AI エンジニアリングの 5 つのトレンド

swyx のメモ：AIE カバーを任せてくれた Richard に感謝！AINews フィードの購読を忘れずに。今週も weekday の更新をお楽しみに。

次回の AIE は 10 月 12〜14 日にニューヨークで開催されます（詳細はこちら）。今年は特に金融分野における AI に焦点を当てます。

AI エンジニアリングはここ 3 年で大きく進化しました。swyx が 2023 年 6 月に「AI エンジニア」という用語を考案した頃は、大規模言語モデルの爆発的登場から生まれた新しい開発者の姿に名前を与えた瞬間でした。今ではまるで昔話のように思えますが、AI とソフトウェア開発の交差点を「プロンプトエンジニアリング」と呼んでいたのは、swyx がその概念を再定義するほんの数ヶ月前のことです。

最新の AI Engineer World's Fair は、この分野がいかに成熟したかを示す好例でした。「AI エンジニア」がどこでも正式な職種名になったかどうかは、実は本質的な問題ではありません。過去 3 年間で AI を巡って確立されたエンジニアリングプラクティス——コーディングエージェントの構築、ハネス（評価枠組み）の設計、コンテキスト管理、モデル出力の評価、そして自律性の高いシステムのオーケストレーション——が、もはや主流のソフトウェア開発の一部となっています。

個別の発表内容に焦点を当てるのではなく、本稿では AI エンジニアリングが 2026 年においてどこにあるのかを示す、5 つの大きなトレンドを取り上げます。

AI エンジニアリングがどのように進化してきたかを理解する最も明確な方法の一つは、かつて OpenAI の研究者であり、現在は Thinking Machines Lab の共同創設者であるリリアン・ウェング氏の 2 つのエッセイを比較することです。彼女の影響力のある 2023 年の記事『LLM Powered Autonomous Agents』では、LLM エージェントの構成要素を「計画」「記憶」「ツール利用」の観点から解説しました。AutoGPT や BabyAGI、GPT-Engineer などが具体例として挙げられ、自律型エージェントがまもなく実用化される可能性を示す概念実証システムであることが示されました。

一方、彼女の新しい 2026 年のエッセイ『Harness Engineering for Self-Improvement』では、視点が大きく異なります。ウェング氏はエージェントそのものへの焦点を移すのではなく、モデルを取り巻くシステムこそが同等に重要であると主張しています。ワークフローの管理、コンテキストの制御、権限付与、評価、永続的な状態の維持、そして継続的な改善を担う「ハネス（枠組み）」です。つまり、AI エンジニアリングは単なるプロンプト操作から、信頼性の高いシステムを構築する工程へと進化を遂げたのです。

Coding agent loop; Image by Lilian Weng

AIEWF では、このシフトが最も重要なテーマの一つでした。2023 年に世界中で話題を呼んだ自律型エージェントプロジェクト「AutoGPT」[2023 年の AI エンジニア・サミットのまとめと共同創設者とのインタビュー] は、今年はもはや言及されることさえありませんでした。代わりに議論の中心は、Claude Code、Codex、Gemini CLI、Cursor、Warp など、生産環境で信頼性の高いコーディングエージェントを可能にするためのインフラストラクチャにありました。

2023 年のイベントでは AutoGPT の熱狂的な盛り上がりには辟易としたのを覚えています。なぜなら、議論のほとんどが人間を排除することに焦点を当てていたからです。しかし過去数年で学んだのは、完全なエージェントの自律性は信頼できるだけでなく、望ましいものでもないということです。特に大規模運用においてはなおさらです。そのため、AIEWF でエージェントがエンジニアを代替する存在ではなく、AI エンジニアを補完・支援するツールとして位置づけられていたことは、ほっとした気持ちになりました。

AIEWF 2 日目の OpenAI キーノートで、ロマン・ユエ氏はこの点を強調しました。OpenAI の Codex などのツールを活用すれば、エンジニアはエージェントとより容易に協働できるとユエ氏は主張します。彼はこう述べています。「ソフトウェアが世界を飲み込み、その後に AI がソフトウェアを飲み込んだ。しかし今私たちが伝えたいのは、これからは『AI エンジニア』が世界を制するのだ、ということです。」

