストの観点から対比すると、以下のようになります。

各フェーズの深掘り解説とブレイクスルーの構造

Phase 1: インライン補完時代（2021〜2023年）

開発体験 : エディタ内でコードを入力すると、次に打つべき行がグレー文字（Ghost Text）で薄く表示され、Tabキーで確定する。
技術的ブレイクスルー : OpenAI Codex による「コードの確率的トークン予測」。構文エラーの少ない典型的なボイラープレートの記述速度が約30%向上。
当時の限界 : ファイル全体の構造や別モジュールのコンテキストを把握できず、関数をまたぐリファクタリングやバグ修正には無力。

Phase 2: サイドバー対話時代（2023〜2024年前半）

開発体験 : エディタのサイドバーやブラウザ窓に ChatGPT / Copilot Chat を開き、「このエラーの原因は？」「このAPIを呼ぶコードを書いて」とプロンプトで対話。
技術的ブレイクスルー : RAG（検索拡張生成）によるワークスペース内シンボルの取得と、LLMの長文推論能力の向上。
当時の限界 : 「人間がコピー＆ペーストの伝書鳩になる」という最大の摩擦。AIが生成したコードが既存のコードベースと微妙に合わず、インポートエラーや型エラーを手作業で直すストレスが頻発。

Phase 3: 自律CLI・Web完結型時代（2024年後半〜2025年）

開発体験 : ターミナルで claude を起動して自走させるスタイルに加え、ブラウザ上で環境構築ゼロでフルスタックアプリを即座に立ち上げる Bolt.new や v0、Replit Agent が登場。
技術的ブレイクスルー : Tool Use / Function Calling の進化と高速推論モデル、および WebContainer（ブラウザ内Node.js実行環境）の実用化。AIがシェルコマンドを実行し、エラー出力を自ら読んで修正を繰り返す「自己完結型ループ」が成立。
当時の限界 : 勢い余って意図しないファイルを上書きする暴走リスクや、大規模エンタープライズ規約の統制、スマホ等の小型端末での細かな調整の難しさ。

Phase 4: マルチエージェント・ユビキタス協働時代（2025年後半〜2026年現在）

開発体験 : 作業開始時に AI が必ず implementation_plan.md を作成し、アーキテクチャ方針と影響範囲を提示。PC上のIDEやCLIだけでなく、Webブラウザやスマートフォンの遠隔操縦（Claude Code Remote Control, Replit Mobile）から指示・承認・プレビュー確認が可能に。
技術的ブレイクスルー : Google Antigravity のライフサイクル制御アーキテクチャ（Plan / Walkthrough / Hooks / Sidecars）、DevFleet による並列エージェントオーケストレーション、そしてクラウド・リモート環境とスマホをシームレスに結ぶ ChatOps / Remote Control 技術。
達成された価値 : 「人間がコードを手で書く」のではなく、「人間はPC・Web・スマホから仕様とアーキテクチャを指揮・承認し、AIエージェントのチームが完全な品質保証（TDD）のもとで自律実装する」という真のコワークの確立。

フェーズごとの特徴と変遷マトリクス

時代・フェーズ	主な代表ツール	入出力インターフェース	AIの自律度	主な対応環境
1. インライン補完 (〜2023)	GitHub Copilot, 初期Codex	エディタ内のグレーテキスト	ゼロ（受動的な数行提案）	Desktop IDE (VS Code 等)
2. 対話型チャット (2023〜24)	Copilot Chat, Cursor, ChatGPT	エディタ側面のチャット窓	低（プロンプトへのテキスト回答）	Desktop IDE, Web
3. 自律CLI・Web完結 (2024〜25)	Claude Code, Bolt.new, v0	ターミナル、WebContainer	中〜高（ツールの自律実行・即時プレビュー）	Desktop Shell, Web Browser
4. ユビキタス協働 (2025〜26)	Antigravity, Replit Agent, DevFleet	Plan/Hooks・スマホ遠隔操作	極めて高い（計画・TDD・並列協調・リモート制御）	Desktop, Web, Mobile (iOS/Android)

