近年メディアや世論で顕著な傾向として、現在のAIの状況を「誰もが自分でソフトウェアを作れる時代」として描くものがある。
過去2年間で、コード生成向けの大規模言語モデル（LLM）はプラットフォームやエージェント・フレームワークへと進化し、ますます有能なソフトウェアの協働者として振る舞うようになった。
Claude（クロード） Code、OpenAI Codex、GitHub Copilot、Google Antigravity、Lovable、Replit、Cursorといったツールが、白紙の画面から動作するプロトタイプに至るまでの時間を劇的に短縮してきたことは否定できない。これは正式なプログラミング経験がほとんどない個人にとって魅力的で、その多くがいまや自作アプリケーションの構築で成果を示している。
しかし、マネジャーが「ソフトウェア開発はもはやほぼゼロコストで実現できる」あるいは「実践や追加スキルは不要になった」と結論づけるのは誤りだ。
デモの罠
AI支援コーディングの主な誤解のひとつは、一部で「デモの罠」と呼ばれるもの、すなわち残作業量の「知覚」と「実際」のギャップである。
確かに、ランディングページや単純なゲーム、小規模な個人向けアプリなら、いくつかのプロンプトで作れてしまうかもしれない。その結果は多くの場合、印象的だ。なぜなら（a）3年前には不可能だったことであり、（b）こうした事例は通常、スコープが限られ、要件が明確に定義されているからである。
しかし、これらのケースは、ビジネスアプリやエンタープライズソフトウェアの複雑さを反映する指標としては不十分だ。
そうしたケースでは、コードベースが大きくなるにつれ、追加のプロンプトによる生産性の向上は逓減していく。一定のコード規模やコンポーネント数（データベース、API、クラウドサービスなど）を超えると、AIモデルは文脈や詳細を見失い始める。そのとき、まさに人間の開発者が、構築対象について具体的で深い知識を保持し、モデルを成功へ導くための文脈を提供する役割を担うことになるのだ。
技術スキルは不要──必要になるまでは
それでも、AIはこの労力をすべて自然言語のレイヤーにとどめる、と主張することはできるだろう。しかし、それはタスクが明確に定義され、生成されたソリューションが期待通りに動作する場合に限られる。
筆者らの研究と、ソフトウェア・プロトタイピングの授業を教えてきた経験によれば、AIが失敗したとき、ユーザーはしばしば技術レイヤーに引き戻される。エラーメッセージを読み、コードを検査し、依存関係を理解し、ターミナルコマンドを実行するといった作業だ。
したがって、ソフトウェア構築を始めるのに技術スキルはもはや必要ないかもしれないが、プロジェクトが「ハッピーパス（順調な経路）」を超えて進むとき、その欠如はリスクとなる。
アラインメントのギャップ
さらに、AIはコード記述の摩擦を明確に減らす一方で、別の摩擦を持ち込むことが知られている。
LLMの登場以前から存在する摩擦のひとつが、「アラインメント問題」だ。この概念は、AIシステムが設計時に想定された人間の目標（および価値観）にどれだけ準拠できるかを指す。AIシステムはあらゆる望ましい挙動を明示的にプログラムされるのではなく、データによって訓練されるため、モデルが学習した目的は設計者の意図と食い違うことがある。特に、未知の状況や曖昧な指示のもとで動作する場合にそれは顕著だ。
AI支援コーディングにおけるアラインメント問題は、生成されたコードが組織の目標、アーキテクチャ上の制約、品質基準、想定されるユーザー行動を反映しているかを確保する形で現れる。
アラインメントを担保するには、詳細な仕様やビジネス上の文脈を提供する、自動テストを組み込む、重要な判断について人間の監督を維持する、といった措置が必要となり、いずれも相応の労力を要する。
アイデアのボトルネック
そしてたとえ将来、コーディングエージェントがこうした問題の多くを自動で解決するようになったとしても、組織はAI分野の先駆者アンドリュー・ンが「プロダクトマネジメントのボトルネック」と呼ぶ課題に直面することになる。
すなわち、理論上どんなアイデアも低コストで実装可能になった場合、ソフトウェア開発における新たなボトルネックは、「どのアイデアに投資する価値があるか」を判断することになる。問いは「作れるか」から「なぜ作るべきか」へと移るのだ。
このシナリオにおいてさえ、ビジネスドメインの知識、細部への厳密さ、デザインへの感性といった能力を持つ人は、いくつかのプロンプトで世界を変えられると思い込む人よりも、概して優れた成果をあげるだろう。
自動化が難しいスキルとして、起業家でデータサイエンスの専門家であるヒラリー・メイソンは「問題について考え抜く粘り強さ」を挙げ、AI時代においては「センス（taste）が重要だ」と強調している。
まとめ──品質はタダではない
ランディングページのプロトタイピングは午後のうちに終えられるかもしれない。しかし、ユーザーに愛される魅力的な製品を作り、セキュリティやデータガバナンスの基準を満たすことは、そう簡単にはいかない。
マネジャーは、ソフトウェア開発がより多くの従業員にとって身近になることを歓迎すべきだが、最終的にはそのコストを理解し、新たな組織的課題に立ち向かう備えも必要となる。AIが生成したこれらのアプリケーションの棚卸しと保守は誰が担うのか。セキュリティ、コンプライアンス、アーキテクチャ標準はどう徹底すべきか。数百もの分断されたツールが生まれるのを、企業はどう避ければよいのか。これはGPTsのような特定の領域で一部の組織が探り始めている問いだが、ソフトウェア全般に広げるとその複雑さは格段に増す。
