• 執筆: 2026/04/14

• English version:

  Building, Binning, and Waiting: Three Investment Buckets for AI Engineering

<aside> 📌

サマリー

• AI時代のボトルネックは「コードを書くこと」から「コードが正しいか検証すること」に移った
• 投資は What（チームの判断基準） と How（ツールの制限を補う工夫） に分かれる。Whatは残る。Howは、モデルやツールの進化に合わせて必要性が薄れる
• 今のツールの制限を補う投資は「使い捨て前提」で作る。完璧を目指さない
• プロンプトの言い回しより、検査の仕組みに投資した方が10倍以上効果がある（Stanford HAI） </aside>

問い

<aside> 💭

コーディングエージェントの進化により、各チーム・各自がスキルやプロンプトを整え、ハーネスの整備を進め、多くの業務を自動化できるようになった。一方で、モデル・エージェント・ツール自体の進化も急速に進んでいる。

将来モデルが解決してくれることに、今リソースを割いてしまっていないか？

この文書は「何に投資し、何にNoを言うべきか」の判断基準を整理する。業界の主要ソース40件以上を横断的に分析した結果をもとにしている。

</aside>

用語

この文書で使う主な概念。

• クリックで展開

前提: ボトルネックは「生成」から「検証」に移った

コードを書くコストは劇的に下がった。しかし、それは問題の解決ではなく、ボトルネックの移動を意味する。

"コード生成はソフトウェアエンジニアリングのボトルネックだったことは一度もない。本当のボトルネックは検証だ。" — InfoWorld

データがこれを裏付ける:

• CodeRabbit 2026分析: マージPR数は 98%増、PRサイズは 154%増。しかし61%の開発者が「AIの出力は正しく見えるが信頼できない」と回答
• QAトレンド (Tricentis 2026): AI生成コードの少なくとも60% に介入が必要な問題が含まれる
• MSR 2026 (806リポジトリ分析): AI導入後、コード複雑度 41%増、静的解析警告 30%増、change failure rate 30%上昇