FY26スタート記念に書きました。 Claude Codeを触っていて、 「SaaS開発のやり方」と「会社の作り方」が 普通に変わる気がしています。 Agentic Coding時代の“ポストAI的働き方”のメモです。

TL;DR: Issueやコミット履歴を使わず「ソースコードそのもの」だけから、コーディングエージェント用のRL訓練タスクを5,545件も自動生成するパイプラインが登場しました。しかも量より質を優先した設計です。 タイトル: CodeMidas: Scaling Agentic Coding RL Environments from Code Itself URL: ポイント 🏗️ 3,185リポジトリ・23言語・15ドメインから5,545タスクを自動構築 🧪 リファレンス実装を実行して期待値を記録する「実行に基づくテスト」で検証器を自動生成 🛡️ リーク検査・解答一致確認・難易度フィルタの3段構えで環境の質を保証 📈 DeepSWEで+11.7pt、ProgramBenchで+17.0pt、Terminal-Benchで+8.5ptと大幅改善 🔍 フィルタ済み5kタスクがフィルタなし8kタスクを一貫して上回り「質が量に勝る」ことを実証 🧠 訓練後は探索・自己検証の頻度が増加し、外部ベンチマークにもその挙動が転移 開発履歴がなくても、コードさえあればRL訓練環境を作れるという発想がシンプルで実用的だと感じました。 #CodingAgent# #強化学習#

🧑‍💻 AIがコードを書く時代、得をするのは「コードが書ける人」ではなく「問題を深く理解している人」でした。Anthropicが約40万件のClaude Codeセッションを分析した結果が興味深いです。 タイトル: Agentic coding and persistent returns to expertise URL: 🧑‍💻 概要 2025年10月から2026年4月までの約40万件のClaude Codeセッションを、プライバシーを保護した分類器で分析した研究レポートです。コーディングエージェントが知識労働や働き方をどう変えるかを、実データから読み解いています。 ❓ 解決する課題 ・プログラマーでない人でも、複雑な技術作業を指揮できるのか ・コーディングエージェントは職業や知識労働にどんな影響を与えるのか この2つの問いに、推測ではなく大規模な実データで答えようとしています。 💡 主要な発見 ・分業：人間は計画の意思決定の約70%を担う一方、実行の意思決定は約20%だけ。目的は人間、実装はClaudeという役割分担です ・成功を決めるのはコーディング歴ではなく「ドメイン専門性」。専門家のセッションは初心者の2倍以上の行動連鎖（12対5アクション）を生みます ・職種を超えた成功：コード生成セッションでは主要職種すべてがソフトウェアエンジニアの成功率の7ポイント以内に収まり、管理職がわずかに上回る場面も 📊 注目の数値 ・検証可能な成功率は初心者15%に対し、中級〜専門家は28〜33% ・問題発生時の放棄率は初心者19%、経験者は5〜7% ・2025年10月→2026年4月でデバッグは33%→19%に減り、デプロイ・データ分析・ドキュメントへシフト。タスクの価値は約25〜43%上昇しました 🎯 意義 エージェント型ツールはドメイン専門性を置き換えるのではなく、問題をよく理解している人を報いる、というのが核心です。技術作業が職種を超えて広がる一方、ドメイン知識へのリターンは依然として強く残ります。 #AIエージェント# #ClaudeCode#