マジカルラブリー☆つむぎのピュアピュアA.I.放送局 podcast 20260309
内容紹介
手動でのコーディングをやめていく際のメモ、New Research Reassesses the Value of AGENTS.md Files for AI Coding、南場智子「ますます“速さ”が命題に」DeNA AI Day2026全文書き起こし - エンジニアtype 転職type、マジで!?私も超オタクだよ!?30分アニメを見続ける体力すらなくなってきてTwitter見て1日が終わってる！「アカンけどマジでこれ」
出演者
関連リンク
本書は、圧倒的な能力を持つ「Claude Opus 4.6」の登場をきっかけに、エンジニアのアイデンティティであった「自らコードを書くこと」を手放し、AIエージェント（Coding Agent）と全面的に協働するスタイルへ移行した実践的な記録です。新人エンジニアの方にとっても、これからの開発の「当たり前」を知る上で非常に示唆に富む内容となっています。
移行にあたり、著者は以下の2つの大きな方針を立てました。
-
あらゆる業務のドキュメント化 AIは人間と比べてコンテキスト（文脈）を保持し続ける能力が劣るため、実装方針のブレを防ぐ必要があります。そのため、あらゆる情報を
/docsディレクトリに保管し、AIが常に参照できるようにしました。さらに、過去のセッション情報をAIが自ら検索できる仕組みを構築し、情報の非対称性を解消しています。 -
人間とAIの役割分担（境界線）の明確化 AIに丸投げするのではなく、責任の所在と得意分野を整理しています。
- 人間の役割： 要件・仕様の整理、ビジネスの核となる「ドメイン設計」、AIへの指示と成果の受け入れ、そしてコードの最終的なレビューです。AIには「良いものを作りたい」という内発的な動機がないため、人間が明確な信念を持って成果物をジャッジする必要があります。
- AIの役割： アプリケーションの具体的な設計・実装・デプロイ、および自分自身が動きやすいようにするための環境整備（静的解析やテストの自動化など）を担当します。
実際の運用では、開発ツールを「Cursor」から「Claude Code（AI本体）」を主軸に据え、Cursorはコードを確認するための「ビューワー」として利用するスタイルに変更されました。Git操作やデプロイといったCLIで行う作業もすべてAI経由で行うことが推奨されています。
このスタイルに移行した結果、1日あたりのプルリクエスト（PR）作成数が従来の2倍（1〜2個から3〜4個）に増加し、コード品質も維持できているという驚くべき成果が出ています。
一方で、人間がやらなければならない「退屈な作業」も浮き彫りになりました。それは、AIがアクセスできない情報（口頭でのやり取りやCLIで触れない外部サービスの情報）をAIに伝達する「橋渡し」の作業です。
これからのエンジニアには、単にコードを書くスキル以上に、AIを「部下」や「パートナー」として使いこなし、システムの全体像を設計・管理する「監督」のような視点が求められるようになるでしょう。
引用元: https://zenn.dev/koyo_k0/articles/c4f90b2ff722e0
AIコーディングエージェント（ClaudeやCursor等）にプロジェクトの文脈を伝えるため、AGENTS.mdや.cursorrules、CLAUDE.mdといった「指示ファイル」をリポジトリに配置する手法が急速に普及しています。しかし、チューリッヒ工科大学（ETH Zurich）の最新の研究により、これらのファイルが必ずしもAIのパフォーマンスを向上させず、場合によっては逆効果になるという衝撃的な実証結果が報告されました。
研究チームは、既存のベンチマークがAIに学習されている可能性を考慮し、138件のリアルなPythonタスクを含む独自のデータセット「AGENTbench」を構築。Claude 3.5 SonnetやGPT-5（プレビュー版）などの主要モデルを用い、「指示ファイルなし」「AI生成のファイルあり」「人間が書いたファイルあり」の3パターンで、タスク成功率と推論コスト（ステップ数）を検証しました。
1. 研究で明らかになった驚きの事実
- AI生成の指示ファイルは「有害」な場合も：AIが自動生成したコンテキストファイルを使用すると、タスクの成功率が平均3%低下しました。それだけでなく、AIが無駄な手順を踏むようになり、推論コストが20%以上も増大しました。
- 人間が書いたファイルでもコスト増：人間が作成したファイルは成功率を平均4%向上させましたが、手順数は増え、コストが最大19%増加しました。