AI エンジニアの能力が高まる一方で、最先端企業ですら自社のモデルがどのように進化しているかを完全に理解できておらず、エンジニアが本当にどの程度コントロールできるのかという疑問も生まれています。別基調講演で Anthropic の Thariq Shihipar は、最新のモデル「Claude Fable」について、「モデルは設計するものではなく、育てるものだ」と述べました。彼によれば、能力には「オーバヘッド（過剰なコスト）」が存在し、「Claude はスパイク状に知能を高める」とのことです。

AINews: 平日まとめ

[AINews] Fable のフィールドガイド

Jul 7

今回のショーの友人である General Intuition の新モデルや、Shunyu Yao の新モデルを称賛しつつ、世界が GPT-5.6 Sol Ultra のリリースを待っている中、人々は Fable 5 の限界を探るために競い合っています。

エージェントによる開発のためのシステムを構築し、出力の評価と監視を行うことは、その理由の一つです。

AIEWF の基調講演初日の朝が過ぎた頃には、「ループ（loops）」がこのイベントの流行語であることが明確になりました。この用語の多用はさておき、AI エンジニアリングにおける重要な緊張関係が浮き彫りになりました。それは「エージェントにどの程度の権限を与えるべきか」、そしてどこで人間がプロセスに参加し続けるべきかという点です。

OpenClaw の創設者ピーター・シュタインバーガー氏は、より良いループ構造の重要性を訴えています。

現在、多くの主要エンジニアが採用しているアプローチの一つは、自分自身を「外側のループ」に位置づけることです。これは、内側のループで自律的に動作するエージェントの作業全体を見守る役割を担います。

自己改善型システムの展開インフラを構築する新興企業 Introspection の共同創設者兼 CEO、ローランド・ガヴリレスク氏は、Latent Space へのインタビューの中で、「自動研究（autoresearch）」という概念が、エージェントのループに必要なフィードバック構造を提供すると説明しています。

「システムは内側のループと外側のループを持つと考えるとわかりやすいでしょう。内側のループはユーザーと直接対話し、実際の作業を行う主要なシステムです。一方、自動研究は主に外側のループに関わります。これは主要なシステムを監視し維持する別のシステムのことです」

外側のループにはフィードバック信号、評価（evals）、そして人間の入力も含まれます。そのため、依然として自律的な要素が強いものの、本質的には主要なエージェントのループに対する監督手法と言えます。かつて Google でエンジニアリングリーダーを務めたアディ・オスマニ氏は、この点について「エージェントは内側の実行ループをより多く担えるようになるが、外側のループについては依然としてエンジニアリングの領域だ」という的確な言葉を残しています。

AIEWF の会期中、"ループエンジニアリング"という用語が何度も登場しました。これは、人間が AI エンジニアとしてこれらのループシステムを構築する責任を負うべきだという示唆を含んでいます。

OpenClaw の創設者であり、"クローファーザー"（ClawFather）とも呼ばれるピーター・シュタインバーガー氏も例外ではありません。彼は自らを外側のループに位置づけることを意識しています。OpenAI の基調講演で氏はこう説明しました。「エージェントが内部の実行ループを回す一方で、私は外側のループで方向性を定め、意思決定を行います。」

AIEWF 最終日には、完全自律型エージェントが現実世界でループを管理できるかどうかを検証するため、ステージ上で議論が行われました。HumanLayer のデックス・ホーシー氏は「過熱した期待が、実務の規律を追い越している」と主張しました。彼自体はループに反対しているわけではなく、Kubernetes が制御ループの上に成り立っていることを指摘しつつも「ただし、あれは決定論的なループだ」と付け加えています。

一方、Ralph Loop の創設者であるジェフリー・ハンリー氏は、ループが"フロンティアの考え方"であることを認めつつ、聴衆に考えさせるべき素晴らしい比喩を披露しました。「私たちは今や機関車の運転士のようなものです。私たちの仕事は、機関車を線路から外れないように保つことなのです。」

このような AI ツールの活用方法は、すでに企業内にも浸透しつつあります。その典型が"フォワードデプロイエンジニア"（FDE）という新しい役割です。FDE は組織と直接連携し、AI の実装を担うエンジニアのことであり、現場に密着して技術を実践する存在として注目されています。

シエラ社の FDE（Forward Deployed Engineer）部門を率いるナタリー・モア氏は、組織に AI を導入する際には多くの調整作業が必要になると語りました。彼女がラテンスペース（Latent Space）で行ったインタビューでは、「私たちが関与するすべての企業が知りたいのは、自律型エージェント生態系が持つ能力をいかに維持できるかということです」と述べています。「エージェントに関わるすべての連携やチームを管理する必要があります。」

