2026年9月、ニューヨークのカンファレンス「LDX3 New York」の基調講演で、Gergely Orosz氏が直近12か月の開発現場を総括しました。OpenAI・Anthropic・Cursor・Rampなどへの取材から見えたのは、手でコードを書かない開発の定着と、その裏で壊れ始めた仕組み。変化・ひずみ・変わらない価値・これからの4点を整理します。

この12か月で変わったこと

コードの大半をAIが書く

多くのスタートアップで、AI生成コードの割合は100%に近づいています。エンジニアの役割はプロンプトで指示を出し、成果を見届ける側へ移りました。さらに、ボイスチャットでAIにコーディングを行わせることも、もはや珍しくありません。

並列エージェントが標準に

LinearやCockroach Labsのエンジニアは、5〜10本のエージェントを同時に走らせています。一人で複数のタスクを並行処理する働き方が、腕利きの間で定着しつつあります。

IDEの後退とハーネスの台頭

Cursorは4月にエージェント中心のインターフェースへ転換し、JetBrainsもAirへ舵を切りました。Cursorのチームは、自社のIDEを「レガシー製品」と表現したそうです。企業側では、Ramp・Stripe・Uber・Shopify・Google・Metaなどが独自のAIコーディングハーネスを構築。社内データソースをつなぎ込めることが理由です。

関連記事：【2026年最新】MCPとは？AI活用を進める企業は必読！

開発の起点はSlackへ

Orosz氏が訪ねた企業では、開発の依頼がSlackから始まる光景が目立ちました。OpenAIの社内ではCodexにタグ付けして実装を頼み、AnthropicもClaudeで同じ仕組みを製品として公開。Linearをはじめとするスタートアップでも、独自のSlackエージェントやボット連携を作る動きが広がっています。

ソフトウェアファクトリーの実現

OpenAIの「Perf Factory」では、エージェントが本番環境を監視し、改善のプルリクエストを自動で起こします。人間のレビューが入るのは、影響範囲の大きいPRが中心。Linearでは、エージェントが作成したチケット数が人間の作成数を初めて上回りました。GitHubでも、エージェントだけが作るPRが1月から8月にかけて約10倍に増えています。

大規模移行が年単位から月単位へ

• OpenAI：APIをPythonからRustへ移行中で、4〜5か月で約9割が完了
• Uber：JUnit 4から5へ、数百万行を4か月で移行
• Airbnb：Enzymeの廃止とReact Testing Libraryへの移行を6週間で完了

専門領域の消失とチームの小型化

ChatGPTのエンジニアリング責任者によれば、昨年はiOS・Android専任を募集していたものの、今年は募集をやめました。Codexがあれば、誰でも一定水準で対応できるためです。

Anthropicでは、一つのプロジェクトに入れるのは1〜2人。エージェント同士が干渉するからです。ジュニア採用も、緩やかに減速しています。

変化の裏で壊れたもの

変化の速さに、現場の仕組みが追いついていません。Orosz氏が挙げたひずみは5つです。

• コードレビューの形骸化：PRの急増によりレビューが形骸化し、Rampなど一部の企業では低リスク箇所のレビュー省略を開始しています。
• ソフトウェア品質の低下：SpotifyやSubstackなど身近なサービスで軽微な不具合が目立ち、障害発生も相次いでいます。
• クラウドのCPU不足：サーバー納期が従来の1〜2週間から最長6ヶ月へ大幅に延び、新規注文を停止するリージョンも出現しています。
• 集中力の低下と業務量の増加：複数エージェントの並行運用に伴う頻繁なコンテキストスイッチにより、AI導入前より負担が増えたと感じるエンジニアも存在します。
• エンジニアリングリーダーの離脱：創業者の過度な期待や組織の閉塞感を背景に、バーンアウトによる離職やフラクショナルCTOへ転身するリーダーが増加しています。変化のスピードに現場の仕組みや人間の適応が追いついておらず、AIによる開発加速の陰でインフラ・品質・組織の維持における歪みが顕著になっています。

それでも変わらなかったもの

ひずみが広がる中でも、揺らがなかった軸があります。

• チーム：ソフトウェアを所有しオンコールを担う単位として、AnthropicでもOpenAIでも維持。規模もツーピザチーム前後のまま
• 計画：複雑なインフラ製品では数年前と大差なし。誤ったものを速く作っても無駄は無駄
• テスト：Bunチームのエンジニアによると、コードとテストにかける時間の比率は以前と同じ
• 本番リリース：非エンジニアが本番コードを出す例は、Linear・Cursor・OpenAIのいずれにもなし。サイト制作やSlackでのバグ報告にとどまる

設計の古典も復活しています。Matt Pocock氏によると、トレーサーブレットやディープモジュールといった用語を指示に使うだけで、AIが返すコードの質が上がるそうです。

これからの動きと身につけたい力

開発の行き先

Orosz氏は、エージェントの実行環境がローカルからクラウドへ移ると見ています。Rampはすでに先行する一社で、Linearのエンジニアも考えを改めたそうです。コードを読まずに出荷する運用についても、懐疑派のCharity Majors氏が「起こるかどうかではなく、いつ起こるか」と語っています。いずれもOrosz氏の予測で、広く定着したとは言えません。

能力モデル

『Googleのソフトウェアエンジニアリング』の著者Titus Winters氏は、成功に必要な力を3つに分けます。

• 知性：やり方を知っている力
• 知恵：何をすべきかを知っている力
• 説得力：周囲を動かす力

AIで知性が安価になるほど、知恵と説得力の価値が上がります。

エンジニア・リーダーへの提言

• 手を動かし続ける：AIツールを日常的に使い、本番への出荷まで自分で経験する
• チームや会社の単位でAI基盤を整える：個人の自動化より、受け渡しを減らす仕組みづくりが成果につながる
• AIへの前向きさを採用・評価に組み込む：活用力を組織の標準に据える

関連記事：【2026年最新】生成AI情報漏えい：6経路と7対策チェックリスト

おわりに

AIで安くなったのは、コードを書く作業です。価値は、何をつくるかを決める判断・品質を保証する検証・チームで負う責任へ移りました。レビューの形骸化が示すとおり、いま詰まっているのは「書く」工程ではなく「確かめる」工程です。

次の一手は2つ。まず自分でAIエージェントを使い込み、できることとできないことを肌で知る。次に、テストと評価の仕組みをチームで整え、検証の力を開発速度に追いつかせる。