月収数万円のプログラマーは、AIに取って代わられるのか？
TechFlow厳選深潮セレクト
月収数万円のプログラマーは、AIに取って代わられるのか？
補助から独立したコード作成へ、AIコードは工学レベルの「協働」コーディングツールへと進化しました。
Web3業界の深掘り報道に専念し潮流を洞察
画像出典：無界AI生成
プログラマーが生み出したAIが、最初に代替するのはプログラマー自身である。
「大規模モデルのコーディング能力は、すでに高スキルのプログラマー（月給数万元）レベルに達している。」アリババクラウドのクラウドネイティブアプリケーションプラットフォーム責任者であり、通義霊碼責任者の丁宇氏は光錐インテリジェンスに対し述べた。
実際、AIコードツールは新しいものではなく、前回の人工知能ブームの時期からすでに実用化が始まっていた。
しかし以前は、「AIコード製品は補助ツールにすぎなかったが、現在では複雑なプロジェクトや長文コンテキストの編集、シンプルなコード作業を独立して行えるようになった。」商湯科技傘下のAIコード製品「小浣熊ファミリー」の技術責任者・張涛氏は光錐インテリジェンスに対し語った。
補助から独立したコード作成へと進化し、AIコードはエンジニアリングレベルの「協働」コーディングツールへと成長した。
このため、ますます多くの企業がAIコードツールを活用して開発のコスト削減と効率向上を図っている。2025年以降、AIは中級プログラマーさえも置き換える可能性がある。
Meta創業者のザッカーバーグ氏は最近、「2025年にはAIが中級ソフトウェアエンジニアのプログラミングレベルに到達する」と述べており、2025年から中級ソフトウェアエンジニアの業務自動化を開始し、最終的にはすべてのアプリケーション開発業務をAIにアウトソーシングすると表明している。
これは誇張ではなく、現在企業におけるAI生成コードの浸透率はすでに驚異的な水準に達している。
たとえばGoogleでは25％を超える新規コードが人工知能によって生成されており、科大訊飛社内でのAI生成コード採用率は2023年10月の30％から2024年6月には52％に上昇し、単体テストの行カバレッジも30％から50％に向上した。
AIコーディング分野が大規模モデル応用で最も注目を集める分野の一つとなっている理由は、「AI Coding（人工知能によるプログラミング）が大規模モデルの実用化において最も頻度が高く、必須かつ確実性の高いシナリオであり、PMF（プロダクトマーケットフィット）が証明された領域だからだ。」と丁宇氏は光錐インテリジェンスに語った。
そのため、ますます多くの企業がAIコーディング分野への参入を始めている。マイクロソフト、Google、AWS、アリババ、百度といった先進的テック企業がその先頭に立っている。だが、これほど多くの同種製品が存在することで均質化競争が生じており、今後どのように差別化を図り、真の意味での大規模商業化を実現できるのか？
補助から共同作業へ――AIは本当にあなたのプログラマ同事になった
2024年8月、米国の大手企業Cloudflareの副社長Ricky Robinettの娘であるわずか8歳の少女が、45分間でチャットボットを開発し、180万人以上のネットユーザーの注目を集めた。
彼女が使用したAIコードエディタ「Cursor」も一夜にして話題となり、再びAIコーディング分野が業界の焦点となった。
世界的に見ると、PitchBookのデータによれば約250のスタートアップがAIコーディングアシスタントをリリースしている。中国国内でもアリババ、百度、テンセント、字節跳動などのインターネット大手、科大訊飛、商湯科技といったユニコーン企業、さらにはAI大規模モデル系スタートアップの智譜AIなども次々と関連製品を投入している。
AIコード製品が雨後の筍のように登場している背景には、大規模モデルの進化がAIコードツールの能力に本質的な向上をもたらしたことがある。
初期のAIコードツールは、プログラマーのコメントに基づいてコードの自動補完を行うことや、コード記述中にエラーを指摘するなど、簡単なタスクを主に行っていた。
大規模モデルの能力が向上するにつれ、AIコードツールが解決できる課題も増えており、「ある開発タスクを自主的に実行できるまでになっている。」と丁宇氏は語る。
例えば、大規模言語モデルは自然言語で人間の指示を理解し、プロジェクトのコンテキストに基づいて複雑なコーディング作業を自動的に完了できるようになり、フロントエンドとバックエンドの複数ファイルを同時に修正したり、スクリプトの実行、テストの作成、コードのデプロイなどを実施できる。
