今、プログラマーに「仕事でAIを使っていますか」と聞いても、答えはほぼ決まっています。
本当に話す価値があるのは、別のいくつかの問いです。
何に使っているのか？どの程度深く使っているのか？どれくらい信頼しているのか？話題のAgentは、実際にどれほど使われているのか？
Stack Overflowの2026年開発者アンケートからは、興味深い実態が見えてきます。回答者の約83％が、仕事で少なくとも1種類のAIツールを使っています。一方、重要な仕事上の判断に関わるタスクも含め、多くのタスクでAIを信頼すると答えた人は、わずか6.6％です。
これは「AIは役に立たない」という証拠ではありません。むしろ、AIが開発の日常に溶け込みつつあることを示しています。ただし、多くの人が次第に理解しているのは、使えることと、安心して任せられることは別だということです。
この記事では、元のAIデータページにある4つの分野——利用状況、信頼とワークフロー、Agentエコシステム、職場への導入——を、最初から最後まで読みやすい日本語で紹介します。日本語の図表22点も添えています。公式の文章を逐語訳するのではなく、データと設問の意味を保ちながら、自然な日本語にまとめました。
まずは、覚えておきたい8つの数字
| 数字 | 何を示しているか |
|---|---|
| 82.8％ | 仕事で少なくとも1種類のAIツールを使用（約83％） |
| 65.9％ | AIコーディングアシスタントまたはコーディングAgentを使用 |
| 73.0％ | コーディングアシスタント／Agentを使う人のうち、毎日使用 |
| 55.0％ | 日常的なAI利用時間に関する設問に回答した人のうち、毎日少なくとも2時間、AIを仕事に活用 |
| 62.0％ | 仕事でのAI利用に肯定的 |
| 48.0％ | 出力を簡単に検証できる場合に限り、AIを信頼する |
| 9.6％ | AIが生成した開発関連の回答を、そのまま使う |
| 53.6％ | AIが仕事に関する情報を記憶する場合、自分で管理したい |
**まず、集計対象について重要な注意点があります。**設問ごとに回答者数は異なります。AIを使う人だけを対象とした設問や、特定のAgentツールを使ったことがある人だけに尋ねた設問もあります。また、複数回答の設問では、割合を単純に足しても100％にはなりません。以下の図表には、それぞれの設問のサンプル数を記載しています。
1. AIはすでに開発者の日常的なツールになっている
1. 一般的なチャットボットより、コーディングアシスタントのほうがよく使われている
この設問に回答した17,464人のうち、**65.9％がAIコーディングアシスタントまたはコーディングAgentを利用し、62.5％が汎用AIチャットツールを利用しています。**言い換えれば、AIはもはやブラウザー上で質問するためのチャット欄にとどまらず、エディター、ターミナル、コードリポジトリ、開発プロセスへと入り込んでいます。
ただし、「Agentの時代」と大げさに言うのはまだ早いでしょう。AI Agentや自動化ワークフローを利用している回答者は**26.2％**で、チャットアシスタントほど普及していません。また、仕事でAIをまったく使わないと答えた人も17.2％いました。
2. コーディングアシスタントを使う人の多くは、すでに習慣化している
ここには、特に誤解しやすい点があります。**73％というのは、開発者全体の73％が毎日コーディングアシスタントを使っているという意味ではありません。**この種のツールを使う人のうち、73％が毎日使っているということです。汎用チャットツールの日常利用率は65.6％、Agent／自動化ワークフローは63.1％です。
社内AIツールの利用頻度はやや低く、毎日利用する人は47.7％です。これは必ずしも、自社開発ツールの質が低いという意味ではありません。利用範囲やアクセス方法、タスクの頻度が汎用ツールとは異なる可能性もあります。少なくとも、機能一覧の長さより、仕事の流れに自然に組み込めるかどうかが重要だとわかります。
3. AIは毎日5分だけ開いて使うようなものではない
日常的なAI利用時間に関する設問に回答した10,926人のうち、**30.9％が毎日4時間以上、AIを仕事に活用し、24.1％が毎日2〜4時間利用しています。合わせると、ちょうど55％**です。
これは「1日の仕事時間のうち、どれだけAIの助けを借りているか」を尋ねたものであり、**AIと連続して会話している時間でも、AIが仕事の55％を単独でこなしたという意味でもありません。**それでも、一部の開発者にとってAIが、たまに試すプラグインから常時使うツールへと変わっていることは十分にうかがえます。
4. 全体としては肯定的だが、全員が熱狂しているわけではない
非常に肯定的な人は31.6％、やや肯定的な人は30.4％で、合計すると62％が肯定的です。やや否定的な人と非常に否定的な人は合わせて21.5％、中立は15.3％でした。