主要エディタ・エージェントの進化史と設計思想

現代のコワーク環境を牽引する5大プレイヤーの歴史と設計思想を紐解きます。

1. GitHub Copilot：Tab補完の元祖から総合エージェントへ

GitHub Copilot は、開発者に「 AIがコードを書く 」という体験を世界で最初に定着させた偉大な先駆者です。

黎明期 : 2021年のテクニカルプレビューから始まり、VS Code上でタイピングする次の一手（Tabキー補完）を予測する機能として世界中に普及しました。
進化の足跡 :
- Copilot Chat の導入により、コードベース全体を参照したコンテキスト理解を実現。
- Copilot Edits / Agent Mode : 複数ファイルにまたがるリファクタリングや、エラー箇所の自動修正をエディタ内で自律的に行う機能へと段階的に拡張されました。
設計思想 : エディタ（VS Code / Visual Studio / JetBrains）というエンジニアの慣れ親しんだ城の中に留まり、最も摩擦の少ない形でAIの知能を溶け込ませる点に強みがあります。

2. OpenAI Codex：LLMコーディングの原点と自律サンドボックス

OpenAI Codex は、基盤LLMをソースコードで特化ファインチューニングしたモデルであり、現代のすべてのAIコーディングの母体となった存在です。

歴史的意義 : 2021年に発表され、GitHub Copilot の初代エンジンとして採用されました。自然言語からコードを出力できる能力は世界に衝撃を与えました。
エージェント化への道 : 初期の「APIとしてコードを返すだけ」のモデルから、サンドボックス環境で Python インタープリタを実行し、自己のエラーを修正しながらデータ分析やスクリプト作成を完結させる「Advanced Data Analysis（Code Interpreter）」を経て、近年の自律型 Codex Agent へと結実しました。

3. Claude Code：ターミナルを主戦場にしたアジャイルな自律型CLI

Anthropic が投入した Claude Code は、「 エディタのGUIを捨ててターミナルに回帰する 」という鮮烈なアプローチでエンジニアの心を掴みました。

特徴 :
- CLI（コマンドラインツール）として直接シェル上で動作。
- git status , ripgrep , ファイルツリー検索、テストコマンドを猛烈なスピードで連打し、ローカル環境を自身の手足のように操作。
- コンテキスト長と推論能力の高さを武器に、数百行に及ぶコードの差分適用をワンショットで完遂。
DevFleet（並列Worktree協調） : 単一の作業だけでなく、Git worktree を利用して複数の Claude Code プロセスを並列起動し、異なる機能やテストを同時並行で実装・レビューさせるマルチエージェント運用を切り拓きました。

4. Google Antigravity (AGY)：思考・計画・ルールのエンタープライズ協働基盤

Google DeepMindチームが主導する Google Antigravity（AGY）は、単にコードを書くだけのエージェントを超えて、 チーム開発・エンタープライズ運用に耐えうる規約とライフサイクル制御 をゼロから設計したシステムです。

``mermaid
sequenceDiagram
autonumber
actor Dev as エンジニア
participant AGY as Antigravity (Parent Agent)
participant Plan as Implementation Plan
participant Sub as Subagents (Research/Self)
participant System as Terminal / Hooks / Tests

Dev->>AGY: タスク要求の提示
AGY->>AGY: Planning Mode（調査と計画策定）
AGY->>Plan: implementation_plan.md 作成
AGY-->>Dev: 計画のレビュー要求・承認待ち
Dev->>AGY: 計画承認

rect rgb(240, 248, 255)
    note right of AGY: 実行・検証フェーズ
    AGY->>Sub: 並列リサーチ / バックグラウンド委譲
    AGY->>System: PreToolUse Hook による事前検証
    AGY->>System: コード変更・ビルド実行 (TDD)
end

AGY->>Dev: walkthrough.md による成果提示・確認

思考プロセスと計画の明示化 :
- 作業前に必ず implementation_plan.md を作成し、アーキテクチャ方針や破壊的変更のリスクを人間に提示して承認を得る「Planning Mode」を確立。
- 完了後は walkthrough.md で変更点と検証エビデンスを可視化。
モジュール化された拡張性 :
- Skills ( SKILL.md ) : 特定業務（記事生成、AWS構成図作成、監査等）の手順とスクリプトをカプセル化。
- Hooks ( hooks.json ) : コマンド実行の前後（PreToolUse / PostToolUse）や終了時（Stop）にセキュリティ監査やリンター、認証切り替えを自動強制。
- Rules ( RULES.md ) : プロジェクト固有の命名規約や見出しルールを厳格に順守。
- Sidecars ( sidecar.json ) : バックグラウンド監視や定期監査ジョブを自動稼働。

