- 最近、専門的なコーディング作業にAIツールを使ってみた方がいれば、ぜひ経験を共有してください
- どのツールを使いましたか？
- 何が効果的で、その理由は何でしたか？
- どんな困難に直面し、どう解決しましたか？（解決したならですが。）
- 他の人がその経験から学べるよう、**十分な文脈（技術スタック、プロジェクトの種類、チーム規模、経験レベル）**もあわせて教えていただけるとありがたいです
- 目標は、2026年3月時点のAIベース開発の実情を、誇張なしに客観的に把握することです
Hacker News の回答まとめ
AIが生成した文書とコミュニケーションの問題
- 管理職がClaudeで50ページ分の設計文書、PRD、スライドデッキを生成し、「すぐレビューしてほしい」と送ってくるが、作成者本人も読んでいない状況が発生
- 一部の社員は延々とスライドを生成し続ける一方で、具体的な質問には答えるのを避けるという振る舞い
- 以前なら30分で解決したDB性能問題（GSI追加など）が、AI生成の37ページ文書（説明、緩和策、計画、レビュー、リスク、デプロイなど）のせいで1週間かかる事例
- AI生成コンテンツを送ると、受け手もAIで要約するという**「AI対AI」コミュニケーション**のパターンが登場
- 「概念 → LLMによる水増し → LLMによる要約 → 受信者」という流れの中で、伝言ゲームのように文脈やニュアンスが失われる危険
- 片方が低品質なコンテンツを大量に出し、相手には丁寧なレビューを期待する非対称な期待は無礼だという指摘
- フリーランスのクライアントがAIで過度に精巧な仕様書を送ってくる一方、実際には30行のCSVテーブルを求めているという乖離の例
職場環境での否定的な経験
- 上位の開発者がAIであらゆるものを作った後、整理作業を下位の開発者に押し付ける構図
- AI生成コードがメインプロジェクトのAPI設計に従わず、不要なエラー処理やパースコードを大量に含む
- 整理に1週間以上かかったが、元のチームならほぼ即座に成果を出せたため、かえって遅く見えるという逆説
- ある大手上場企業では、1年以内にコードの100%をAI生成にする目標を掲げ、反対したあらゆるレベルの社員を退職させた
- コード品質より機能リリース速度を最適化する文化では、品質改善に取り組むエンジニアが「非効率」と見なされる構造的問題
- チームメンバーが数週間前のコードをClaudeに入れて完成したかのように提出したが、ビジネス要件の誤りや深刻なバグを多数含んでいた
- AI利用が義務化された環境では、コードレビューの負担が急増し、質の低い数千行のPRを毎日レビューしなければならない状況
- 「好きだったものをすべて奪われ、嫌いだったことだけが残った」という表現
FAANGおよび大企業での経験
- FAANG勤務者: 業務ではコミット可能な成果を一度も得られていないが、個人プロジェクトでは10倍の速度向上
- 大規模コードベースの独自フレームワークやライブラリが学習データにないため、モデルの可視性が限定的
- チーム内で成功事例を個人的に知っている人が実質的にいない
- Amazonエンジニア: Kiro（AWS独自ツール）とOpus 4.6を使用し、業務で2〜4倍、サイドビジネスで10倍以上の生産性向上
- コード作成だけでなく、データ分析、デバッグ、デプロイループ管理にも活用
- 従来なら1か月かかった機能を2週間で実装 — 二度と使わない細かな技術の学習時間を節約できることが核心
- Amazonの障害に関して: 報じられたAIコード禁止は事実と異なり、障害中のAI関連は古い社内Wikiに基づく助言1件のみ
- Microsoftエンジニア: GitHub Copilot経由でOpusを無制限利用、作業速度は上がったが期待値が過剰に上昇（2週間 → 2日）
- 大企業のR&D: バグ追跡や使い捨てのロギングコード生成で最大の価値、プロトタイピング速度も劇的に向上
- ただし、実装コストの低下により**「何を作るか」の競争が激化**し、より速い思考と明確な判断が必要に
前向きな経験と生産性向上の事例
- 10年経験のエンジニア、小規模チーム: 100K DAUのコンシューマー向けアプリを3人で構築・維持、以前なら10人必要と見込まれていた
- バグリストがなく、コードベースは2人がほぼ全体を理解、リファクタリング頻度が大幅に増加
- Simon Willison: 2025年11月以降、ほとんどのコードをエージェントで記述、iPhone上のClaude Codeでも作業
