Paul Jialiang Wu agentic-portfolio 中文 Español 한국어 日本語✉️ 無料リスト
← ポートフォリオに戻る

AI-NATIVEシリーズ · エージェント型AIにおける人間のダイナミクス、PART 3 OF 4

すばやく動く新興トレンド：古い原則を、もう一度測る

著者：Paul Jialiang Wu · agentic-portfolio-lovat.vercel.app · 2026-10-14 · 6分で読める

Cover: Emergent trends that move fast, old principles measured again. Three cards: who it is for (anyone deciding which AI headlines to act on), what you leave with (a five-minute test for any new trend and the habit of dating numbers), and the one finding (developers felt 20% faster with AI while the stopwatch said 19% slower, METR 2025). Series map along the bottom, part 3 highlighted.
エージェント型AIにおける人間のダイナミクス、全4回の第3回。

1分で分かる要点

これは何か。 シリーズ第3回では、人がAIエージェントとともに働く中で生まれた6つの新興トレンドを取り上げ、それぞれについて最良のエビデンスとそのバージョン、そして再び測り直される古い原則を示す。

なぜ重要か。 2025年の見出しのいくつかは、すでに古びている。「AIは開発者を19％遅くする」はその一例だ。著者たちは後に、再測定できなかったと述べている。日付のない数字は、知らぬ間に意思決定を誤らせかねない。

読んだ後にできること。 今月あなたが使うデッキやメモの中から、AIに関する数字を一つ見つけてほしい。それに日付とバージョンを添え、どちらかが見つからないなら捨てる。そのうえで、この記事の「五分間テスト」で次のトレンドを判断してみよう。

Human Dynamics in Agentic AI — シリーズの背骨
  1. ほとんど動かない原則 第1話
  2. ゆっくり進化するベストプラクティス 第2話
  3. 速く動く新興トレンド この回
  4. 近日公開 第4話

ラベルの読み方： EVIDENCE は出典あり、DESIGN はプラクティスがどう設計されているか、OPEN はまだ検証されていない、そして LENS は私自身の見解だ。

エージェントと人間に関するヘッドラインは四半期ごとに変わる。part 1の原則を通して読めば、2025〜26年のトレンドのほとんどは古い法則の再測定に過ぎないとわかる——デスキリングはBainbridge、ジュニア採用の減少は学習ギャップ、エージェントのアイデンティティは委任契約だ。そこから新しいトレンドを素早く判断する方法が見えてくるし、数字を再利用する前に必ず日付を確認する習慣も身につく。

ここは速い層だ。過去18か月の六つのトレンドそれぞれについて、最良の根拠と、その根拠のバージョン、そしてそれが再測定しているpart 1の原則を見ていく。どのヘッドラインに基づいて行動すべきかを決めなければならない人——つまり、ヘッドラインを読むすべての人のためのものだ。

始める前にひとつルールを。 a trend number carries a date.（訳：トレンドの数字には日付が伴う。） 以下の6つのうち1つはヘッドラインになった後に修正され、別の1つは再測定ができなかった。日付のないトレンドの数字は、日付のない牛乳のようなものだ――たいてい大丈夫だが、ダメになるまではわからない。

Three bars for the layers of the series: principles barely move (decades), best practices evolve slowly (years), emergent trends move fast (quarters). A bracket under all three marks part 4, the deal. Part 3 is highlighted.
バーが短いほど、その層は速く変化する。第4回では三層まとめて扱う。

まずは賭けてみよう

2025年半ば、ある綿密な研究が、経験豊富なオープンソース開発者が自分のプロジェクトで実際の課題を修正する様子を、AIツールあり・なしの両方で計測した。開始前、彼らはAIによって所要時間が約4分の1短縮されると予想していた。ストップウォッチは何と告げたか？

トレンド1：開発者の速度における体感と実測のギャップ

EVIDENCE 答えはCだ。METRによる16人の開発者・246タスクの研究では、"developers forecast that allowing AI will reduce completion time by 24%. After completing the study, developers estimate that allowing AI reduced completion time by 20%. Surprisingly, we find that allowing AI actually increases completion time by 19%"（訳：開発者たちは、AIの使用を許可すれば完了時間が24％短縮されると予測していた。研究完了後、開発者たちはAIの使用が完了時間を20％短縮したと見積もった。驚くべきことに、我々は、AIの使用が実際には完了時間を19％増加させたことを発見した） (METR, arXiv 2507.09089）とされている。著者らは、自分たちが示さなかったことについても慎重に述べている。まずこう記している。not――"AI systems do not currently speed up many or most software developers."（訳：AIシステムは現時点で、多くの、あるいは大半のソフトウェア開発者を速くしてはいない。）

その後METRは、追跡調査ではそれを測定できなかったと述べた。2026年2月の報告では、新しいデータは「信頼できないシグナルを与える」としており、その理由の一つとして次のことを挙げている。"developers choosing not to participate in the study because they do not wish to work without AI,"（訳：AIなしで作業することを望まないという理由で、研究への参加を選ばなかった開発者たちがいたこと）また、2026年初頭までには開発者たちはおそらく「より速くなっている」と考えていると述べている（METR update, 2026).

