コードを書くのがエージェントになると、ソフトウェア工学は何が変わるのか?

コードを生産することはボトルネックではなくなります。代わりに、求めるものを正確に仕様化すること、エージェントが返したものを検証すること、納品したものに責任を負うことがボトルネックになります。

外部の2つの測定が問題の輪郭を示しています。2025年のStack Overflowの調査では、開発者のAI利用率は84%で、正確性を信頼しない人が46%、信頼する人が33%、「ほぼ正しいが完全ではない」解決策を経験したという人が66%でした。また、2025年7月のMETRの対照試験では、成熟したプロジェクトに取り組む経験豊富な開発者がAIを使うと19%遅くなりましたが、本人たちは20%速くなったと思っていました。そのため、この診断では観察可能な実践を問います。

これらは、ソフトウェア企業向けのFAROLの運用流暢性診断の骨格です。それぞれが、エージェント以前には存在しなかった、または重みを持たなかったエンジニアリング上の判断に対応しています。

• コンテキストをどう管理するか:モデルのウィンドウに何を入れ、何を外すか。
• 可変コストであるトークン消費をどう管理するか。
• 入力となる成果物になった良い仕様をどう書くか。
• エージェントのharnessをどう設計するか:ツール、制限、実行環境。
• あるエージェントが他を調整する場合に、エージェントを階層的にどうオーケストレーションするか。
• 誰も入力していないコードの品質をどう保証するか。
• 同じ入力が同じ出力を返さないため、非決定性にどう対処するか。
• リアルタイムのペア作業とバックグラウンドへの委任のどちらを選ぶか:人がセッションにいてすべての手順を見るのか、エージェントが結果を返すまで単独で動くのか。
• 新たな攻撃対象であるプロンプトインジェクションからどう守るか。
• 体感ではなく実際の生産性をどう測るか。
• ローカルで動かすものと、マシンの外に出るもの。
• 作業の大半があるレガシーコードにAIをどう統合するか。
• 実験から本番まで、エージェント型のライフサイクルをどう組織するか。
• 生成を委任するときに人間の技能をどう維持するか。
• それを軸にチームをどう再編するか。

人間の技能をめぐる問いには、背景となる立場があります。グループの作業仮説は、コード生成を任せると技能形成に代償が生じ、その影響は学び始めたばかりの人ほど大きい、というものです。能力の蒸留を拒むことは、そこではプロダクトの要件として扱われています。

エンジニアリング領域の診断であるFAROL Softwareを使います。企業を4つの系統(技術的基盤、エージェント層、品質とリスク、組織と人)で測定し、FAROLの264項目のマスターバンクと照らし合わせます。

• 仕組み:自己回答式で、所要時間は15分から60分です。マッピングのための質問(語彙と概念の一覧)が37問あり、任意で、企業が各概念を実際にどう運用しているかを問う実践の質問が77問加わります。1画面に1問、0から4の尺度で、結果は系統ごとのスコア、レーダーチャート、次のステップとして示されます。
• 由来:CIn-UFPEの研究を、組織成熟度のプラットフォームとの提携のもとで進めたものです。Anthropic、OpenAI、Google、IEEE、ACM、Linux Foundation、ブラジルの事例を含む60以上の情報源を統合しています。
• 現在の状態:バージョン0.1で、MVPと明記されています。

エージェントの測定は人の測定とは異なります。作業の痕跡はツール側にあり、ツールごとに記録される内容が違うためです。エージェントとのやり取りのテレメトリに関するベンチマークは、観察ツール(Claude Code、Codex、Cursor、Copilotなど)をオープンにまとめたもので、機能の一覧ではなく、各ツールが見落とすものによって比較します。

https://telemetria-interacao-agentes.vercel.app

同じ考え方は教育にも適用されています。Giordano Cabralが担当する科目Tendências em Mídia e Interação(メディアとインタラクションの動向)のシステムであるHiper Deep Researchでは、テレメトリが、ふるい分けた各項目に費やした時間を記録します。評価の対象はプロセスであり、500項目を読んだことは最終成果物には現れないためです。このシステムはbuildもフレームワークも使わずに書かれ、ネイティブのESモジュールとSupabaseを基盤としています。一意性の規則(1つのツールは、1単元につき1人の学生に属する)は、データベース上の複合主キーとして実装されています。