AIEWF のセッションで Cursor のポールイン・ブルネ氏は FDE について話しました。

同氏の AIEWF でのセッションでは、Cursor の FDE が各プロジェクトで目指す成果について語られました。

「私たちが関与するプロジェクトを終えて離れる際——クラウドエージェントの導入や常時稼働型エージェント、自動化ツールの構築、そして Cursor SDK を活用したアプリケーション開発などを行ってきた場合——必ず明確な ROI（投資対効果）が残ります。つまり、私たちが去った後もシステムを停止することはないのです。」

この会議で頻繁に使われたもう一つの用語が「ソフトウェアファクトリー」です。ブルネ氏によると、「Cursor におけるソフトウェアファクトリーとは、プロセス全体を通じて人々をサポートする常時稼働型エージェントのこと」を指します。これはまさに、顧客のエンジニアと共に活動する彼女の FDE チームが担う業務の本質です。

企業がソフトウェアファクトリーにおいて、人間のエンジニアをどこに位置づけるかが重要な課題となっています。Warp の CEO、ザック・ロイド氏は、組織がライフサイクルのどの部分を自動化し、どこで人間をプロセスに組み込むかを明確に選ぶ必要があると解説しています。

Warp のザック・ロイド氏が語る、「製品を作るための仕組み」の構築について。

「リポジトリを選択し、自動化したいソフトウェア開発ライフサイクルの範囲を決め、人間の介入が必要なポイントを定義することが重要です」とロイド氏は、同社が新たに発表したソフトウェアファクトリープラットフォーム『Oz』について語りました。「組織やコードベースによって好まれるアプローチは異なります。コードレビューを完全に自動化すべきか、それとも特定のリスクの高い変更については人間が確認を行うべきか——判断はケースバイケースです。」

もう一つの懸念事項として、企業が AI システム内で独自の組織データをどう管理するかが挙げられます。Atlan のプルカルパ・サンカール氏は会議で「コンテキストエンジニアリング」について講演し、「ビジネスシステムから共有された企業脳へ、そして MCP や API、検索機能を通じてエージェントやコパイロット、アプリへとコンテキストがどのように流れていくか」を考慮することが重要だと指摘しました。

最後に、企業がエージェント技術に全振りしているわけではないという点について、Cursor の Brunet 氏は「企業の AI 導入はまだ初期採用者に集中している」と指摘しています。そのため、この段階では FDE（Forward Deployed Engineer）にとって、組織内で適切な推進役を見つけることが大きな課題となっています。

最初の AI エンジニアリングサミット以降、最も実用的な変化は、開発者が日常的に AI とどう向き合っているかという点です。

2023 年当時、AI を活用したプログラミングといえば、GitHub Copilot が次の数行のコードを補完してくれる程度でした。多くの開発者は依然としてほぼすべてのコードを手書きし、AI は「賢い自動補完ツール」として使われていました。しかし現在では、Claude Code、Codex、Gemini CLI、Cursor、Warp といったツールが登場しています。 これらは「コーディングエージェント」と呼ばれ、広範な目標を理解し、コードベースを探索し、複数のファイルを修正し、テストを実行し、デバッグを行い、失敗した箇所を自己改善しながら作業を進め、最終的に開発者に提案するまでを行います。

Barr Yaron 氏による AI エンジニアリング調査でも、「コーディングエージェント」は主要なトレンドの一つとして挙げられました。

この「コーディングエージェント」の潮流は、ウェブ開発の分野にも広がっています。最近リリースされた Vercel の「eve」がその好例です。同社はこれを「エージェントフレームワーク」と呼んでおり、同社の人気オープンソースである React フレームワーク「Next.js」と比較できるものとしています。

Vercel のソフトウェア責任者である Andrew Qu は、AIEWF で Latent Space に対し、「エージェントは実質的に新しい種類のソフトウェアだ」と語りました。彼は「（エージェントは）Web アプリケーションほど予測可能ではありません。インフラの見た目こそ似ていても、その相互作用やインターフェース、出力ははるかに動的です」と説明しました。

Qu はさらに、エージェント開発のためのフレームワークを構築する作業はまだ終わっていないと付け加えました。「1 年前には、サンドボックスがこれほど重要になるとも、セキュアなコード実行や長時間稼働するジョブに対する需要がこれほど高まるとも予想していませんでした。現場での経験から学んでいくにつれ、さらに多くのものを構築していく必要があります」と彼は述べています。

