遊びのような実験ほど、AIコーディングの変化が見えやすいのかもしれません。
GitHub Blog の Dungeons & Desktops: Building a procedurally generated roguelike with GitHub Copilot CLI は、GitHub Copilot CLI を使って、任意のリポジトリをローグライクのダンジョンに変換する拡張機能を作った事例です。最新コミット SHA を種にしてマップを生成し、Copilot CLI の /delegate で機能追加を非同期に任せ、生成された PR をレビューしながら調整した、と説明されています。
ここで面白いのは、AI が「コードを書く時間」を短くしたことだけではありません。開発者が考える場所を、構文や定型実装から、体験設計や挙動の調整へ移している点です。
従来の試作では、思いついた機能を動く形にするまでに、言語選定、雛形、細部の実装、エラー処理が積み重なります。その過程で、最初に試したかった体験そのものが後回しになることもあります。今回の例では、Go に慣れていない開発者でも、Copilot に骨格や追加機能を任せることで、「リポジトリがダンジョンになると何が面白いか」に集中できています。
これは、AIコーディングの価値を「自動生成されたコード量」で測ると見落としやすい変化です。重要なのは、実装のすべてを AI に渡すことではなく、判断すべき領域を早く露出させることです。ゲームなら面白さ、業務ツールなら運用に耐えるか、社内ツールなら使われるか。そこに早く到達できるなら、試作の意味は大きく変わります。
もちろん、生成された PR はレビューと調整が前提です。元記事でも、Copilot が作った初稿をそのまま完成品にしたのではなく、難易度やバランスを見ながら手を入れています。AI は判断を代替するより、判断材料を早く出す道具として効いています。
開発現場で問われるのは、「AI にどこまで任せられるか」だけではありません。「任せた結果、人間は何を判断する時間を増やせるのか」です。Copilot CLI のようなエージェント型の道具は、試作を単なる高速化ではなく、意思決定の前倒しへ変える可能性があります。
関連記事
- GitHub Copilot individual plans: Introducing flex allotments in Pro and Pro+, and a new Max plan
- What Parameter Golf taught us about AI-assisted research
- How NVIDIA engineers and researchers build with Codex
参考文献
コメント