AIが作ってくれる時代にこそ、プロダクトに向き合う必要があるのではないか
課題を渡せば、実装から検品までをコーディングエージェントが進める。私の開発は、いまそういう形になってきています。それでも、作った成果物が「それっぽいもの」にとどまってしまう場面は残っています。その壁にぶつかるたびに、私は同じことを考えます。AI が作ってくれる時代にこそ、プロダクトに向き合う必要があるのではないか、と。
人を介在させない開発への流れ
今年の4月までの開発は、コーディングエージェントにプロンプトで指示を出し、返ってきた結果を見て次の指示を出す、という対話型の進め方でした。
転機となったのは7月ごろです。skills を整備し、ループを回すための仕組みをそろえてから、エージェントがある程度自走できるようになりました(対話型コード生成からループエンジニアリングへの移行)。
自走するエージェントを動かすには、課題の定義が欠かせません。何を解決すれば完了なのかが決まっていなければ、検証ループを回せないためです。そして課題を厳密に定義できるようになると、今度は開発をソフトウェアファクトリーの構造へ落とし込めるようになりました。課題を捉えて、生産し、検品する。現在はこの流れで開発パイプラインを組めるようになってきています(職人からソフトウェアファクトリーへ)。
今年は、ループから始まってファクトリーに至るまで、いかに人の手を介さずに作るかに注力してきました。これは生産性を高めるうえで妥当な方向性であり、エンジニアとしても AI エージェントによる開発には純粋な面白さを感じています。
「それっぽいもの」という壁
しかし自動化が進む一方で、「それっぽいもの」の枠から抜け出せない問題に直面しています。
たとえば、ゲームを開発しているときのドット絵制作です。生成モデルが出力したドット絵は、一見するときれいに仕上がっています。けれども、そこから一歩踏み込んだ意図や個性が感じられず、熟練の職人が打ったドット絵との間には歴然とした差があります。
困るのは、改善しようとしても手が止まってしまう点です。もっと良くしたい意図はあるものの、具体的にどのドットをどう打ち直せば意図した画面になるのか、私の中に明確な完成イメージがありません。手元に基準となるイメージがなければ、エージェントに対しても修正の指示を出せなくなります。
どれほど自走するエージェントが手元にあっても、渡すべき判断基準が人間側に用意されていなければ、改善のサイクルは回りません。ループもファクトリーも、ここでは力を発揮できませんでした。
mizchi さんのこの発言も、同じ課題意識を指していると受け取っています。
知識・経験・情熱という変わらない部分
コードであれば課題を定義できた私が、ドット絵では何も伝えられませんでした。その違いは私自身の蓄積にあります。コードに対しては長く書き続けて培った知識と経験がありますが、ドット絵にはそれがありません。
これは料理にたとえると分かりやすいでしょう。調理の経験を積んだ人は、レシピを見るだけで仕上がりの味を想像できます。調味料の分量を変えれば味がどう変化するかも予測がつくため、味見をして狙いとずれていた場合でも即座に修正できます。
レシピどおりに作る工程だけであれば、道具や手順をそろえれば再現できます。差が出るのは、その先で味を決定づける調整の段階です。ドット絵における私には、この「目指すべき味」の基準がありませんでした。出力された画像を見ても、どの色味や陰影を調整すれば理想に近づくのかが判断できなかったのです。
完成形の輪郭を思い描き、微細な差異を調整する判断は、試行錯誤を通じて蓄積された知識と経験に支えられています。そして、その試行錯誤を支えるのは「これを作りたい」という制作への情熱です。作りたいものがあるから検証を繰り返し、その蓄積があるからこそ、出力されたものの良し悪しを見極められます。
AI 以前にゴールがプロダクトへ向かなかった構造
「何を作るのか」「利用者にどんな価値を届けるのか」を問い続けなければならない点は、AI 以前の開発と何ら変わりません。
しかし AI 以前は、コードを書いて動く形にする作業そのものに膨大な労力が必要でした。システムを組み上げる難易度が高かったため、コーディングの専門家が不可欠であり、開発者の意識も「プロダクトの価値」より「動くソフトウェアを完成させること」に向きがちな構造がありました。
私自身もプログラマとしての意識が強く、実装上の課題を解くことに意識の大半を割いてきました。当時は自力で実装できなければ何も始まらなかったため、そうした姿勢にならざるを得ない面もありました。
この実装のハードルが完全に消滅するわけではありません。それでも、定型的な実装や検品の多くは AI エージェントへ委ねられるようになりつつあります。
解放されたあとに残る問い
大半のコードをソフトウェアファクトリーの形式で生産できるようになったとしても、「何を作るのか」「その価値は何なのか」という問いを解く作業は手元に残ります。実装の労力をどれだけ手放せたとしても、仕様の決定と評価の責任は自動化されません。
私がいま様々な検証を続けているのは、AI エージェントを動かす面白さがあるからだけではありません。プログラマとしての関心にとどまっていた視点を、プロダクト全体の価値へ引き上げるための訓練でもあると感じています。
実装作業の負担が軽くなったことで、何を作り、何を目指すのかという検討に十分な時間を使える環境が整いました。作っては問い、その応答を形にする。その繰り返しのなかでしか、「それっぽいもの」を越えたプロダクトは生まれないはずです。
AI がコードを書いてくれる時代だからこそ、人間はプロダクトの価値そのものに向き合わなければなりません。道具がどれほど進化しても、最後に問われるのはプロダクトへの解像度なのだと考えています。

望月 涼太 / polidog
Co-Founder / Web Engineer