連休中、紅杉のAI Ascent 2026でぜひ注視すべき講演が2つあった。一つはBoris Chernyの、Claude Codeの生みの親によるもの。もう一つはKarpathyのものだ。
二人は異なる角度から、同じ結論に至っている。プログラミングの実行層は解決された。だが方向性を決める層は、かえって難しくなった。
話題性が極めて高いので、休み明けにさっそく復習しておく。
Claude Codeの生みの親Boris、現在の仕事のあり方
Borisいわく、2026年の5か月が経過した時点で、今年は一行のコードも書いていない。
しかも、彼はもはあまりパソコンの前に座らない。日常の操作はスマートフォンのClaude App上で完結する。左側にCodeタブがあり、同時に5〜10のセッションを走らせ、各セッションには数多くのエージェントが配置される。通常は数百のエージェントがオンラインで、夜には数千になることもある。
彼は「Sloop」と名付けた独自のワークフローを考案した。原理は単純で、ClaudeにCronを使って将来のタスクを予約させ、ループを構築する。毎分、5分ごと、あるいは毎日実行される。
現在、彼は数十個のループを走らせている。一つはPRを監視し、CIを自動修復するか自動Rebaseを実行する。一つはCIの健全性を維持し、テストが偶発的に失敗した際に自動で修復する。一つは30分ごとにTwitterのフィードバックを取得し、分類・要約して彼に送信する。
限界に挑戦した際、彼は一日で150個のPRを処理したことがある。
Anthropic社内の状況も変わった。全社で手書きのコードはなくなり、すべてのSQL、すべての基盤インフラはモデルが生成する。彼のClaudeがバックグラウンドでループを実行している間、自動的にSlack上で同僚のClaudeと連絡を取り、互いに問題を解決する。
人が眠っている間、AIがSlack上で互いに@を飛ばし、互いに調整し、互いにデバッグする。
ここに背景がある。BorisはClaude Codeが内測を開始した当初、自分のコードの10%しかそれを使って書いていなかったと明かす。しかし、去年5月にOpus 4がリリースされてから、Claude Codeの成長曲線が急上昇し始めた。4から4.5、4.6、4.7へと、モデルの更新のたびにユーザー数の急増が見られた。彼は認める、Claude CodeはPMF（プロダクト・マーケット・フィット）に反する賭けだった可能性があるが、これは新しいパターンでもある。まだ存在しないモデルのために、先にharnessを構築するというパターンだ。
彼個人にとって、プログラミングの時代は終わった。
Karpathy：Software 3.0
Karpathyの切り口は興味深いものだった。
彼は以前、「Menu Gen」というプロジェクトを作ったことを語る。
機能は単純だ。メニューの写真を撮ると、AIが各料理がどのように見えるかを生成する。彼はvibe codingで完全なアプリケーションを構築し、Vercelにデプロイした。OCRで料理名を認識し、画像生成モデルを呼び出す。
しかし、すぐに誰かがもっと直接的なバージョンを作ったことに気づいた。写真をGoogle Geminiに投げ、Nanobananaを使ってピクセルレベルで料理画像を元のメニューに直接レンダリングする。入力が一枚の画像、出力も一枚の画像、その間に従来のアプリケーション・ロジックは一切不要だ。
Karpathyはそれを見て、自分が作ったMenu Gen全体がすでに時代遅れだと悟った。そのアプリは理論上存在すべきではなかったのだ。
彼はこの現象をより大きな枠組みに位置づける。LLMは新しいコンピューターだ。従来のコードはSoftware 1.0、ニューラルネットワークの学習で得られた重みはSoftware 2.0、プロンプティングはSoftware 3.0だ。コンテキストウィンドウに何を入れるかが、プログラミングに等しい。
もう一つの具体的な例はOpenClawのインストール方法だ。従来のツールインストールはシェルスクリプトだったが、OpenClawは一文の説明だ。ドキュメントをエージェントに投げ、エージェントが環境を読み取り、判断し、ループ内でデバッグして、最終的に自動でインストールが完了する。
現在、我々が考えるべきはエージェントにどのテキストを渡すかだ。
「プログラミングが速くなった」ことだけに注目してはいけない。より重要な変化は、より広義の情報処理が自動化されつつあることだ。以前はコードが構造化データを処理していたが、現在は文書の束を投げ入れ、モデルに情報を再コンパイルさせ、全く新しい知識構造を産出させられる。これは以前は不可能だったことだ。
鋸歯状の知能
モデルの能力は極めて不均一で、鋸歯のようだ。コードや数学など検証性の高い領域では、ほぼすべての人間を凌駕する。しかし、この範囲から外れると、時に愚かに見えることもある。
原因には二つの層がある。一つは訓練方法だ。最先端の大規模モデルは強化学習で調整されており、回答が正しければ加点される。コードは正否が最も容易に検証できる領域である。もう一つは研究所自身が何に注目するかだ。経済価値の高いタスクに分布を集中させ、コードが最も典型的な例だ。