「当初、通義霊碼はコーディングアシスタントとして登場し、主にプログラマーの補助として、コードコンテキストに基づき自動的にコードを補完する形でした。」と丁宇氏は語る。「2024年末に通義霊碼は2.0版へとアップグレードされ、AIプログラマーとしての形態に移行し、協働型コーディングアシスタントとなり、人間のプログラマーと共同作業しながらプロジェクト全体を把握し、シーンに応じて複数ファイルの変更を行うことで、能力の飛躍的進化を遂げました。」
AIコードツールアシスタントからAIプログラマーへと進化したことで、前者ではコード生成の主体は人間だったが、後者では徐々にAIが主体となり、人間は主に監視と確認の役割を担うようになる。
「以前は主に人がコードを書き、AIは単純で予測可能で繰り返し作業を補助していましたが、現在では要件説明を通じて、AIが中程度の難易度のコード開発作業を理解し、プログラマーを支援できるようになりました。」と張涛氏も語る。
また、マルチモーダル大規模モデルや深層推論大規模モデルの進化により、AIコードツールの能力もさらに洗練されている。
商湯の「小浣熊ファミリー」に属する「オフィス小浣熊」製品は、大規模モデルによるデータ処理、データ分析、ドキュメント作成に加え、データ画像やPPTファイルの生成もサポートしており、これはマルチモーダル能力の総合的な体現である。
マルチモーダル入力も重要である。「多くのツール系製品において、言語による説明だけでやり取りすると、正確な要求の実現が難しくなります。内容をテキスト化する過程で情報損失が生じるからです。また、現在の大規模モデル自体が持つ意味理解能力の不足やハルシネーション問題なども、AIコードツールの能力限界を制約しています。画像や動画などの視覚的情報を直接大規模モデルに入力すれば、より効率的にタスクを完了できます。」と張涛氏は語る。
さらに、マルチモーダル大規模モデルにより、AIコードツールはテキストから画像生成、そしてコード生成までの一貫したフルスタック機能を実現できる。
ウェブサイト設計を例に挙げると、デザイナーがテキストから画像を生成する方法でフロントエンドのビジュアルデザインを作成した後、それを直接コーディング大規模モデルに渡して、ビジュアルデザインをフロントエンドインターフェースに変換し、さらにその機能に基づいてバックエンドコードを自動生成できる。
「現在、AIコーディングは複雑なタスクを完了でき、知識やスキルの不均衡を解消できます。例えばフロントエンドからバックエンドまで一括生成でき、従来のフロントエンド・バックエンドの人的分業と能力分離の協業モードを打破し、大幅な効率化を実現しています。」と丁宇氏は語る。「さらに生成後には、AIコーディングがプログラマー向けに自動的にテストを生成し、最終的にテスト修正済みの結果を返すことも可能です。」
ただし、AIがすでに一部コードを自主生成できるとはいえ、実際にはAIが生成したコードが一度で動作することは難しく、多数のバグが含まれることが多い。
浙江大学でAI専攻の博士課程在籍中の陳栄氏（仮名）は光錐インテリジェンスに対し、「複雑なコードには必ずバグがあり、ほぼ一発で通ることは不可能です。技術的論理から言えば、モデルはコーディングを翻訳タスクのように扱っており、出力されるのは一連のコードシーケンスですが、コードの実行環境などを十分に考慮していない可能性があります。」と語った。
この背景には主に二つの原因がある。一つは、多くの人々が自分の本当のニーズを正確に説明できないこと。多くのベテランプログラマーでさえ、コード作成中に何度も修正が必要な場合がある。
もう一つは、大規模モデル自体の意味理解能力の未熟さやハルシネーション問題などが、AIコードツールの能力限界を制約している点にある。そのため、「モデルのコンテキストウィンドウ内で大規模モデルが万行規模のコードを理解できるとしても、AIコードの能力限界は依然として明確に定義しがたい。」と張涛氏は語る。
人間のプログラマーが何度もコードを修正・テストするのと同じように、AIによるコード生成プロセスでも複数回のインタラクションを通じてコードのバグを減らすことができる。
丁宇氏は、「AIコーディングは一度きりで最終結果を生成するものではなく、大規模モデルとの多段階の反復的インタラクションによって完了します。大規模モデルと共同でコーディングする過程で、継続的な思考と推論探索が行われ、多段階の修正を経て正しい結果を得た後、自主的にテスト検証を行い、コードのデプロイまで実施し、ライフサイクル全体を通してタスクを完遂します。」と述べた。
現時点のAIコードツール製品にはまだいくつかの問題があるものの、ますます多くの企業がAIコードツールの導入を始めている。「安くて性能が良い」AIコードツールは、プログラマーのコーディング効率を高めるだけでなく、企業のコスト削減と効率向上にも貢献している。