- 数年構想だけで止まっていたプロジェクトを数時間で実装し、単独開発者の可能性を再評価
- Claude CodeでGoアプリを書きながら、浸透的な学習で新しい言語を習得
- 熟練フリーランサー: Claude Code使用後、Terraformは95%の精度、データ処理プロジェクトでは5倍以上の速度
- 「できなかったことが今はできるようになり、難しかったことが簡単になり、簡単だったことは速くて簡単になった」
- 小規模ゲームスタジオ: 社内ツールやワークフロー改善に活用、アイデアに近いほどAIコーディングは効果的
- 小規模ブルワリーの経営者: 帳簿の自動化（16時間/月 → 3時間）、生産・販売レポート、報酬追跡アプリなど5個以上の社内ツールを構築
コードベース理解とデバッグでの活用
- 大規模・レガシーコードベースで、**「このテーブルを触る関数は何があるか？」**のような質問に効果的
- 巨大モノリスの探索: 「APIエンドポイントの認証方式は何種類あるか？」という質問に、5分で4種類を見つけて要約
- デバッグ: 複雑な正規表現がマッチしない理由の把握、スタックトレース分析、ログ分析に優れる
- 不慣れなコードベースへのオンボーディング時間が数日から数分に短縮
- 「インドや東欧の同僚に質問して一晩待っていた」過程をAIが完全に代替
コード品質と保守性への懸念
- AI生成コードの一貫した問題: 不要な複雑さ、過剰なエラー処理、重複ロジック、既存関数の未活用
- 保守が必要なコードは、自分で書いた方が長期的には速い — AIコードは後で直す際のメンタルモデルがない
- ClaudeがHTMLサニタイザーをカスタム正規表現に置き換えようとした事例 — テストは通るがセキュリティ脆弱性あり
- 認証付きAPIを作る際に、誰でも新しいAPIキーをPUTできるルートを追加してしまった事例
- AIはコードベースの複雑さを減らす能動的なリファクタリングをほとんど行わず、ロジックの重複、不要な抽象化、依存関係の循環を蓄積し続ける
- 200K LOCのコードベースを99.5% AIで書いた事例もあるが、厳格なTDDと全行レビューが前提
スキルの劣化と心理的影響
- 「自分の怠け方をよく知っているので、スキルが劣化する」— AIコード生成をまったく使わない選択
- ある同僚は6か月前にAI依存を認め、中断しようとしているが、薬物依存のように簡単に手が伸びる
- ジュニア開発者がこの1年でますます奇妙なMRを提出するようになり、AI利用の痕跡が見つかった
- シニアエンジニア: 「コーディングスキルが劣化しているのは分かるが、コーディングが本当に自分の好きだった部分なのか確信がない」— 設計やアーキテクチャにより多くの時間を使う
- 個人プロジェクトではAIで10倍速く作れるが、「自分が作ったものではない」ためつながりを感じられず、完成までの動機が失われる
- 「AIは好きだった部分をうまくこなし、嫌いだったり疲れる部分により多くの時間を使うことになる」— 全体的なストレス増加
- 3年目のエンジニア: AIが90%をこなせても、残り10%をやるにはその90%のメンタルモデルが必要で、それは自分でコーディングしてこそ形成される
効果的なワークフローとベストプラクティス
- 仕様 → 計画 → 批評 → 計画改善 → 実装の流れが最も高品質な成果につながる
- Plan Modeを活用してから実装し、実装後は同じモデルでコードレビューも追加（別セッション推奨）
- AGENTS.md / CLAUDE.mdファイルでコーディングスタイル、パターン、禁止事項を文書化 — セッション終了時に更新
- エージェントに自己デバッグ・検証能力を持たせる: テスト実行、ログ確認、スクリーンショット検証など
- 制約条件を事前に明示（「標準ライブラリのみ、新規ファイルなし、50行以内」）すると、結果品質が劇的に向上
- 複数エージェント間で状態ファイル（mechanical ledger）を運用: コミット、テスト、パッチ失敗を記録し、新しいセッションがメモリではなく実際の状態から文脈を再構築
- Git worktreeを活用し、複数作業を並行して進めつつコンテキストを分離
非技術職とAIの拡張
- PM / オペレーションディレクター: プログラマー不在の小規模企業で、この1年で12個の社内ツールを構築し、開発概念を驚くほどの速さで習得
- 非技術系共同創業者: 機能するプロトタイプは作れるが、本番レベルへの移行にはエンジニアが必要 — ペアプログラミングは設計文書より生産的
