ヨハン・ラジリ氏は、AI エージェントが新プロジェクトでは成功してもレガシーシステム（ブラウンフィールド）で失敗する理由として、エージェントの直感と実際の環境の乖離を指摘しました。 この課題を解決するためには、単なるコード生成ツールではなく、スクリーンショットやログ取得、サービス再起動などを実行できる独自の CLI ツール（Spoolside）のような検証環境を整える必要があります。 2025 年以降の開発者は、製品機能の実装よりも、AI が自律的に動作・検証できるインフラを構築する「AI インフラエンジニア」としての役割が重要になると説いています。
「AI エージェントは盲目か」という問いに対し、単なるツール導入ではなく、開発プロセス自体を AI に最適化するインフラ設計の重要性を説く貴重な議論です。実務で AI を活用している開発者にとって、明日から取り組むべき具体的なアクションプランが示されています。
- 01
ブラウンフィールドとグリーンフィールドの差
新プロジェクトではエージェントの直感が機能するが、レガシーシステムでは予期せぬコードやデッドエンドが存在し、結果に大きな差が出る。
- 02
信頼性の鍵はフィードバックループ
エージェントが自己検証できない限り「動作している」という主張は不十分であり、実際のログや状態を確認するループが必要。
- 03
独自の検証ツール（Spoolside）の構築
スクリーンショット取得やログ抽出、サービス再起動を自動化する CLI ツールを作り、エージェントに人間同様のテスト能力を持たせる。
- 04
開発者の役割転換：AI インフラエンジニアへ
製品機能の実装から、AI が自律的に検証・実行できる環境を整えるインフラ構築へと開発者の焦点が移行する必要がある。
この動画は、生成 AI が単なるコード補完ツールから自律的な開発エージェントへ進化する過程で直面する「信頼性の壁」を明確に示しています。企業や開発者は、AI の出力を検証するための専用インフラ（テスト自動化、ログ可視化、環境制御）を整備することが、次世代の生産性向上とリスク管理の必須条件となることを認識すべきです。