著者|シンシア 編集|鄭玄 過去2年間、AIコーディングで最も興奮した瞬間は、ほぼすべてコード生成の一瞬にとどまっていました。 一言でページが生成され、数分でプロトタイプが完成し、ある開発者が半日で、かつては1週間かかっていた開発タスクをこなす――。 しかし、その後は、たとえ個別の開発タスクが5倍、10倍のスピードアップを実現しても、要件提案から製品納品までのプロジェクト全体のスピードが、必ずしも2倍の効率向上にまで至らない場合があります。 では、時間はどこへ消えたのでしょうか? プロンプトを書き、AIによる生成を待つこともその一部ですが、生成結果が期待通りでない場合、IDE上で手動で修正する作業もまた大きな負担です。さらには、開発完了後も、コードを端末でテストし、プロジェクトの報告準備のために再びドキュメントやプレゼンテーションツールへ切り替える必要があります。 アプリケーションを切り替えたり、新たなセッションを開始したりするたびに、プロジェクトが何を目的としているのか、なぜそのような設計なのか、先ほどどこを修正したのか、まだ解決していない課題は何か――といったことを改めて説明しなければなりません。 AIの生産性はすでに先行しているにもかかわらず、それを支える開発インフラ、すなわちタスクスケジューリング、状態管理、検証の閉ループ、成果物の蓄積、ツール間の連携といった部分は、依然としてAI以前の時代に留まっています。 そこで2026年、いくつかの変化が起こり始めました。この年、AIパーソナルアシスタント分野の注目度はついに爆発的な高まりを見せ、Metaが提供するパーソナルアシスタント「Muse」は、リリースからわずか2週間で米国・カナダのiOS無料アプリランキング首位に躍進し、ダウンロード数は340万件を超えました。その後、OpenAI、Google、ByteDance、Tencent、Alibabaなどもパーソナルアシスタント関連製品の実装を加速させ、短期間に数百ものプレイヤーが次々と登場しました。しかし、多くの場合、話題性が実用性を上回り、ほとんどの生活シーンにおいていわゆる標準的な答えが存在しないことから、ユーザーの実際の課題解決に貢献する製品はごく少数にとどまりました。 数少ない例外はプログラミング分野に見られ、例えばTRAEは、先頃TraeCodeとTraeWorkを統合したうえで、10月29日、開発者向けパーソナルアシスタント「TRAE」を正式にリリースしました。これは、複数プロジェクト間で過去の文脈を理解し、さらに単一プロジェクト内でもタスクを分解・並列処理・統合管理することが可能です。これにより、開発者は新たなタスクを開始する際にゼロから説明する必要がなくなり、複雑なプロジェクトの進行においても、自らタスクを分割し、セッションを切り替え、進捗を追跡し、成果をまとめ上げる手間が大幅に軽減されます。 今回、ワークフローの進化がついにAIによる生成速度に追いつきました。 01 AIコーディングにおける作業単位