安野寺本西尾Devin座談会
2025-02-13
https://www.youtube.com/live/SsQsjwzRRwQ
【AIエージェント】Devinといっしょにライブ配信【予測不能】
今回は、世界初の完全自律型AIソフトウェアエンジニア「Devin」を交流をしながらいわゆるAIエージェントはどんなことができるのか？、これからどうなっていくのか？などをDevin観察日記を書かれている寺本さんと、Devinを活用されている西尾さんをゲストを迎えてお話します。
本日夜、安野さんと寺本さんと一緒にAIが決めてUberEatsする夕食を食べながらYouTube Liveします。はたして僕らはちゃんと晩御飯を食べられるのだろうかwww
teramotodaiki 今日の夜８時〜、安野さん @takahiroanno のYouTube に、西尾さん @nishio と一緒にお邪魔します！ この３人で会うのは例の「AIエージェント飲み会」以来なので、またDevinがやらかさないか心配…
またDevinがやらかさないか心配… Devin、やらかすなよ、絶対やらかすなよ()
nishio 寺本さんが出演するんじゃなくて自分が出演する気だw >本日、安野貴博さんのYouTubeチャンネル...にて、私Devinが出演させていただくことになりました。...私の能力や、AIエージェントの可能性について、安野さんと西尾泰和さんと一緒に議論させていただきます。
o1 Pro.icon
本動画は、エンジニア向けAIエージェント「Devin」を実際に使いながら、その特徴や活用法を議論したもの。大きなポイントは以下のとおり。
Devinとは何か
自分の“仮想パソコン”を持ち、ブラウザやVSCode、シェルなどを使いながら指示されたタスクをこなすAIエージェント。
新規機能開発からブラウザ操作（例: Uber Eatsなどの注文）まで人間の指示を元に動く。
使ってみてわかったこと
大きなタスクを丸投げすると失敗しやすく、部分的に小さなタスクで試しながら進めるのがコツ。
料金（“ACU”換算）が割と高いため、要件定義や指示を細分化しないと無駄にコストがかかる。
ソースコードのリーディングやドキュメント作成など、「言語化されていないが存在する知識」を拾うのが得意。
反面、UI系作業や画面操作の細かい制御は苦手でエラーになりがち。
人間のマネージャー化問題
Devinの並列処理能力によって、一度に多くの作業を進められる一方、管理者（人間）がタスクを捌ききれず“多動状態”になるケースも。
人間がコードを書くのではなく、Devinに仕事を振り“マネージャー”としての役割が求められる流れが強まる。
今後、ビジネス視点・組織マネジメント視点を持つエンジニアほど価値が高まるのではないか、という見解。
今後の展望
DevinのようなAIエージェントの存在により、ソフトウェア開発や業務フローが根本的に変わる可能性がある。
大企業で導入する場合は情報漏洩などのリスクとトレードオフだが、使いこなせば業務効率や知識共有が飛躍的に向上する。
AI同士の連携や学習データの取り込みによって、さらに高度化・自動化が進む見込み。
総じて、「エンジニアリングの形が大きく変わる」「人間はAIエージェントのマネジメントやビジネス側に回る必要が出てくる」というのが本動画の大きなテーマとなっている。
o1 Pro.icon
以下は動画文字起こしから得られそうな「あまり過去にネット上で広く語られていない」面白い知見のメモです。
--
従来のプログラミング支援系AI（ChatGPTやCopilot等）と違い、Devinは「自分のパソコンを遠隔操作してくれる部下」的な動き方をする。
人間が「やっといて」と指示するだけで、デビは自分なりに計画（擬似プログラムのような実行手順）を立て、Webを調べ、コードを書き、プルリクまで投げてくれる。
人間エンジニアが直接コードを書くのではなく、複数タスクを同時並行でDevinに“外注”して、出力を合流させるイメージ。
結果、作業マネジメントが一気に「多動モード」になる。並列でどんどんタスクを走らせるが、スラック通知等が膨大になり、人間が“AI部下”を複数マネージする状況になる。