LENS つまり「AIが開発者を19%遅くする」というのは、すでに古びたヘッドラインだ。持ち越す価値がある発見は、人々が体感と実際の速さ、どちらが本当に速かったか：part 1 のキャリブレーション原則を、機械ではなく人間について測定し直したものだ。OPEN 追跡調査ではそのギャップは再測定されなかったため、それが今も続いているかどうかは未解決の問いのままだ。どちらを信じるにせよ、まずは自分のチームで測ってみるべきだろう。

トレンド2：脱スキル化の証拠が出てきた

EVIDENCE part 1 の Bainbridge は、監視の自動化がそれが代替するスキルを蝕むと予測していた。2025年、それが医療の現場で測定された。医師たちがAI支援による大腸内視鏡検査に携わった後、AIなしの標準的な処置における検出率は"from 28·4% (226 of 795) before to 22·4% (145 of 648) after exposure to AI"（訳：AI曝露前の28.4%（795件中226件）から、AI曝露後は22.4%（648件中145件）へ低下した） (Lancet Gastroenterology & Hepatology, 2025）。4施設による観察研究であり、規模を証明するというより傾向を示すものだ。

EVIDENCE ソフトウェアの領域では、2026年のランダム化試験が関連する効果——劣化ではなく学習——を測定している。主に若手のエンジニア52人が、AIの助けを借りる場合と借りない場合とで新しいライブラリを学び、その後、使ったばかりの概念についてクイズを受けた。結果は"participants in the AI group scored 17% lower than those who coded by hand,"（訳：AIグループの参加者は、手でコーディングした人々より17%低いスコアだった） 一方で速度面の向上は「統計的に有意ではなかった」。このサンプルでは、説明を求めた人ほど多くを学んでいた（Anthropic research, 2026）。この研究はモデルベンダーが自社の製品カテゴリを調べたものなので、それを踏まえて評価すべきだ。オートパイロット問題には今や二つの顔がある。薄れていくスキルと、そもそも形成されないスキルだ。

トレンド3：梯子の最初の段が減っている

EVIDENCE Stanford の Digital Economy Lab は、AI曝露度が最も高い職種における22〜25歳の雇用が、"19% below where it would be had it kept pace with that of their less-exposed peers,"（訳：曝露度の低い同世代の雇用と歩調を合わせていた場合に比べ、19%低い水準にある） 作用の仕方は"primarily through reduced hiring of young workers rather than increased separations,"（訳：主に若年労働者の採用減少によるものであり、離職の増加によるものではない） そして "we find no evidence of widespread, economy-wide job displacement"（訳：経済全体に広がる雇用の置き換えを示す証拠は見当たらない） (Brynjolfsson, Chandar & Chen, revised 2026-08-12).

バージョンを明記すること。同じ論文の以前の版ではより低い数値が示されており、著者らはこの結果を因果的なものではなく記述的なものだと述べている。 LENS トレンド2と3を合わせると、part 1で見た「オートパイロット」が労働市場規模で起きていることが分かる。しかも、操縦桿を取り戻すはずのパイロットが育っていない。若手の採用が減り、採用された若手の実践量も減るなら、十年後にエージェントを点検できる専門家はどこから来るのだろうか。

トレンド4：エージェントに身元・所有者・オフボーディングが与えられる

EVIDENCE 企業向けID管理システムは、エージェントをファーストクラスの身元として扱うようになった。Microsoftのドキュメント（ページ最終更新2026-05-01、閲覧2026-10-13）は次のように説明している。"first-class identity and access management to AI agents,"（訳：AIエージェントに対するファーストクラスの身元・アクセス管理を提供する） それぞれに「owners, sponsors, and managers（訳：所有者、スポンサー、管理者）」を置き、「to prevent orphaned agents（訳：孤児化したエージェントを防ぐため）」のスポンサー引き継ぎワークフローも用意している（Microsoft Entra Agent ID).

LENS これはpart 1の「委任契約」が書類仕事になったものだ。エージェントには今や名前のある本人（プリンシパル）がいて、その人が離任すれば、エージェントは誰かに引き継ぐか停止しなければならない。業務委託者のバッジと同じライフサイクルだ。

トレンド5：「エージェント上司」

EVIDENCE Microsoftの2025年版Work Trend Indexは「エージェント上司」という概念を打ち出した。"Someone who builds, delegates to and manages agents to amplify their impact and take control of their career in the age of AI"（訳：AIの時代において、自らの影響力を増幅し、自分のキャリアの舵を取るために、エージェントを構築し、委任し、管理する人物） (Microsoft, 2025).