したがって、「開発者はみなAIを嫌っている」も、「開発者はすでに100％AIを受け入れている」も、どちらも実態を表していません。より現実に近いのは、大多数は使うことに前向きだが、様子見をしていたり、慎重に評価していたり、明確に好まない人もかなりいるという見方です。
2. 利用が増えても、信頼が無条件になるわけではない
5. AIを信頼するための条件——出力を自分で確認できること
開発者とAIの関係を理解するために、図を1枚だけ選ぶなら、私はこれを選びます。
**48％**は、結果を簡単に検証できる場合に限ってAIを信頼すると答えました。16.3％は、多くのタスクでAIを信頼できるものの、重要な仕事上の判断に影響を与えるべきではないと考えています。また、16.3％は低リスクのタスクだけを任せたいと回答しました。重要な判断に関わるタスクも含め、多くのタスクでAIを本当に信頼すると答えた人は、わずか6.6％です。
これは「検証可能な信頼」と呼べるでしょう。AIは草案、コード、アイデアを提示できますが、最終的な責任と判断は人間に残ります。
6. AIが最もよく使われるのは、やはりコードを書く・直す・テストを書くこと
このヒートマップは情報量が多いですが、じっくり見る価値があります。現在、AIが最もよく使われているのは、慣れた分野のコード生成（69.3％）、デバッグ／トラブルシューティング／リファクタリング（63.8％）、簡単な技術的質問への回答（59.4％）、そしてテストの作成・改善（58.1％）です。
一方、本番環境へのデプロイ、運用、障害対応などにAIを使っている人は**19.9％にとどまります。現在AIを使っておらず、今後も使う予定がない人は36％**です。メールや日常的なコミュニケーション文書の作成も、あまり利用されていません。**45.9％**は現在使っておらず、今後も使う予定がないと答えています。
これは、普段の感覚ともよく一致しています。AIに確認可能なコードを書かせるのは心理的な負担が小さい一方、AIに本番環境を直接触らせるとなると話は別です。
図の読み方：「現在使っている」「今後もっと使いたい」「今後使う量を減らしたい」などは、それぞれ別個に集計された回答であり、重複する可能性があります。同じ行を、合計が100％になる積み上げ形式として解釈しないでください。
7. AIが生成した回答を受け取っても、大多数は検証する
これは、レポート全体の中でも特に安心できる数字です。**76.5％**は出力をローカル環境で実行し、**63.9％**は既存のコードベースと照らし合わせ、**53％**はテストやセキュリティへの影響を確認しています。また、38％は公式ドキュメントを参照しています。
一方、**「そのまま使う」人はわずか9.6％**です。つまり、AIによって開発者のコーディング方法は変化していても、実行、テスト、レビューといったエンジニアリング上の規律が自動的に失われたわけではありません。
8. 複雑なタスクでは、役に立つものの、まだ安定して頼れるとは言えない
AIが複雑なタスクを非常にうまく処理できると考える人は、わずか**16％**です。最も多かったのは38.8％で、「まずまずだが、特別優れているわけではない」という評価でした。また、24％は、パフォーマンスが低い、または非常に低いと答えています。
一般の開発者にとって現実的なのは、複雑な要件を丸ごとAIに渡して結果を待つことではなく、検証できる小さな単位にタスクを分割し、AIの提案を少しずつ確認していく方法かもしれません。
9. 仕事でよく使うAIツールは、1つとは限らない
毎週AI製品を2つ使う人は34.4％、3〜5つ使う人は40.5％です。合わせると、約4分の3の人が、毎週2〜5種類のAIツールを使っていることになります。ただし、週に6種類以上使う人は4.8％にとどまります。
「モデルの数」と「ツールの数」を混同しないようにしましょう。この設問が集計しているのは、AI機能を意識的に利用する製品やツールの数であり、1つの製品内で切り替えて使うモデルの数ではありません。
3. Agentエコシステムは盛り上がっているが、独占的な勝者はいない
最近、毎日のように新しいAgentフレームワークが登場していると感じているなら、この章は共感できるはずです。ここに出てくるデータについては、特に注意が必要です。各図が表しているのは、その個別設問に回答した人のデータであり、開発者全体の市場シェアではありません。
10. Agentのメモリ層——まだ初期段階の競争が続いている
この設問に回答した1,392人のうち、Mem0が20％で首位でした。続いてLangMem（15.2％）、Memary（12.6％）、GraphitiとSupermemory（それぞれ11.6％）が並びます。
首位でも2割にすぎないことから、Agent向けメモリ基盤は依然として分散しているとわかります。今後どの製品が事実上の標準になるのか、早い段階で結論を出すのは難しいでしょう。