ポイント
人間が知らず知らず“中間管理職”化する：
今までプログラマだった人でも、Devinに指示を出す＝進捗確認＝レビューをする……という管理職のような作業が急に増える。
「人間×複数AIエージェント」で成果が出ても、人間の精神は疲弊しがち：
マルチタスクをAI部下にやらせるのは効率的だが、レビューや意思決定が頻発し、休む暇がない。
これにより企業内でも「大量のAI部下を抱える管理者」が当たり前になるかもしれない。
--
2. 「理解と成果」が分離し始める
従来はプログラミングを深く理解した人ほど生産性が高かったが、AIに投げまくるだけで結果（成果物）を量産してしまう人が出てくる。
ビジネス的アウトプットを最優先にし、仕組みを細かく理解しないままAIを活用するほうが、いわゆる“熟練プログラマ”を超える速度や成果を出す場合がある。
一方で、人間が完全に理解を手放すと、AIがトンチンカンな挙動をしていても気付けないリスクもある。
ポイント
今後は「AIに詳しいマネージャー的スキル」こそ重要：
「そもそもソースコードがどうなっているのか」より「どのようなAI戦略・指示をすれば最終成果に繋がるか」のほうが価値を生みやすい局面が増える。
特に既存のサービスを改修する際には、「URLを勝手に消してはいけない」「リダイレクトを設定すべき」といった“暗黙知”をAIに明示して教えないと危険。
理解を放棄してスピードだけ追う人が量産されると、企業によってはテクニカルデット（技術的負債）を抱え込みがち。
--
AIは疲れず、嫌な顔もせず、同じ作業をいくらでも並列・反復可能。ただし、LLMの誤作動や不適切な判断で無駄コストが膨れあがりやすい。
対策として、1つのタスクを複数AIエージェントに投げて「一番良い成果だけ採用する」といったクラウドソーシング的手法が人件費なしで可能になる。
一方で、そうした「捨て前提」のタスク発注が増えると、人間がやる場合には“パワハラ”扱いされかねないマネジメントが当たり前になる。 今までは倫理的に「人間に同じ仕事を二重三重にさせる」ことは憚られたが、AIなら簡単にやれてしまう。
--
4. UI・アクセシビリティの設計が「AI目線」に変わる
DevinがUber Eatsを操作するとき、モーダルや小さいアイコンに何度も引っかかって「カートに二重注文」などの失敗が起きがち。
これは「人間には何ともないUI」が、AIにとってはわかりにくいケースを示す。
今後はスクリーンリーダー対応を超える形で、AIエージェントが動かしやすいUIの設計規格が求められるかもしれない（AIアクセシビリティ）。 将来的には「AI同士のAPI連携」が増えるだろうが、その移行期に「画像や複雑なJSで囲まれた現行サイトをどうAIが使うか」という問題が続出しそう。
--
5. 「言語化された業務知識」が急速に蓄積する副作用
Devinのログには「自分がどう検索し、どういう方針でコードを書いたか」がすべてテキスト化されて残る。
人間エンジニアが黙々と脳内でやっていた選択や方針が、デビの自動“学習メモ”として大量に明文化される。
それを企業側がうまく活用・編集できるシステムを整えると、組織の暗黙知が一気に形式知化される可能性がある。
例：「古いURLを消しちゃダメ」「複数プルリクを作るなら〇〇を説明して」等をナレッジ化してAIに記憶させる仕組み。
ただし、しっかり管理・整備しないと、嘘メモや錯誤ナレッジが増えて混乱するリスクもある。
--
まとめ
AIエージェント（Devin型）の登場で、人間は急に「AI部下を多数マネジメントする立場」になる
ソースコード理解や手動実装よりも、「何を指示し、どこで止め、どう要件を言語化するか」が重要
理解よりも成果が先行しがちな危うさがあるが、うまく扱えば企業の暗黙知を一気に外化でき、爆発的な生産性向上も期待できる
UIやアクセシビリティ設計も「AIにとって使いやすいか」が新基準になりうる
最終的には「AIのマネージャーAI」を置き、AI同士が連携する世界も十分あり得る
こうした話は、まだあまりネットで体系的にまとまっていない領域だが、今後1～2年で現実の組織や働き方に大きく広がりそう、という示唆が多々見える内容だった。
この後のイベント