Arsenal of Toolsは、ツール、CLI、MCPサーバー、モデル、API、そして「真珠」を集めたオープンなカタログです。汎用のアシスタントが定番を優先して省きがちなlong tailを対象としています。自分自身、学生、実務者が使うために生まれました。

2026年9月18日時点で、バージョン3.7は320,483件を収録していました。内訳は、1,483のカテゴリ、174,869のタグ、102の国、23,197のCLI、8,554のMCPサーバー、80,506のHugging Faceモデル、24,919のAPI、28,678件のソーシャルメディア上の発見で、632のオープンなリスト、マーケットプレイス、ニュースレター、雑誌から集めています。

検索はブラウザ上で実行され、クエリごとのモデル呼び出しはありません。広告も追跡もありません。

アシスタントのセッションを多数並行して使うと、ウィンドウを切り替えるたびに、すでに決めたことの理由が失われます。Cabralが採用している方法は、デカンテーションのプロトコルです。決定ごとに1つのファイルを作り、理由、却下した代替案、守られているかを確認する方法を記します。このプロトコルは、AI自身が作業の情報源から編纂する知識ベースに基づいており、会話ではなく、概念、プロジェクト、人によって整理されています。2026年9月3日の調査時点で、この知識ベースには958の情報源、38の概念、32のプロジェクト、180人、24の組織があり、取り込みは1日4回行われていました。

この知識ベースは作業用であり、公開されていません。公開されているのは方法とツールです。mad (MultiAgent Decanting)はMITライセンスのプラグインで、決定の記録を組み込んだ形でエージェントのチームを動かします。同じくオープンなプラグインのマーケットプレイスで配布されています。

• https://github.com/giordanorec/multiagents-decanting
• https://github.com/giordanorec/ai-coding-tools

skillとしてパッケージ化します。これはMarkdownのファイルで、どのアシスタントでも読み込め、作業を説明するのではなく、手順に沿って進めます。使用中の例が3つあります。

• Projetão para a era da IA — 2002年にCIn/UFPEで作られたイノベーション・プロジェクトの方法論を、10のクエスト、13のマイルストーン、20の読書対象の著作に再構成し、Claude、ChatGPT、Cursor、Copilot、Codex、Gemini の中で動かせるようにしたものです。各クエストはAIの使い方のモードを明示しています。支援なし(フィールドワークとインタビュー。意図的にそうしています)、支援あり(AIが批評し、指摘する)、共同制作(AIが生成し、人が検証して責任を負う)の3つで、クエストの色は最も制限の厳しいモードを示します。
• Acervo de Teorias Acionáveis — 経営理論を2つの層で扱うものです。説明する教材と、実行する持ち運び可能なスキル(skill)です。3つの理論、3つの完成したスキル、データベース上の368冊の書籍が掲載されています。最も充実して公開されているモジュールは、7つのモジュールからなるRunning Leanで、ダウンロード可能な.skillファイルが付いています。
• 学生たちのスキル。Tendências em Mídia e Interação(メディアとインタラクションのトレンド)では、各学生がスクリプトで検証される4つの要件を満たす自分専用のリサーチ用スキルを作り、AIが誤った箇所とその誤りにどう気づいたかの記録も合わせて提出します。

Giordano Cabral は、生成AI以前からソフトウェアを開発してきました。2000年に、CInでの修士論文のシステムから Daccord Music Software が生まれ、Recife BEAT でプレインキュベーションを受け、製品は国際市場で販売されました。Lattes の履歴書には93件のコンピュータプログラムが登録されています。

全リストは www.cin.ufpe.br/publicacoes/ に、現在稼働しているシステムは www.cin.ufpe.br/projetos/ にあります。