大規模プロジェクトにおける“ネジ”として――AIがプログラマーの効率を10％以上向上
大規模モデルによるAIコードツールの進化により、プログラミングのハードルはさらに低くなった。
現在、AIが独自にプログラミングを実行できる主なシーンは三つある：
一つは個人向け生活系アプリなどの小規模製品；
一つはコンテンツ中心のウェブサイトで、コード量と難易度が中程度であり、AIが独自に実行可能；
もう一つはオフィス用途の製品で、Excelの編集やデータ集計などである。
実際の応用面を見ると、これらのシーンのコード量はそれほど多くなく、開発難易度も高くなく、プログラマーの知識要求も高くない。
つまり、AIコードツールは確かにプログラミングのハードルを下げ、コード能力を持たない人々でもプログラミングに触れ、独自に一部の製品機能を開発できるようになった。
しかし、AIコードツールがプログラミングのハードルを下げた一方で、プログラマー自身の能力上限を引き上げる必要がある。特に、より複雑なソフトウェア開発や大規模な企業システム開発においてはなおさらである。
フィンテック業界のプログラマー・肖肖氏（仮名）は光錐インテリジェンスに対し、「企業のエンジニアリングプロジェクトは、現状ではAIに完全に任せることは難しい。工程が多く、複数部門の協力が必要であり、AIは全体像を把握できないからです。」と語った。
明らかに、企業において大規模モデルが担当するのは主に面倒で退屈な作業であり、全体構想や創造的な作業は依然として人間のプログラマーが担わなければならない。
「プログラマーの仕事は小型プロジェクトを生成することだけではない。実際のプロダクションコードでは、プロジェクト全体のコンテキストが非常に複雑で、コード間の関係も錯綜しており、プログラマー自身もコード品質に対して一定の要求を持っている。」と張涛氏は語る。
つまり、企業のプログラマーにとってAIコードツールはあくまで補助的役割に過ぎないが、間接的にプログラマーの仕事能力の最低ラインを引き上げている。なぜなら、単純で繰り返しの作業は、AIがほぼ完璧にこなせるようになったからだ。
「もしAIに銀行の全業務を網羅する10万ファイルのコードを直接生成させようとしても、現時点でそれは不可能です。」と丁宇氏は認める。「現状では、企業の大規模プロジェクトにおいてAIコーディングは小規模タスクから始まり、ある特定の局面、例えば機能モジュールの実装や、百万行規模のコードベースにおけるセキュリティ脆弱性の検出などに焦点を当てており、AIはこれらにおいて非常に正確かつ迅速に処理できる。」
また、業界ではよく知られている通り、大規模企業のプロジェクトで最も恐れられるのはシステムの不確実性であり、システムバグが発生すれば、莫大な資源的・経済的損失を招く可能性がある。
そのため、丁宇氏の見解では、「大規模プロジェクトでは依然として人間のプログラマーがソフトウェア開発プロセスにおける不確実性を掌握しなければならない。例えばアーキテクチャ設計やドメインモデリングなどであり、確定済みの内容を分解して、モジュール開発、セキュリティ脆弱性の検出、テストケースの追加など、AIに確定的な作業を指示して実行させるべきだ。」
補助的な役割に過ぎないとはいえ、AIコードツールは開発者および企業に実際に効率改善をもたらしている。
アリババクラウドを例に挙げると、現在すべての技術スタッフが通義霊碼を使用しており、月間アクティブ率は82％を超え、毎日AIが生成するコードは総提出コード量の30％以上を占めている。このデータから概算すると、AIによる開発者の効率向上は約17.5％であり、割引を前提としても10～15％の間にある。
「そのため、私は企業の責任者と会うたびに、通義霊碼がエンジニアチームの効率を10％以上向上させられると伝えています。」と丁宇氏は語る。「つまり、100人のエンジニアが通義霊碼を使用している企業があれば、追加で10人のエンジニア分の生産性を創出できるということです。」
また、人間のプログラマーには細分化された専門分野があり、たとえばフロントエンドやバックエンドなどがある。バックエンドのエンジニアにフロントエンドの仕事をさせたい場合、大量の研修や学習が必要となり、即座に業務を引き受けることはできない。
しかし、AIコードツールがあれば、プログラマーはAIに尋ねるだけで、さまざまな言語やプラットフォームの開発知識を簡単に学び、すぐに業務に着手できる。「以前はプロジェクトの事前調査に2〜3週間かかっていたが、今は2〜3日で完了し、従業員の1→Nの能力拡張を実現できる。」と丁宇氏は語る。
もちろん、AIは人間のプログラマーが嫌がる繰り返し作業も支援できる。多くの開発者が創造性がないと考えるテストコードの作成なども、プログラマーにとっては避けられない作業である。