5. Kiro：仕様駆動（Spec-Driven）とクラウドアジリティ

Kiro は、AWS やモダンクラウドインフラの自動化に強みを持つ、仕様駆動型（Specification-Driven）の AI エージェントです。

特徴 :
- 事前に定義されたスキーマや型定義、仕様書（Spec）に厳密に従い、ブレのない決定論的なコード生成を実行。
- クラウドインフラ（Terraform / CloudFormation / SAM）と連携し、インフラリソースの整合性チェックやドリフト検出を自律的に遂行。

6. Replit Agent：Web・スマホ完結型フルスタック自律ビルダー

Replit Agent は、ローカルマシンの環境構築を一切行わず、 Webブラウザやスマートフォンアプリから自然言語だけでフルスタックアプリを組み上げて本番公開する という全く新しい開発様式（Vibe Coding）を定着させました。

特徴 :
- バックエンド、PostgreSQLデータベース、認証基盤、フロントエンドの初期化からデプロイまでをクラウド上で自律完結。
- Webブラウザだけでなく、 iOS/Androidの公式モバイルアプリ からも完全動作。移動中や外出先から自然言語で修正を指示し、数分で変更をライブ反映できる機動性を実現。

Webアプリ・スマホ（モバイル）への対応状況と開発スタイルの変貌

2024年から2026年にかけてのAIコーディングの歴史において、見逃すことができないもう一つの大きな潮流が、「デスクトップPCの前に座ってローカルIDEに向き合う開発」から、 Webブラウザ完結、さらにはスマートフォンからエージェントを指揮する開発へのプラットフォーム拡張 です。

1. Webブラウザ完結型AI開発の爆発：ゼロセットアップの衝撃

従来の開発では、リポジトリの git clone に始まり、Node.js や Python のランタイムバージョン合わせ、 npm install や仮想環境構築、環境変数の設定など、コードを1行動かすまでに多くの「環境構築の摩擦」が存在していました。

2024年後半から2025年にかけて登場したWeb完結型ツールは、この前提を根底から覆しました。

Bolt.new (StackBlitz) :
- ブラウザ内で完全な Node.js 環境をシミュレートする WebContainer技術 を採用。
- サーバー側の仮想マシンを待つことなく、プロンプトを入力した瞬間にブラウザのサンドボックス内で Vite サーバーが起動し、フルスタック Web アプリが即座に立ち上がります。
v0 (Vercel) :
- フロントエンド UI（React / Next.js / Tailwind CSS / shadcn/ui）の生成に特化。
- チャット対話とビジュアルプレビューが一体化しており、デザイナーやプロダクトマネージャーが画面を見ながら微修正し、ワンクリックで Vercel へ本番デプロイするフローを確立しました。
GitHub Copilot Workspace（および統合クラウドエージェント） :
- GitHub の Issue から出発し、「Issueの要件理解 → 仕様策定（Spec） → 実装計画（Plan） → ファイル修正 → ビルド・テスト検証 → プルリクエスト作成」までのエンジニアリングプロセス全体を、 ローカルエディタを一度も開くことなくブラウザ上のタブ1つで完遂 するクラウドネイティブな開発体験を開拓しました（2026年現在はCopilotエコシステム全体にシームレスに統合されています）。

2. Web・スマホ完結型の実態と浸透度：広がる「プロトタイプ」と「実務開発」のギャップ

SNSやデモ動画では「Webブラウザやスマホだけでアプリが完成した」という華々しい事例が話題を呼びますが、 実際のエンジニアリング実務において、これらのツールはどの程度浸透しているのでしょうか？

結論から言えば、 「0→1のプロトタイプ・ハッカソン」と「1→100の企業システム開発」の間には依然として明確な壁が存在し、普及の度合いは極めて二極化 しています。