LENS Microsoftが予想する通りにこの役割転換が起きるなら、より多くの人が、仕様の策定・委任・レビューに時間を割くようになる。part 1の「プリンシパル・エージェント関係」が、そのまま職務記述書になったわけだ。

トレンド6：共有される配管設備、公開の場で統治される

EVIDENCE エージェントをツールやデータに接続するためのオープンな標準規格であるModel Context Protocolは、2025年12月、新設されたLinux Foundation傘下の組織に寄贈された。その際には"more than 10,000 active public MCP servers"（訳：1万を超える稼働中の公開MCPサーバー） と "97M+ monthly SDK downloads,"（訳：月間9,700万件超のSDKダウンロード） ——これらは寄贈元自身が報告した数字だ（Anthropic, 2025).

LENS ここではコンウェイの法則が逆向きに働く。共有プロトコルがあれば、互いに話をしない組織同士でも、話の通じるエージェントを作れる。

6つのトレンドを一望する

| トレンド | 再測定される原則（part 1） | 最良のエビデンスとその日付 | |---|---|---| | 体感速度と実測速度のギャップ | 依存度の較正 | METR、2025年7月。2026年2月の追跡調査では再測定できず | | 薄れるスキルと、育たないスキル | 自動化の皮肉 | Lancet Gastro. Hep. 2025年（観察研究）／Anthropicの無作為化比較試験、2026年1月 | | 減る最初の足がかり | 皮肉の労働市場規模での表れ | Stanford、2026年8月12日改訂版（記述的） | | 所有者とオフボーディングを持つエージェント | 契約としての委任 | Microsoft Entra Agent ID、ページ更新2026年5月1日 | | 「エージェント・ボス」 | 職務としての委任 | Microsoft Work Trend Index、2025年4月（ベンダー調査） | | 共有インフラ | コンウェイの法則 | MCP寄贈、2025年12月（寄贈元報告） |

次のトレンドを5分で読み解く方法

  1. そのトレンドはどの原則を再測定しているか？ 該当がなければ疑ってかかるか、あるいは期待に胸を膨らませてもいい。ただし二度確かめること。
  2. その数字はどのバージョンのものか？ 日付がなければ、判断材料にはならない。
  3. 誰が測定したのか、そしてその当事者はそれを売っていないか？ ベンダーによる研究が正しいこともある。ただ、それだけを証人にはできない。
  4. それは体感によるものか、実測によるものか？ トレンド1こそ、その警告だ。
  5. それは因果関係か、それとも記述にすぎないか？ トレンド3の著者たちはそれを明言していた。たいていの見出しはそうしない。

まだ分かっていないこと

OPEN デスキリングが恒久的なものか、それとも移行コストに過ぎないのかはまだわかっていない。part 1のブルックスの問い、すなわち終盤の作業にエージェントを追加することが、人を追加するのと同じように作業を遅らせるのかという問いも、依然として未解決のままだ。大腸内視鏡検査とコーディングの研究は低下そのものを測定しただけで、回復までは測っていない。また、若手採用の減少が一時的な停滞なのか、それとも新しい下限なのかも分かっていない。どちらも、見出しではなく日付で追い続ける価値のある未解決の問いだ。

この見立てが外れるとすれば

  1. すべてのトレンドを古い枠に押し込めてしまうこと。 本当に新しい力学も、いくつかは現れるだろう。ルール1が言いたいのは、疑ってかかれということだ。切り捨てろということではない。
  2. 自分の資料の中の古い数字。 対策はシンプルだ。すべての数字に日付とバージョンを付け、使い回す前に見直す。
  3. 戦略としての恐怖。 デスキリングと採用のトレンドは、実在するシグナルだ。そこから導かれるのは、エージェントを避けることではなく、練習を仕事の設計に組み込むことだ。

今週やるべきこと

今月使う予定の資料やメモの中から、AIに関する数字を一つ見つけてほしい。その日付とバージョンを書き加える。どちらも見つからなければ、差し替えるか削除するかだ。

次回予告

part 4では、三つの層すべてを一つの問いに当てはめて動かす。経営幹部、彼らが提携するスタートアップ、そして双方のエンジニア全員が、互いを犠牲にすることなく同じ仕事から勝利を得るにはどうすればよいか、という問いだ。

出典

関連記事

執筆：Paul Jialiang Wu・ agentic-portfolio・2026-10-14。見解は筆者個人のものであり、所属先のものではない。 このページは審査済みの情報源から生成されたものであり、公開前に分量・出典・主張ラベル・誠実性のステータスが一つひとつ確認されている。

Paul Jialiang Wu

Physical AIエンジニア兼創業者——詳細は https://agentic-portfolio-lovat.vercel.app/

無料のインサイダーリストに参加しよう。インサイダー向けの知見や非公開イベント、工房から直接届く個人用パワーツール。

今すぐ無料で参加 →