> For the complete documentation index, see [llms.txt](https://weekly-essay.mikey.wang/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://weekly-essay.mikey.wang/ja/2025/w30-full-stack-development-in-the-ai-wave.md).

# W30-AIの大きな波の中でのフルスタック開発

フルスタックには、慎重な楽観を持っている。

フルスタックの歴史は長く、個人開発者はみなそうだとも言える。ただ、中国では主流にならなかった。大企業は技術の深さを好み、面接官の多くは、何でも浅く扱うフルスタックを高く評価しない。今、その価値が見直されている。この変化は慎重に楽観したい。

今回の生成AI関連技術は、Vibe CodingもSoftware Engineeringも含め、ほぼすべてHype Cycleの頂点にある。その位置の技術には、過大な期待と現実離れした導入がつきものだ。

Vibe CodingとSoftware Engineeringは違う。Vibe Codingでは、AIは使い捨ての試作コードを得意とし、動く製品を素早く作って、設計や利用者の受容を確かめられる。試作なので、その後の保守やコード品質の心配はない。一方、Software Engineeringでは、コーディングは日常の納品作業の一部にすぎない。METRなどの調査では、経験豊かな開発者に対するAIツールの効率改善は、非常に限られている。

基本を鍛えれば、99%のことはできる。基礎は今も重要だ。先週、問題調査に参加したとき、NginxやHTTPなどの基本的なネットワーク知識、社内ミドルウェアのPaaS層に、明らかな不足を感じた。システムが正常に動いているときは皆、簡単だと思う。いざ問題が起きると、全方位を手当たり次第に探すことになる。基礎が弱ければ、どれほど高度なAIツールでも信頼できるシステムは作れない。

エンジニアがAIと信頼関係を築き、能力の限界を正しく理解するには時間がかかる。実践で見極めるべき境界は三つある。いつAIを信頼してタスクに参加させられるか。いつAIに先に作らせ、人はreviewerだけになれるか。いつAIを切り、人が腰を据えて自力で解かなければならないか。

もちろん、その境界は速く動き、知能の水準も上がり続けている。今後3〜5年の業務開発への好影響には楽観的でありたい。先週、OpenAIは未公開のLLMが国際数学オリンピックIMOで初めて金メダル水準に達したと発表した。それ以前は、Google DeepMindが数学向けに特別に最適化したモデルだけが、銀メダル水準に到達していた。