- 「過剰な思考」の罠：AIの思考プロセスを分析したところ、AIが指示ファイルの記述を忠実に守ろうとするあまり、不要なテストの実行、過度なファイル探索、冗長なコード品質チェックを繰り返していることが判明しました。つまり、解決に直結しない「過剰な推論」が引き起こされています。
2. 新人エンジニアが意識すべき「指示ファイル」の書き方
この研究は指示ファイルを否定するものではなく、「AIが推論できることまで書く必要はない」ことを示唆しています。効果的な活用のポイントは以下の通りです。
- 推論可能な情報は省く：ディレクトリ構造の説明や、コードから読み取れるアーキテクチャの解説は、AIに余計なノイズを与え、コストを上げる原因になります。
- 「非自明な情報」に特化する：コードを読んだだけでは分からない、プロジェクト固有の特殊なビルドコマンド、特定のツール利用時の注意点、歴史的な経緯による独自の制約など、AIが「推論できないドメイン知識」に絞って記述するのが最も効果的です。
- ドキュメントとしての価値：開発者コミュニティからは、「AIに指示を書くプロセスそのものが、人間にとってもコードベースの言語化と理解を助ける」という副次的なメリットも指摘されています。
AIエージェントに「賢く動いてもらう」ためには、何でも詰め込むのではなく、人間が知恵を絞って「AIが本当に必要とする最小限のヒント」を提供することが、これからのエンジニアに求められるスキルと言えるでしょう。
引用元: https://www.infoq.com/news/2026/03/agents-context-file-value-review/
DeNAの南場智子会長が「DeNA AI Day 2026」で語った、AIエージェントが民主化した世界におけるエンジニアの指針と日本の勝機についての要約です。
1. 開発現場の激変と生産性20倍の現実
「AIオールイン」宣言から1年、現場では人間がコードを書く作業が激減しました。AIエージェント（Claude 4.6等）を使いこなすことで、従来の20倍の生産性を達成した事例も登場しています。AIはもはや単なる補助ツールではなく、Slack等を通じて自律的にタスクを請け負う「チームの一員」へと進化しました。
2. 技術の焦点は「環境エンジニアリング」へ
技術的なトレンドは、プロンプトやRAG（背景情報の付与）の先にある「エンバイロメント（環境）エンジニアリング」へと移行しています。自律して動くAIエージェントに対し、どこまでの行動や情報アクセスを許可するかという「ガードレールの設計」が、システムの安全性と利便性を両立させる鍵となります。
3. プロダクトの参戦資格は「ベロシティ（速度）」
開発の高速化に伴い、一度作ったプロダクトの静的な優位性はすぐに失われます。これからの時代に重要なのは、市場や技術のアップデートを即座に反映し、プロダクトを「びゅんびゅん回して」改善し続けるスピード感（ベロシティ）です。この即応性を持たないプロダクトには、もはや成長の機会も参戦資格もありません。
4. 日本が勝てる「フィジカルAI」と「すり合わせ」
GAFA等の巨大な基盤モデル提供者は「無慈悲」であり、中途半端な専門性は一撃で淘汰されます。しかし、ハードとソフトが密接に絡む「フィジカルAI」の領域では、日本が伝統的に強みを持つ「すり合わせ」や「職人芸（暗黙知）」のデジタル化が決定的な差別化要因になります。この領域において、日本はまだ世界をリードできる可能性を十分に秘めています。
5. エンジニアへの期待：組織を「使い倒す」主体性
AIによって効率化が進み、人間に余暇が生まれる時代、大切なのは「増えた時間で何をするか」という個人の志です。組織に従属するのではなく、自分の成し遂げたいことのために「会社のリソース（資金・データ・チャネル）を使い倒す」という主体的な姿勢が求められます。AIが発明や査読すら行う未来において、人間の尊厳を再定義し、当事者として未来を議論し続けることが、これからのエンジニアの重要な役割です。
引用元: https://type.jp/et/feature/30605/
加齢や仕事の疲れにより、かつて熱中した30分のアニメや映画を鑑賞する体力が維持できず、SNSを眺めて一日を終えてしまう現象がSNSで共感を呼んでいます。「趣味を楽しむにも体力が必要」という切実な現実に、短編なら見られる、過去作なら安心といった声が続出。集中力の低下に悩むのはエンジニアも同様であり、能動的な娯楽から遠ざかる自分に多くの人が共感してしまう、身近で少し切ないユーモラスな話題です。
引用元: https://togetter.com/li/2672345
VOICEVOX:春日部つむぎ