新しいソフトウェアライフサイクル

人工知能はソフトウェア開発のライフサイクルを大きく変えつつあります。Googleが公開したホワイトペーパー「AI時代のソフトウェアライフサイクル」では、その変革が詳細に分析されています。著者のAddy Osmani氏は、共著者として特に重要なポイントを抽出しました。

まず、エージェントの定義が新たに示されています。エージェントはモデルとハーネス（ツールチェーン）から構成され、モデルが10%、ハーネスが90%を占めます。実際のベンチマークでは、同じモデルでもハーネスの改善だけでエージェントの順位が30位圏外からトップ5に躍進した事例があります。エージェントの失敗のほとんどは設定の失敗であると言えます。

コンテキストエンジニアリングがコスト管理の鍵を握ります。コンテキストは静的（毎回ロード）と動的（オンデマンド）に分類され、そのバランスが重要です。静的コンテキストは信頼性が高い反面、トークンコストがかさみます。動的コンテキストは必要な部分だけをロードするため効率的です。その境界はアーキテクチャ上の決定として扱い、コードと同様にバージョン管理すべきです。また、プログレッシブディスクロージャーを活用したスキル設計により、多くのスキルを持ちながら現在のタスクに必要な部分だけをロードできます。

検証は「バイブコーディング」と真のエンジニアリングを分ける重要な要素です。テストは決定論的な部分を、評価は非決定論的な部分をカバーします。評価には出力評価と軌跡評価があり、両方が必要です。デモではなく評価スイートを基準にすべきで、それによって信頼性が確保されます。

AIはライフサイクルを圧縮しますが、その度合いは不均一です。実装は数週間から数時間に短縮されますが、要件定義、アーキテクチャ、検証は依然として人間の判断が必要で、時間がかかります。これにより、仕様の質がボトルネックとなり、検証が早期段階に移動します。具体的には、要件は同時に仕様とプロトタイプを生成する会話に、アーキテクチャは人間主導のまま、実装は記述からレビューへと変化します。テストとQAはループになり、メンテナンスは容易になります。ただし、80%問題（機能の最初の80%は早いが、残り20%のエッジケースには対応が難しい）は依然として存在します。

経済的には、バイブコーディングは初期コストが低いが運用コストが高く、長期的には機能あたりのコストが3〜10倍高くなる可能性があります。エージェンティックエンジニアリングは初期投資が大きいものの、機能あたりのコストは低くなります。コンテキストエンジニアリングとモデルルーティングは財務レバレッジとして機能し、困難な推論は大規模モデルに、ルーチンワークは小規模モデルに振り分けることで、品質を維持しながらコストを削減できます。

最後に、プロトタイプがそのまま本番エージェントになる流れが加速しています。GoogleのAgents CLIでは、自然言語の指示でエージェントの構築、評価、デプロイが完結します。人間が方向性を決め、エージェントがコードを書くという協調作業が現実になりつつあります。日常的には、リアルタイムの「コンダクター」モードと非同期の「オーケストレーター」モードを切り替えて使用します。

結論として、AIはそれが置かれたエンジニアリング文化を増幅します。生成はほぼ解決済みであり、残された課題は仕様と検証、そしてそれらを支えるシステムです。この部分を極めることが今後の鍵となります。