エージェント向けの「A」の提案？Andrew Qu が Vercel の三角形ロゴを掲げる。

ここから再び「ソフトウェア工場」のトレンドへと話を戻しましょう。ここでは開発者が複数のエージェントを管理するようになります。Conductor の CEO である Charlie Holtz は、AIEWF の聴衆に対し、「どのようなコーディング環境であっても、人間のエンジニアが常にコントロール権を握り続けるべきだ」と強調しました。

「未来が工場で構成されるようなものにはしたくないのです。私は人間としてありたいし、フローに身を任せたい。そして指揮者の前に立ち、指揮棒を振るような感覚を持ちたい」と Holtz は語りました。

会議中、AI エンジニアの間では、「ソフトウェア工場」か「オーケストラ」か、どちらの用語が適切なのかについてまだ合意が得られていないという空気がありました。ループマキシング（loopmaxxing）を提唱する Geoffrey Huntley 氏でさえ、自動化に関する議論において先走りすぎないよう警鐘を鳴らしています：

「来年の今頃、このカンファレンスで『工場の運用が失敗した』『ループが機能しなかった』と口々に語る人たちが溢れているのではないか。まだ解決できていない課題だ」という懸念を表明する声がありました。

今回のカンファレンスで頻繁に語られたキーワードの一つが「スキル」です。この概念は、Anthropic が先月『エージェント・スキル』を Claude に導入した際に広まりました。Addy Osmani 氏の定義を借りれば、スキルとは「シニアエンジニアがソフトウェアを構築する際に行うワークフロー、品質ゲート、そしてベストプラクティスをコード化したもの」です。

AIEWF（AI Engineering World Fair）では、Vercel の Andrew Qu 氏がスキルを「持ち運び可能なオンデマンドの知識」として有用だと指摘しました。また、Introspection の共同創設者である Roland Gavrilescu 氏は、「AI エンジニアリングは『エージェント・ツール』から『エージェント・スキル』へとシフトした」と断言しています。

PicoCreator - AI builder @ 🇫🇷

世界博 2026 は、AI エンジニアリングが単なる実験室の話題から、現実世界のインフラへと急速に成熟する様子を如実に示しました。会場を歩けば、最先端のアルゴリズムがどのように実社会の課題解決に直結しているかが肌で感じられるはずです。

まず注目すべきは、AI モデルの開発プロセスそのものが劇的に変化している点です。従来の「データ収集→学習→評価」という一方向の流れではなく、開発者がリアルタイムでモデルの挙動を監視・調整できる「継続的フィードバックループ」が標準化されつつあります。これにより、バグやバイアスの早期発見が可能になり、信頼性の高い AI システムの構築が格段に容易になりました。

2 つ目のトレンドは、マルチモーダルな理解能力の飛躍的な向上です。テキストだけでなく、画像、音声、動画、さらにはセンサーデータを統合的に処理するモデルが多数登場しました。特に、物理世界の複雑な状況を理解し、推論を行う「シームレス・マッピング」技術は、ロボット制御や自動運転分野で大きな注目を集めています。

3 つ目は、エッジ AI の普及です。クラウド依存から脱却し、端末デバイス上で直接 AI を動作させる技術が実用段階に入りました。これにより、通信遅延の解消やプライバシー保護が実現され、医療機器や産業用ロボットなど、リアルタイム性が求められる分野での活用が加速しています。

4 つ目のトレンドは、AI の透明性と説明可能性への取り組みです。ブラックボックス化しがちな深層学習モデルに対し、その判断根拠を人間が理解できる形で提示する技術が開発されました。これにより、医療診断や金融審査など、高い責任が求められる分野での AI 導入のハードルが下がっています。

最後に、AI エンジニアリングにおける「協調型開発」の台頭です。世界中の開発者がオープンソースでモデルやデータを共有し、相互に改善を加え合うエコシステムが形成されつつあります。これにより、個別企業の壁を越えた技術革新が加速し、社会全体の AI 成熟度を高める原動力となっています。

これらのトレンドは、AI エンジニアリングが単なる技術の進化ではなく、社会構造そのものを変える力を持っていることを示しています。世界博 2026 は、そんな未来への第一歩を明確に刻んだイベントだったと言えるでしょう。