11. Agentのオーケストレーション——LangChainは依然としてよく知られている
**LangChain（30.2％）が1位で、次いでOpenAI Agents SDK（23.8％）**です。興味深いことに、**ターミナルを直接使う方法（18.9％）**は、LangGraph（18.8％）とほぼ同率でした。
この結果は、すべてのAgentに多層の抽象化を備えた大規模フレームワークが必要とは限らないことを示しています。多くのタスクでは、シンプルで透明性が高く、デバッグしやすいターミナルのワークフローにも魅力があります。
12. 可観測性と評価——従来型のエンジニアリングツールも存在感を示す
この種のツールでは、**Sentry（26％）**が1位で、LangSmithが17.3％、MLflowとLangfuseがそれぞれ15.2％でした。
Agentを導入することは、単に「動かす」だけではありません。チームで本格的に使うには、一連のエンジニアリング上の問いに答える必要があります。どこでエラーが起きたのか。なぜその回答をしたのか。プロンプトを変えた後、品質は上がったのか、下がったのか。障害が起きたとき、どう追跡するのか。可観測性と評価の重要性は、ますます高まっています。
13. コーディングAgent——Claude CodeとGitHub Copilotが明確にリード
このツール分野の設問に回答した12,255人のうち、過去1年間に**Claude Codeを使ったことがある人は65.5％、GitHub Copilotは58.7％**でした。その次はOpenAI Codex（29.5％）、Cursor（25.5％）です。
ここで示しているのは「過去1年間に使ったことがある」という割合です。**有料契約者の割合でも、毎日のアクティブユーザー数でも、ツールの品質評価でもありません。**複数のツールを使った人もいるため、これらの割合を、相互に重複しない市場シェアとして解釈することはできません。
14. ノーコードAgent——Lovableが首位
**Lovable（38.3％）**が首位で、Replit（28.3％）とv0（27.5％）が続き、Bolt.newは17.2％でした。
これらのツールは、アイデアをプロトタイプにするハードルを下げる点に価値があります。しかし、プロトタイプを作った後も、データ権限、保守、デプロイ、セキュリティには十分な注意が必要です。これらの数字が示しているのは利用状況であり、「開発を知らなくても安心して本番システムを公開できる」という意味ではありません。
15. 自動化ワークフロー——Make、n8n、Zapierが上位3つ
この設問では、Make（38.9％）、n8n（32.7％）、**Zapier（18.5％）**が上位3つでした。その後のツールは、より分散しています。
この数字から、Agentの世界では「モデルを実際の業務アクションにつなぐ」ことへの大きな需要があるとわかります。クラウドサービス、ローコードのインターフェース、あるいは開発者向けのオーケストレーション方式のどれを選ぶかは、チームがデプロイや保守のコストを踏まえて判断しています。
4. 企業ではAIの導入が始まっているが、管理のあり方はまだ追いついていない
16. AIが最も価値を発揮するのは、やはりコードの実装とデバッグ
「役に立つ」と「非常に役に立つ」を合わせると、コード実装は74.6％、デバッグ／リファクタリングは72.6％、ドキュメント作成は65.7％、コードレビューは64.5％でした。
一方、コミュニケーションについて「役に立つ」または「非常に役に立つ」と答えた人は35％にとどまり、22.6％はあまり実用的ではないと感じています。AIは、コードのように構造化された技術的な内容の作成、説明、修正では評価されやすい一方、人間関係や文脈に関わるコミュニケーションでは評価が伸びていません。
17. AIは効率だけでなく、仕事の体験にも影響する
AIによって、**66.1％**の回答者はデバッグ／リファクタリング作業への満足度が上がり、**60.6％**はドキュメント作業、**60.1％**はコード実装への満足度が上がったと答えました。
ただし、注目すべき対照もあります。コード実装では、**19.9％**が満足度の低下を感じていました。AIによって作業が楽になる人もいる一方、生成された結果のレビュー、修正、理解に、より多くの時間を費やす人もいるのかもしれません。「速くなる」ことと「快適になる」ことは、必ずしも同じではありません。
18. 過去1年間に、約3分の2がAIツールを乗り換えた
ツールを乗り換えたことがない人はわずか**33.7％で、約3分の2は少なくとも一度は乗り換えています。最も多かった主な理由は出力の質がより高いこと（25.1％）**で、次いで会社からの指定・推奨（10.6％）、開発環境との統合がより優れていること（7.4％）、コストが低いこと（6.4％）でした。