① なぜ「スマホ単体での開発完結」は実務で浸透していないのか？

Replit Mobile や Bolt.new の登場により技術的には「スマホだけでコードを生成・プレビュー・デプロイする」ことが可能になりました。しかし、プロの開発現場でこれが日常的な開発スタイルとして定着していないのには明確な理由があります：
- 物理的な制約とデバッグ負荷 : 複数行のエラーログや巨大なDiff、ネットワークインスペクタの確認を小さなスマホ画面で行うのは極めて非効率。
- 企業のセキュリティ・ガバナンスの壁 : 機密性の高い社内リポジトリや閉域網（VPN/社内NW）に置かれたDBへのアクセスは、個人のモバイル端末からは許可されないケースがほとんど。
- 用途の限定 : 現状のWeb完結型・スマホ完結型ツールが得意とするのは、クリーンな新規プロジェクト（0→1）の爆速立ち上げであり、長年積み重ねられた複雑な依存関係や独自ビルド手順を持つ既存リポジトリ（1→100）の改修には対応しきれません。

② 実務現場で定着しつつある本当の「モバイル・Web現実解」

では、実務のエンジニアはモバイルやWebをどのように活用しているのでしょうか？
現場で真に支持を集めているのは、「スマホでコードを書くこと」ではなく、 「セキュアなPC環境で自走しているエージェントを、スマホから非同期に監視・承認する」という補助的な関わり方 です。

セッションの遠隔監視と承認（Claude Code Remote Control / /rc ） :
- オフィスのMacや社内クラウドで走らせている Claude Code セッションを、移動中のスマホから監視。
- エージェントが「このコマンドを実行してよいか？」「方針AとBのどちらにするか？」と判断を求めてきた際に、スマホから「y」や簡単なテキストを返すだけで、自律ループを再開させられます。
GitHub Mobile によるPRレビュー・ChatOps :
- エージェントが自動作成したプルリクエストのサマリーやテスト結果をスマホで確認し、マージボタンを押す運用。
新規MVP・UIプロトタイプに限定したWebツール活用（Bolt.new / v0） :
- 本番開発ではなく、企画段階のアイデア出しやハッカソン、デザインモックの作成に割り切って利用。

このように、現場の主戦場は依然として 「ローカルPC／セキュア環境のターミナルCLIやIDE（Claude Code, Antigravity, Copilot）」 であり、Webやスマホは「プロトタイプ用」または「非同期の進捗確認・承認用リモコン」として適材適所で組み合わされているのが2026年現在のリアルな実態です。

3. デバイス・プラットフォーム別対応マトリクス

各ツールの「公式機能としての実態」と「実務での浸透度」を整理したマトリクスです。

◎（ネイティブ完結） : その環境専用のUI/アプリがあり、開発から自律実行・デプロイまで完結。
◯（遠隔操縦・連携対応） : 公式に Remote Control やセッション監視・承認の遠隔操作に対応。
△（限定的・閲覧中心） : プレビュー確認やPRレビュー、チャット質問など一部の閲覧・確認に限定。
×（非対応） : 公式機能としては提供されておらず、デスクトップ/ローカルCLIが前提。

ツール / エージェント	Desktop IDE / CLI	Webブラウザ完結	スマホ・モバイル対応	実務でのリアルな浸透度と使われ方
Claude Code	◎ (高速ターミナルCLI)	◎ ( `claude.ai/code` Cloud)	◯ (Remote Control 遠隔操作)	実務の主流。PC上のCLIを主軸としつつ、公式の `/rc` で外出先からオフィスの自律セッションを遠隔承認する使い方が急拡大
Google Antigravity	◎ (AGY CLI / IDE / SDK)	× (ローカル環境前提)	× (公式アプリ/Webなし)	エンタープライズの主流。堅牢な計画統制（Plan/Hooks）・TDD・社内ガバナンス遵守のためローカル環境で自走
GitHub Copilot	◎ (VS Code / JetBrains)	◯ (Web統合エージェント)	◯ (GitHub Mobile / Remote)	日常の主流。エディタ内補完・Agent Modeを軸に、GitHub Mobile経由でのセッション監視・PRレビューに活用
Bolt.new / v0	× (ローカルCLIなし)	◎ (WebContainer / Vercel)	△ (プレビュー確認のみ)	プロトタイプ特化。ハッカソンや新規UIモック作成に絶大な人気だが、企業の既存大規模開発では限定的
Replit Agent	△ (Web同期クライアント)	◎ (クラウドフルスタック)	◎ (公式iOS/Androidアプリ)	個人・ホビー開発特化。スマホ単体で完結できる唯一無二の技術だが、実務エンタープライズでの普及は限定的
Kiro	◎ (CLI / IDE拡張)	× (ローカル環境前提)	× (公式アプリ/Webなし)	クラウドインフラ特化。AWS等のIaC自動化・仕様駆動型（SDD）開発のためセキュアなCLI環境に特化

