コーディングこそAIがお金を生む場所、次に来るものは？

ソフトウェアはAIが現実の大規模な経済的価値に変わった最初の領域です。次にその価値がどこに広がり、誰が実際に利益を得るのかは、まだ決着がついていない問題です。本稿は、ポッドキャスターのDwarkesh Patel氏による「研磨可能性」の概念を基に、エコノミスト、投資家、開発者の異なる視点と照らし合わせながら、ロードマップを描きます。

なぜコーディングが最初に攻略されたのか？これはほぼ全員が同意する点です。Patel氏の最近の最も鋭い指摘は、単に「検証可能」であるだけでは、AIがコーディングで最も速く進歩する理由を説明できないというものです。タスクはまた「研磨可能」でなければなりません。つまり、安価で再現可能なシミュレーターに対して何千もの試行を並行して実行し、うまくいったものを保持できることです。ソフトウェアは両方を備えた稀な領域です。コードはテストに合格するかしないかのどちらかであり、1000のエージェントに「リポジトリの同一のコンテナのコピー」を与えて、同じバグに挑戦させることができます。現実世界とは対照的に、Patel氏は「Amazonの同じチェックアウトフローを1000のエージェントに試させることはできません。Andy Jassyがボットを検出して停止させるからです」と書いています。

投資家もマネーサイドから同じ洞察に収束しています。ベンチャー企業Bessemerは、強化学習を新たなレイヤーとして説明しています。「RLはAIを経験に根付かせる。環境構築、RL-as-a-service、プラットフォームインフラは独自のスタックになりつつある」と。AIライターのRohan Paul氏は、エージェントRLに関する500以上の論文を調査した結果、制限を明確に述べています。「一般的なLLMのトレーニングは一度だけの回答に報酬を与え、その後は学習を停止する」ため、コーディングのような単発で検証可能なタスクが、複雑なマルチステップタスクよりも先に攻略されたのです。

ソフトウェアエンジニアの仕事は消えたわけではなく、検証へと移行しました。Rohan Paul氏は最近のFuturismの記事をまとめて、「創造から検証へ。ソフトウェアエンジニアは今、自分が書いていないコードを管理するというより困難な仕事に直面している」と述べています。開発者コミュニティはその程度について公然と意見が分かれており、影響力のあるエンジニアswyxは、AIエンジニアが「2026年にまだコードを読むべきか」という意図的に分裂を招く見解を増幅させました。MITの労働経済学者David Autor氏はソフトウェア職の崩壊という考えを完全に否定し、過去のコンピューティングの波は特定のタスクを排除したが、判断力、専門知識、信頼の価値を高めたと論じています。これらを調和させる予測は、コーディングの需要が作成からレビュー、アーキテクチャ設計、検証へとシフトし、レバレッジは機械の出力を導き検証するのに最も優れた者に移るというものです。

次に来るものは？すべてのタスクを同じフィルター（検証可能かつ研磨可能）で評価し、さらに物理学者Adam Brown氏の「分岐率」の概念、つまり可能な答えのツリーを刈り込むために必要な実世界の実験の量を加えます。プロットされた直感は単純で、右下の象限が最初に落ち、左上は動かなくなります。これにより、コーディングの後のおおよそのドミノの順序が得られます。形式数学は今、コーディングと並行して落ちます。記号的なデスクワーク（SQL、データ分析、表計算、財務モデリング）は短期。最適化、ロジスティクス、形式検証、チップ設計の一部は短期から中期。分岐率の低い理論科学（理論物理学、理論CS）は中期。不完全なシミュレーターを持つ領域（タンパク質・分子設計、ロボット工学）はより遅い。現実世界のエージェント、ビジネスの運営、訴訟、取引、選挙は動かない。この順序はタスクだけによって決まるわけではありません。「次に落ちるもの」という近未来の答えは、実際には「良い合成環境が構築されたもの」であり、それがPatel氏とBessemerがRL環境産業を先行指標として指摘する理由です。

お金は実際にどこに落ちるのか？ここで意見は真に分かれます。Patel氏自身の枠組みはパラドックスです。モデルが20万ドルの仕事を自動化した場合、その価値は「はるかに大きく、かつはるかに小さい」、なぜなら競争によってコピーの価格が「GPUとエネルギーのコスト」まで押し下げられる可能性がある一方で、生み出される総価値は急増するからです。ほぼ全員がモデル層が圧迫された中間層であることに同意します。しかし、誰が余剰を保持するかについては意見が分かれます。株式調査会社Pequity Researchは、アプリケーション層のAI収益シェアが上昇し、モデル層が低下したと推定しています。これは価値が「アプリケーション端にますます集中している」証拠です。広く共有されたエッセイは逆の端、つまり低マージンの事業者（メーカー、トラック運送業者、流通業者、フィールドサービス事業者）が勝者だと主張します。弱気派は、誰もまだ利益を得ていないと主張します。モデルは「損失」で販売されており、堀は価格設定よりも薄く、これが半導体とメモリという最も循環的なビジネスの中で起こっていると。

懐疑論者は控えめな見方をします。2026年6月28日のウォール・ストリート・ジャーナルの記事「AI雇用の終末は来るのか？3人の経済学者が対決」では、3人の経済学者がクリアに分かれました。MITのDavid Autorは条件付き楽観派、バージニア大学のAnton Korinekは警鐘を鳴らす派、MITのDaron Acemogluは忍耐強い懐疑派です。独立予測者のGary MarcusはAcemogluに近く、労働力の10%未満がAIに置き換えられ、おそらく5%未満で、正味の短期効果は「大きくない」と述べています。シタデルのKen Griffinでさえ、タイミングの問題と捉えています。ホワイトカラーの置き換えは「現実で急速に来ている」が、政治的 backlash は一つのサイクル先にあると。

これらのすべての下には、Patelが経済をゲートする能力として考える継続学習があります。今日のモデルはトレーニング後に凍結され、仕事をすることで特定の仕事に秀でることはできません。彼は「AIは単に拡散に時間がかかる」という説明を、その欠如した能力に対する「対処」と呼び、コーディングは価値がすでに着地した顕著な例外であると指摘します。彼が正しければ、コーディングは「エージェントがすべてを行う」という物語が想定するよりも長く孤独なピークのままでしょう。

注目すべき5つのシグナル：RL環境スタートアップ、次の領域が落ちる先行指標。トップモデル間の品質ギャップの大きさと持続性、AIを薄利のコモディティから価格支配力のあるビジネスに変える変数。バリューレイヤーが定着する場所、アプリケーション、インフラ、またはそれを展開する低マージンの事業者。Griffinが指摘する政治的タイミングの窓、それは能力に関係なく展開の速度を制限する。そして、仕事をしながら学習する最初の信頼できる兆候、価値プールがついにソフトウェアを超えて広がる瞬間。

（本稿はBargo Researchのオリジナル調査に基づき、Dwarkesh Patel、Bessemer、Rohan Paul、Pequity Research、ウォール・ストリート・ジャーナル、Gary Marcus、Ken Griffin、Ethan Mollickからの引用を含みます。）