- 非技術系マネージャーがMS Copilotで生成したESRI Arcadeコードのデバッグに3時間のペアセッションを投入 — 「AIデバッグ専門家」という新たな請求可能業務が台頭
ドメインごとの差
- Web / API開発: A評価、アーキテクチャからパッケージ互換性のデバッグまでフルスタックで効果的
- Unity / ゲーム開発: C-評価、シーングラフ・コンポーネントモデル・ハードウェア依存動作を理解できない
- 医用画像: 専門知識不足で失敗、性能最適化提案が実データではすべて改善失敗
- Rustアプリケーション: グリーンフィールドのPython / Webでは有効だが、100K LOC未満のRustアプリではエージェント型ワークフローが非生産的
- 信号処理、組み込み、HPC: ハルシネーション頻度が高く、外部の未文書化APIを扱う作業では事実上無力
- C++グラフアルゴリズム: 結果が極端に非線形 — 一発で当たるか完全に失敗するかで、中間がない
業界展望と懸念
- 「5〜7年以内にCEO / CFOレベルのAI盲信が、深刻な人材不足と給与3倍上昇につながるだろう」という見方
- 「中間層が空洞化し、方向付け・調整・実行を担う少数のシニアだけが残る」という懸念
- AIが再帰的自己改善の段階に入りつつあり、6か月後にどこまで進むか予測不能
- MIT論文でモデルの幅（width）スケーリングの限界が確認され、学習データ枯渇と合成データ品質低下の問題
- 「全員が失業するか、大規模な市場崩壊が差し迫っているか、その両方か」— 興味深いが不安な時代
- フリーランス市場: 長期関係ベースのフリーランサーはまだ減速を感じていないが、単発の小規模作業はAIに置き換えられる可能性
AIを使わないという選択
- LLM利用以前にも同僚の既存自動化はあったが、AIは愚かなジュニアの面倒を見る感覚で興味を失った
- 「どんな問題も解決せず、新しい問題だけを導入する罠」— 自分の作業でのAI利用を方針として禁止
- ロボティクス分野: C++とPythonを使用、AIコーディングを試すと半分だけ動くガラクタしか出てこず、自然言語で説明すること自体が苦痛
- 自分でコーディングすることで、コードアーキテクチャと技術的将来を考える過程には決して委任できない価値がある
1件のコメント
Hacker Newsの意見
最近いちばんつらいのは、マネージャーたちがClaudeで50ページもの設計文書やPRDを作って「レビューお願いします」と送ってくること
誰も読まず、書いた本人すら理解していない。延々としたスライドデッキを生成する社員もいて、質問するとごまかす
しかも長いあいだコードを書いていなかった人たちが、AIのおかげでまたコードを提案してくるが、変なアイデアが多い
自分は本番コードは手で書き、AIはバグレビュー用にしか使わない。単純な負荷テスト用スクリプト程度ならAIに任せる
チームの雰囲気のせいでもあるが、AIのせいで仕事が本当に退屈でしんどくなった
大きな機能を実装していたら、同僚たちが自分の昔のコードをClaudeに入れて「完成版」として持ってきた
出てきたものはビジネス要件が間違っていてバグだらけだった。自分のコードを改善しようという意図は良かったが、「Claudeが仕上げてくれる」という態度は侮辱的だった
もはや「分からない」と言う自由すらない。プロンプト1行で答えが出るから、バックエンド開発者がフロントエンドまで抱え込むことになる
会社ではAIのおかげで仕事が終わりのない後始末に変わった
上位の開発者たちがAIで作ったコードを自分に渡してきて、自分はそれを整理するのに苦労している
たとえばあるチームが作った機能をメインのコードベースにマージしなければならなかったが、API設計がまったく合っておらず、不要なコードが山ほどあった
結局1週間以上リファクタリングで足止めされ、そのせいでむしろ自分の仕事が遅いように見えた
一方で個人プロジェクトでは、AIのおかげで素早く実験して学べる楽しさがある
ただ会社では、中堅レベルの開発者が消える未来が見える。リーダーとジュニアだけが残り、その中間層はますます減っていきそうだ
自分はAIをまったく使わない。自分の怠け方の癖をよく知っていて、使い始めたら実力が衰えると分かっているから
同僚の一人はすでにそれを実感してコード生成をやめたが、便利すぎて中毒のようだと言っていた
別の同僚はAIコードが保守に向かないと感じてやめた。代わりに質問用にだけ使っている