2026年9月の新潮流：判断特化型AI「Jev」と高速エージェント協働

2026年9月中旬、AIコーディング界隈に大きな衝撃を与えたのが、元OpenAIのRLHF研究者Diogo Almeida氏らが率いる米TypeSafe AIが公開した 判断特化型AIモデル「Jev」 の登場です。

1. 「文章を書かない」判断特化型AI Jevとは？

これまでのフロンティアLLM（汎用大規模推論モデル）の進化史は、いかに長大な自然言語や複雑なコードを生成・推論できるかという「巨大化・高知能化」の競争でした。

これに対し、2026年9月15日に発表された Jev は、ダニエル・カーネマンの提唱した 「システム1（直感的・瞬時の判断）」 に特化した、全く新しいカテゴリのAIです。

自然言語の生成を一切行わない :
Jev はチャットの返答や長文コードを書きません。システムから「現在の状態（State）」と「判断したい問い（Questions）」を入力すると、ソフトウェアがそのまま条件分岐に使える 型付きの判断（Choice / Score / Noul：真偽値）と確率 のみをJSON形式で返します。
超低レイテンシ（70〜500ms）と圧倒的な低コスト :
テキストの自己回帰生成を伴わないため、既存のLLMに比べて数十倍〜数百倍の超高速で推論が完了し、消費トークンと計算コストを桁違いに削減します。

2. コーディングエージェントにおける「System 1 ＋ System 2」協働革命

なぜこの Jev が、2026年秋のコーディングエージェント開発現場でこれほど熱狂的に迎えられているのでしょうか？その理由は、 自律エージェントのループ構造における最大のボトルネックを解消したから です。

従来のエージェント（Claude Code や Antigravity 等）は、以下のような「細かな判断」を行う際にも、毎回巨大な推論LLM（System 2）を呼び出していました：
1. 「次はこのツール（grepかfindか）を呼ぶべきか？」
2. 「このテスト失敗ログは致命的か、それともリトライ可能か？」
3. 「PreToolUse Hook で危険なコマンドと判定してブロックすべきか？」
4. 「サブエージェントに並列委譲すべきか、メインで処理すべきか？」

このような高頻度の判断に毎回2〜5秒のLLM呼び出しとコストをかけていたため、エージェントが自走する際の「思考待機時間」が積み重なっていました。

mermaid flowchart TD Task["ユーザー要求"] --> FastRouter["Jev (System 1: 高速判断 / 70ms)"] FastRouter -->|"日常的なツール選択・検証・ルーティング"| AutoExec["高速自律実行ループ (Terminal / Hooks)"] FastRouter -->|"アーキテクチャ設計・複雑なコード生成"| HeavyLLM["Claude / Antigravity (System 2: 熟考型LLM)"] HeavyLLM --> AutoExec AutoExec --> Feedback["実行結果"] Feedback --> FastRouter

Jev の登場により、「高頻度のトリアージ、ツール呼び出しの可否判定、セキュリティ監査（Hooks）は Jev（System 1）が数十ミリ秒で即断し、腰を据えたアーキテクチャ設計や難度の高いリファクタリングのみを Claude や Antigravity（System 2）に委ねる」というハイブリッド・エージェント・アーキテクチャが実現したのです。

3. エージェントの未来：単一モデルから「異種協調ネットワーク」へ

役割	担当モデル	得意なタスク	応答速度とコスト
System 1（直感・即断）	Jev（TypeSafe AI）	ルーティング、ツールの呼び出し判定、真偽判定、フック検証	70〜300ms / 極めて安価
System 2（熟考・生成）	Claude Code / Antigravity（フロンティア推論LLM）	計画策定（Planning Mode）、大規模リファクタリング、TDD実装	数秒〜十数秒 / 推論リッチ

これにより、2026年後半からのAIコーディングは、「1つの賢いLLMにすべてを頼る」時代から、 「判断特化型モデル（Jev）と熟考型LLMがオーケストレーションを組む高速な自律チーム」 へと決定的な進化を遂げつつあります。

