開発者支援職の終焉？ソースグラフ・ステファニー・ジャーマク氏

開発者支援職の終焉？AI エージェント時代における「エージェント・アドボケート」への転換

ソースグラフの研究科学者であり、元天文学者のステファニー・ジャーマク氏は、AI エージェントが自律的にコードを読み込み API を呼び出す「新しいユーザー」として登場したことで、開発者支援職（DevRel）の役割そのものが劇的に変容していると指摘します。従来の人間への教育に加え、機械可読なドキュメント整備や AI による製品発見を主導する「エージェント・アドボケート」へと進化することが、今最も求められている戦略です。

開発者体験の変容：人間はオーケストレーターへ、AI は新たなユーザーへ

2026 年現在、開発者の働き方はもはや一人での作業ではありません。彼らは AI エージェントを統御する「オーケストレーター」や、その運用を管理する「ベビーシッター」としての役割を担うようになっています。求人票を見ても、AI フルーエンス（AI の使いこなし能力）が必須要件として明記されるなど、開発者の定義そのものが書き換えられています。

しかし、ジャーマク氏が注目するのは人間だけではありません。非エンジニアである herself が昨年から GitHub でのコミット数を劇的に増やし、オープンソースのメンテナーとなったように、AI エージェントを活用すれば誰でも開発ツールを使える時代です。これにより、DevRel が向き合うべき顧客像（ICP）は、従来の「開発者」から「AI エージェント」という新たなユーザーへと拡大しています。

AI エージェントは、人間とは異なる方法でドキュメントを読み込み、API を呼び出す独自の「新しいユーザー」です。また、人間が推奨するのではなく、自律的にツールをインストールしてワークフローに組み込む「推薦者」としても機能し始めています。

エージェント体験の測定：摩擦を可視化するベンチマークの必要性

AI エージェントがツールの利用において直面する課題は、人間のそれとは異なります。エージェントはエラー発生時に独自の推論で回復を試みますが、その過程でトークン消費量が増大したり、時間がかかったりします。ジャーマク氏は自社のツール評価のために「CodeScaleBench」というベンチマークを構築し、数百のタスクを実行してエージェントの挙動を分析しました。

具体的な事例として、あるモデルがドキュメントの記述と異なるコマンド（例：read line を使うべきところを start line と誤解）を試みた際、エラーメッセージから原因を理解し自己修正したケースが挙げられます。しかし、その失敗には「1 つのターン」分のロスが発生しており、これがユーザー体験の摩擦となります。

組織はツールが単に動作するかどうかだけでなく、「エージェントがツールを扱うために消費するトークン数」や「エラーからの回復にかかる時間」といった指標で製品を評価します。これらのデータを収集し、摩擦を特定して改善することが、新しい役割の核心です。

生成エンジン最適化（GEO）：SEO に代わる新たな発見の鍵

従来の SEO（検索エンジン最適化）は、人間がキーワードを検索する前提でしたが、AI エージェント時代には「GEO（Generative Engine Optimization：生成エンジン最適化）」が不可欠となります。これは、AI チャットボットやエージェントが特定の課題に対して自社の製品を推奨するかどうかを検証・最適化するプロセスです。

ジャーマク氏の実験では、ユーザーが比較検討しているような明確な検索意図を持つプロンプトに対し、自社製品が 65% の確率で推薦されました。しかし、より典型的な「下流サービスが壊れる原因を特定したい」という具体的な課題に対しては、エージェントからの言及はゼロでした。

多くの場合、AI は「Wiki ページを作成すれば解決しませんか？」といった一般的な回答しか返してきません。これは、製品が抱える特定の課題と自社の解決策の結びつきが、機械可読な形で明確に伝えられていないことを示しています。

また、モデルのトレーニングデータは常に古くなるため、古い情報が蓄積され、ノイズが増幅されるリスクもあります。例えば、旧製品の情報を伝えるコンテンツがネット上に溢れることで、真の信号（新しい製品情報）が見えにくくなってしまう現象も起きています。これを克服するには、AI が参照する信頼性の高い情報源を整備し、エージェントが「今、必要な場面で」自社の製品を認識・推奨できる環境を作ることが重要です。

エージェント・アドボケート：人間と機械の架け橋となる新職能

これらの変化に対応するため、ジャーマク氏は「エージェント・アドボケート」という新しい役割の提案します。これは従来の開発者支援職が人間への教育に注力していたのに対し、以下の 2 つの側面を同時に担うことを意味します。

1. 機械可読なドキュメントの整備: エージェントが誤解なく情報を取得し、正確に実行できるよう、構造化されたドキュメントを作成する。
2. エージェントによる自動テストと発見の主導: 製品が AI にどのように認識され、推奨されるかを測定・改善する。

これは「車道縁切り（curb cut）効果」をもたらします。車道縁切りとは、元々車椅子ユーザーのために作られた歩道の段差解消措置が、結果的にベビーカーやスーツケースを持つ人々にも便利になったように、AI エージェント向けに最適化されたドキュメントは、人間開発者にとっても読みやすく、理解しやすくなるという相乗効果を生みます。

開発者の役割が変われば、それに関わる支援職の役割も変わらなければなりません。これからは、人間への共感だけでなく、機械への共感と理解を深め、両者を繋ぐ「エージェント・アドボケート」が不可欠です。

まとめ

AI エージェントの普及は、B2B ソフトウェア市場における顧客獲得チャネルと評価基準を根本から変えています。企業は従来のマーケティング施策に加え、エージェントが認識しやすい形式での技術文書整備や、機械による自動テスト環境の構築を戦略的課題として捉える必要があります。開発者支援職は、人間への教育から、AI 時代における「エージェント・アドボケート」へと進化し、新しいユーザーである AI と人間の両方を支える役割を果たすべきなのです。