AIコードツールは、プログラマーのコードをプロンプトとして、自動的に単体テストを生成でき、開発者を真に解放し、彼らの集中力をより創造的な作業に向けることができる。
さらに、企業にとって顕在的価値の向上以外にも、隠れた価値がある。AIコードツールは、ソフトウェアシステムの高品質かつ長期安定を維持しやすくする。単体テストの補完だけでなく、セキュリティ脆弱性を自主的に発見し、修正提案を行うことで、品質向上と同時にプロジェクト納期の短縮も実現できる。
もっと面白いことに、現在のAIのコーディング能力は外部ツールを活用することで、徐々に中級プログラマーを追い越しつつある。商湯の小浣熊が搭載する基盤モデルの特徴の一つは、コードインタープリター能力を強化しており、モデルがコードの自主的なデバッグと反復処理を実行できるようにしている。
「複雑なプロジェクトでは、大規模モデルの推論だけでコードを生成しても、一発通過率は高くなく、通常20％以下である。」と張涛氏は語る。「一方、オフィス小浣熊はコードインタープリター方式を採用しており、日常的なグラフ作成などの機能では、コード通過率がすでに80％近くに達している。」
AIコーディング分野は分化期へ――細分化シーンでの革新が成功を決める
AIコーディングはすでにPMFが証明された実用化方向であり、これが多くのプレイヤーを惹きつけ、同質化した製品が多数登場している。
現在、中国市場ではインターネット大手、中小企業、大規模モデル系スタートアップを含む多くの企業がAIコード製品を投入している。アリババクラウドの通義霊碼、百度の文心快碼、字節跳動の豆包MarsCode、騰訊雲AIコードアシスタント、智譜AIのCodeGeeXなどがある。
AIコード製品は多数存在するが、各社が提供する機能には大きな差はなく、「現在の市場では均質化が深刻で、機能的にはほぼ同じ。というのも、プログラミング製品はいずれもユーザーの問題を解決したいという共通の目的を持っているからです。」と張涛氏は語る。
しかし、大規模モデル技術の反復的アップデートに伴い、AIコーディング分野は「分化」の中間段階に入った。「現時点のAIコーディング分野では、すでに異なる実現方法が分化し始めている。」と張涛氏は語る。
Cursorのような製品は、自ら改造したオープンソースIDEに基づき、完全なタスクプログラミングを実行できる。Bolt.newのような製品はオンラインツールとして利用され、ユーザーが要件を記述するとAIがウェブ開発を完了するが、フロントエンド技術スタックに関連する内容に限定される。
現時点では明確に、各製品が異なる細分化シーンを見つけ、独自の製品優位性を築き、差別化発展を進めている――あるものはウェブ開発に強く、あるものは既存プロジェクトのコード修正タスクに特化し、他のものは小規模ツール開発やノーコード作業ができる。
丁宇氏も、「ソフトウェア開発には非常に多くのシーンがあり、多くの細分化領域がある。企業は異なるアプローチから入り込み、細分化シーンや製品形態の革新を進めることができる。」と考えている。
各社のAIコードツールが機能シーンで細分化されることで、製品ごとのビジネス上の差異も生まれ、各企業の商業化重点も完全には一致しない。
例えば、商湯科技の小浣熊ファミリーに属するオフィス小浣熊製品は、主にオフィスツール分野に焦点を当てており、商業化の実践においてはC向けとB向けを並行して進めている。
C向けは主に有料サブスクリプション、B向けは企業によるプライベートデプロイが中心。「現在、プライベートデプロイの顧客は40社近くに達しており、大規模なインターネット企業も含まれている。」
ただし、張涛氏はC向け市場の潜在力も高く評価しており、現時点でのC向け製品の普及は予想を上回っている。
機能シーンから商業化の方向まで、AIコーディング分野はすでに分化を見せているが、これがAIコーディング業界の最終形態ではない。
大規模モデル技術の継続的な反復更新に伴い、次のステップとしてAIコーディングは「自律プログラミング」を実現する。つまり、プログラマーの開発支援にとどまらず、独立した要件を自ら受け入れ、完全なプロジェクトタスクを完了できるようになる。
「将来的には必ずAI自律プログラミングの時代が来る。これは企業や開発者に10倍のIT生産性向上をもたらすことを意味する。」と丁宇氏は語った。
TechFlow公式コミュニティへようこそ
Telegram購読グループ：https://t.me/TechFlowDaily
Twitter公式アカウント：https://x.com/TechFlowPost
Twitter英語アカウント：https://x.com/BlockFlow_News