「チャット」から「コワーク（自律協働）」へのパラダイムシフト

なぜソフトウェア開発は、単なる「質問箱（チャット）」から「自律協働（コワーク）」へと移行したのでしょうか？その理由は、開発現場におけるボトルネックの本質にあります。

チャット型AIの限界

人間のコピペ・確認コストが最大のボトルネック :
チャットAIがどれだけ綺麗なコードを出力しても、それをエンジニアが手動でエディタに貼り付け、インポートを直し、型エラーを修正し、テストを実行しなければならず、人間の介在コストがスケールを阻害していました。
ローカル環境との隔絶 :
チャット型AIは「ローカルのGitブランチの状態」「インストールされているパッケージのバージョン」「直前のテスト失敗ログ」を直接知ることができませんでした。

コワーク（自律協働）がもたらしたブレイクスルー

コワークの本質は、 AIが環境そのものと対話できるようになったこと にあります。

Tool Use と環境フィードバックループ :
AIが run_command やファイル操作ツールを直接叩けるようになったことで、「コードを書く → テストを実行する → エラーが出たらログを読む → 原因を突き止めて修正する」という 完全な自律ループ（セルフヒーリング） が成立しました。
マルチエージェント協調 :
メインエージェントが一人で全タスクを抱え込むのではなく、調査専門の research サブエージェントや、テスト実行専門のワーカーを動的に起動し、コンテキスト窓を節約しながら並列分散開発を行うスタイルが定着しました。

これからの予想：2026年後半から2028年のソフトウェア開発

これからの2年間（2026年後半〜2028年）、私たちの開発体験はさらにどのように進化していくのでしょうか？以下の3つの大きな潮流が予想されます。

1. 人間の役割は「コーダー」から「エージェントフリートの総指揮官」へ

ソフトウェアエンジニアの主な仕事は、構文をキーボードで打ち込むことではなくなります。
ビジネスの課題を分析し、 仕様と受け入れ基準の明確化 、 エージェントフリートの編成・指揮 、そして アーキテクチャとセキュリティの最終判断 を担う総指揮官へと完全に移行します。

2. セルフヒーリング型 CI/CD と常時稼働エージェント（Sidecar）の一般化

コードを書いてプッシュしたら GitHub Actions でテストが落ちた──という時代は過去のものになります。
エージェントがプッシュする前にローカルで完全なテストスイートを通すだけでなく、本番環境のログやアラートを監視する Sidecar エージェントが、エラーを検知した瞬間に自律的に修正PRを作成し、ステージングでテストを走らせる自動運用の世界が現実味を帯びてきています。

3. 「エージェント前提」のコードベース設計（Agentic Architecture）

人間だけが読むためのコードではなく、「AIエージェントが正確に理解し、誤修正を起こさないためのリポジトリ設計」が重視されます。
.agents/rules.md のような規約ファイルや、境界が明確に切られたマイクロモジュール、厳格な静的型付けが、これまで以上に重要な資産となります。

4. ユビキタス・オーケストレーション：場所と端末を選ばない開発の日常化

「開発はオフィスや書斎のマルチモニタ環境でしかできない」という常識は完全に過去のものになります。
移動中やカフェからスマートフォンの音声入力で「新機能のAPIとUIを作成してステージングにデプロイして」と指示を投げ、自宅のデスクトップPCやクラウド上のエージェントフリート（Antigravity, Claude Code, DevFleet）が並列で実装・テストを完了させ、手元のスマホにプッシュ通知でレビューと承認を求めてくる──という ユビキタスな自律協働 が標準化します。

まとめ

ここまで振り返ってみて、自分でも意外だったのは「AIに仕事を奪われる怖さ」より先に「一人で抱えていた深夜の泥臭い作業が減って、純粋に楽になった」という感覚の方が強かったことです。

もちろん、エージェントが出した差分をノーチェックでマージする勇気は僕にはまだありません。テストコードをすり抜けるエッジケースや、クラウドの課金爆発リスク、アーキテクチャの根幹の妥協なき設計だけは、しばらく人間の仕事として残るはずです（というか、残ってもらわないと困ります）。

AIの進化にただ圧倒されるのではなく、現場で実際に手を動かして「どこまで任せて、どこで手綱を握るべきか」を試行錯誤しながら、自分なりの開発スタイルをアップデートしていければと思います。