あるジュニアは逆に実力が後退した。AIが書いたコードの構造がそのまま表れている
急ぎのときにAPIリファレンス用として少し使うだけ
ただ、AIが作ったコードを保守できないという主張は論理的に納得できない。気に入らなければ再生成すればいい
実際、AIがフレームワーク全体を書き直した例も見た
エンジニアの価値は理解力にある。理解のない自動化は人的資本の劣化だ
自分はAmazonのエンジニアで、社内のKiroハーネスとOpus 4.6を使っている
生産性は会社では2〜4倍、サイドプロジェクトでは10倍以上向上した
以前は残業しないと無理だったが、今は9–5勤務でもより多くの機能を出せる
AIは単なるコーディングだけでなく、デプロイ自動化、データ分析、デバッグにも役立つ
たとえばコード修正後にgamma環境へデプロイし、CloudWatchログで検証するループをAIが代わりに回してくれる
そのおかげで2週間で1か月分の機能を完成させた。SWEが真っ先に自動化されるという話は理解できない
LLMには限界があるが、今のレベルだけでもソフトウェアエンジニアリングの勢力図が変わりつつある
ただしAIが作る低品質コードの激増は心配だ
自分はFAANGで働いている。業務ではAIはほとんど役に立たない
設計文書の要約やコード検索くらいしか使い道がない。実際に動くコミットを受け取ったことはない
周囲でもうまく使えている人を見たことがない。
ただし個人プロジェクトでは、小さな新規作業なら間違いなく10倍速い
会社のコードベースが大きく複雑すぎるせいだと思う
95%は完全に動き、問題が起きそうな箇所も予測できる
同僚がデータサンプリングを頼んできたときも、その場で解決した
昔なら数時間かかった仕事を会話の最中に終えられる
できなかったことはできるようになり、難しかったことは簡単に、簡単だったことはさらに速くなった
プロトタイプ作成は速くなり、LLMがAPI設計の欠陥を指摘してくれたこともある
ただ、あまりに速いコード生成はレビュー速度を超えてしまうので、小さな単位で生成するのが重要だ
テスト修正や外部ビルドエラーの追跡にも大いに助けられている
今ほど楽しく働けたのは久しぶりだが、同時に雇用不安も大きい
だから結果が不正確なのは当然だ
大手テック企業で働いているが、コードベースが巨大で複雑だ
最初はAIに後ろ向きだったが、今ではコード探索と構造理解に大いに役立っている
昔なら数日かかっていた分析をAIが代わりにやってくれる。
コード生成は主にボイラープレート軽減用にしか使わない。品質は低いが、全部手で書くよりは少し速い
個人プロジェクトでは大きな違いはないが、ChatGPTと対話しながら思考を整理するのは好きだ
結局は人が文脈を理解して検証することが重要だ
長くフリーランスをしているが、AIは生産性にほとんど役立たない
クライアントに出すコードをレビューすると、いつも不要な複雑さ、性能問題、保守リスクがある
もちろん簡単な自動化作業には使えるが、全体としては手間のほうが増える
早く終わったと言うと品質を疑われ、モデル使用料まで負担しなければならない
結局一日中ターミナルと格闘する羽目になる。それでも見た目のいいTUIはたくさん生まれている
自分にとってAIは利益より損失のほうが大きい
コードレビューや検索には良いが、実際のコーディングではいつも書き直しになる
できあがるものは、まるで試験に通ることだけを狙う学生が書いたコードのようだ
「今度こそうまくいくかも」と試してみるが、結局時間の無駄になる。JavaScriptフレームワークの流行のときと似た感覚だ
問題はコード品質が本当にそんなに重要なのか、という疑問だ。
十分にモジュール化されているなら、品質の低いモジュールは再生成すれば済むのだから
だからこそ余計に不安になる。もしかすると本当に、私たちはもうすぐ置き換えられるのかもしれない
驚いたことに、HNの空気がAIに悲観的なのは意外だった
自分は10年目のエンジニアだが、Twitterで言われていることの半分は本当だ
うちのチームは3人で10万DAUのアプリを維持している。以前なら10人必要だった仕事だ
バグリストもなく、コード品質も手書きのときより悪くない
リファクタリング頻度はむしろ増え、速度は爆発的だ。本当に満足している
ただ今はコードを追加し続けるだけで複雑さが爆発する危険がある
それでも6か月後には完全に違っているかもしれない。今は面白くもあり、同時に怖くもある
だが小さなチームほどAIで爆発的な生産性を出している