注意したいのは、25.1％はこの設問に回答した全員に対する割合であり、ツールを乗り換えた人だけを対象に計算した割合ではないという点です。製品を選ぶとき、開発者がまず重視するのは成果の質で、その次に価格やその他の要素が続くようです。
19. AIの「記憶」は、多くの人が自分で管理したい
AIがコードの好み、プロジェクトの背景、仕事の習慣を記憶するなら、誰がその情報を閲覧、編集、削除できるのでしょうか。
**53.6％**は「自分自身」と答えました。会社に一元管理してほしい人は14.7％、チームに管理してほしい人は11.1％です。また、14.2％は、そもそもAIに長期的な記憶を持たせたくないと答えています。
これは企業向けAI製品を開発する人にとって重要な示唆です。記憶機能は、多ければ多いほどよいとは限りません。「何でも自動的に記憶する」ことより、透明性があり、管理でき、削除できることのほうが、ユーザーに安心感を与える可能性があります。
20. 多くの企業では、AIの使い方を従業員が自分で模索している
最も多かった回答は**29.7％**で、「AIは基本的に任意で、従業員が各自で使い方を決めている」でした。承認済みのツールと明確な利用ガイドがある会社は24％です。また、15.9％は、一部のチームだけが積極的に導入しており、運用方法は統一されていないと答えています。
このデータから、特定の管理段階にある企業が世界にどれくらいあるかを直接推定することはできません。集計対象は、回答者が自分の組織について述べた内容だからです。しかし、ツールの普及は速い一方で、ルールや協業の仕組みが追いついていないことは、明らかに示されています。
21. AIを意識的に使わない理由は、新しい技術が嫌いだからとは限らない
AIを意識的に避けることはないと答えた人は41.3％でした。反対に、約**58.7％**は何らかの懸念から、意図的にAIの利用を避けていると答えています。
主な理由は、スキルが衰えたり、仕事を置き換えられたりすることへの懸念（17.1％）、倫理的な問題（15.2％）、プライバシーとセキュリティ（13％）、環境への影響（8.2％）です。こうした懸念がAIを全面的に使わない理由になるとは限りませんが、利用範囲や受け入れ方には確かに影響しています。
反対意見をすべて「新しいツールを学びたくないだけ」と説明するのは、明らかに単純すぎます。
22. 企業はツールを絞り込み始めているが、統一した答えには至っていない
**32.8％**の回答者は、会社が承認済みの少数のツールを採用していると答えました。**18.6％は、主に1つのツールだけを使っていると回答しています。合わせて51.4％**となり、多くのチームがツールの絞り込みを始めていることがわかります。
一方、17.3％の会社では各チームが独自にツールを選び、12.5％はまだ幅広く試用している段階です。組織が独自の内部ツールやモデルを開発していると答えた人は、わずか**4.3％**でした。
これは、多くのAIプロジェクトが次に直面する課題なのかもしれません。モデルが足りないというより、セキュリティ、コスト、効果、使いやすさのバランスを取りながら、安定した働き方をどう作るかが問われています。
最後に——AIが普及した後、何が重要な能力になるのか？
この22枚の図を見て感じたのは、「AIが開発を引き継ぐ」ということでも、「AIは期待したほど優れていない」ということでもありません。むしろ、3つの変化が同時に起きているようです。
**第一に、AIは単独の質問応答ツールから、ソフトウェア開発プロセスの基盤へと変わりつつあります。**コーディング、デバッグ、テスト、ドキュメント作成に、深く活用する人がすでにいます。しかし、本番環境、権限、セキュリティ、重要な判断に近づくほど、人は慎重になります。
**第二に、検証する能力の価値は、むしろ高まっています。**AIはすばやく答えを出せますが、実行方法、境界条件の確認方法、コードベースの現状との矛盾の見分け方を知っておく必要があります。システム、業務、テストを理解している人の重要性が、それによって失われるわけではありません。
**第三に、Agent市場は急速に成長していますが、まだ形が定まっていません。**コーディングアシスタントには明確な上位製品がある一方で、メモリ、オーケストレーション、可観測性、自動化などの分野には、今もさまざまな製品があります。企業で本格的に導入する際に問われるのは、どのモデルがベンチマークでわずかに高いスコアを出すかではなく、完全で、制御可能で、保守しやすいワークフローを構築できるかどうかです。
2026年の問いは、もはや「開発者はAIを使うべきか」ではありません。「使いこなし、安心して活用し、責任を持つことのバランスを、どう取るか」です。
(Translated by GPT)
元のリンク：https://mp.weixin.qq.com/s/BOfSFB3GDN1Z5JVnXtf8Ow?token=603793316&lang=zh_CN&wt.mc_id=MVP_325642