Karpathyはさらに問題を説明する詳細を挙げた。GPT-3.5からGPT-4への進化で、モデルの国際象棋の腕が突然飛躍的に向上した。当時、多くの人がこれを知能全体の向上の副作用だと考えた。しかし、より可能性が高いのは、事前学習データに大量の棋譜が追加されたことだ。研究所が何を投入するかを決定し、そこから能力分布が決まる。
Karpathyは、モデルは動物ではなく幽霊だと言う。動物には内的動機、好奇心、自発的推進力がある。モデルはデータと報酬関数によって造形された鋸歯状の実体だ。怒鳴ってもより努力はせず、励ましてもより闘志は湧かない。統計的模擬回路に過ぎない。
そして、この点を理解して初めて、より正確に使えるようになる。
この体系の中で人は何をするか
Borisいわく、彼の役割はスケジューリングに変わった。ループがどう動くか、エージェント間の依存関係がどう自動解決されるか、CIがどう自己維持されるかを気にする。実行はすべて委ねられた。
Karpathyいわく、人は仕様決定と計画を担わなければならない。彼はいわゆるplan modeをあまり好まないと語る。より重要なのは、エージェントと共に極めて細かい仕様書を設計し、エージェントが実装を埋めるのを任せることだ。人間が大枠と制約条件を担当し、エージェントが穴埋めを担当する。
彼は具体的な例を挙げた。Menu Genでは、エージェントがStripeの支払いメールをGoogleログインメールと照合してcreditsを割り当てた。しかし、ユーザーの両メールアドレスが異なる可能性は十分にある。この「メールはユーザーIDではない」という設計判断は、エージェントにはできない。
しかし、具体的な実行の細部は委ねられる。例えば、PyTorchにおけるkeepdimsかkeepdimか、dimかaxisか、これらを覚えておく必要はなくなった。
しかし、人間が底层の原理の理解を失ってはいけない。tensorのstorageとviewがどういうものか、いつ無意味にメモリをコピーしているか、これらは自分で知っておく必要がある。
Karpathyはまた、二日に一度は思い出す言葉を引用した。思考は外注できるが、理解は外注できない。
面接、防御的優位性、起業チャンス
二人とも、面接方式の変化を口にした。
もし候補者にアルゴリズム問題を解かせ、パズルを解かせるなら、それは前世代のエンジニアリング能力を選別している。Karpathyは具体的なケースを挙げた。例えば、候補者にTwitterクローンを作らせ、機能を完備し、セキュリティを高く保つ。そして10個のCodexやClaudeインスタンスで攻撃させ、突破できるかを見る。この環境で耐え抜いた者が、この時代のエンジニアだ。
Borisはチームの視点から、すでに起こっている変化を語った。Claude Codeチームでは、エンジニアリングマネージャー、プロダクトマネージャー、デザイナー、データサイエンティスト、財務、ユーザーリサーチャー、全員がコードを書く。彼ら全員がプログラマーだからではない。コードを書くのがプロのプログラマーでなくてもよくなったからだ。
コードを書くコストが100分の1になった時、切り替えコストはAI面前では脆弱だ。モデルはデータを一方的に別プラットフォームに移行できる。プロセスの効力も貶価し、モデルはワークフローの最適化を得意とする。しかし、ネットワーク効果、規模の経済、寡占資源は依然として有効だ。彼の判断では、今後10年、既存市場を颠覆できるスタートアップは10倍に増える。
Karpathyが創業者に送るアドバイスはより具体的だ。大規模モデルの脱出速度を追うな、自分のRL環境を作れ。検証可能性がどの領域が最初に攻略されるかを決定する。価値の高いRL環境の多くはまだ開発されていない。特定の垂直分野で十分優れた強化学習環境とデータセットを構築できれば、巨大なレバレッジ・レッドを得られる。
しかし、彼は笑いながらこう付け加えた。「答えを直接言いすぎるのは控えたい」
結び
Borisは歴史を引用した。1400年代、ヨーロッパの識字率は10%だった。印刷機が発明されて50年、出版された文献はそれ以前の千年の総和を超えた。本のコストは100分の1になった。最終的に世界の識字率は70%に達した。しかし、作家という職業は依然として存在する。
プログラミングは同じ道を歩んでいる。将来、すべての人がプログラミングするようになり、現在誰もが読み書きできるように。しかし、これはエンジニアが消えたという意味ではない。この役割の核心能力が「コードを書く」ことから「AIに何を書かせるか、そしてどの条件を絶対に省いてはいけないかを知る」ことに変わったという意味だ。
実行層の天井はすでにモデルに貫かれた。しかし、モデルの鋸歯状の知能のため、人が手を放せない場所も多い。
これが2026年のプログラミングという行為の完全な地図だ。
実行はモデルに。方向性は人間に。
Borisの元動画：https://www.youtube.com/watch?v=SlGRN8jh2RI
Karpathyの元動画：https://www.youtube.com/watch?v=96jN2OCOfLs