【解説します】AIベース開発の進化についていきたいけど、ついていけない人へ【激変中】

最初に結論を書きます。いま起きている変化は「AIが賢くなった」ことではなく、「AIの使い方が、話しかけることから設計することへ移った」ことだと私は思っています。

だから追いつけない感じがするのは当然で、覚えるべきものが単語から仕組みに変わったからです。

逆に言うと、仕組みの形さえつかめば、毎週生まれる新しい名前は全部その形のどこかに置けるようになります。

なぜそう言えるのか。ここ数年の流れが、はっきり3つの段階に分かれているからです。

最初はプロンプトの時代でした。プロンプトというのは、AIに出す指示文のことです。検索窓に言葉を入れるのと同じで、1回話しかけて、返ってきた答えを受け取る。うまくいかなければ聞き方を変える。ここでの上手さは、言葉選びの上手さでした。料理でいえば、レシピをうまく口頭で伝える段階です。

次に来たのがループの時代です。ループとは繰り返しのこと。1回で終わらせず、AIに書かせて、動かして、失敗したら直させて、また回す。人が寝ている間も回り続ける。ここでの上手さは、言葉ではなく輪の設計に移りました。何をもって成功とし、失敗したらどこへ戻すのか。料理でいえば、味見して足りなければ調味料を足す工程を組み込んだ段階です。

そしていま来ているのがグラフの時代です。グラフというと数学のグラフを思い浮かべるかもしれませんが、ここでは地図のことだと思ってください。点があって、点と点が矢印でつながっている。輪を1つだけ回すのではなく、輪をいくつも持って、条件によって道を分け、いくつかを同時に走らせ、結果を合流させる。厨房でいえば、1人のコックが順番に作るのをやめて、前菜担当とメイン担当とソース担当を並べて、出来上がりを1つの皿に集める段階です。

大事なのは、3つが入れ替わったのではなく積み上がっていることです。グラフの中にループがあり、ループの中にプロンプトがある。だから今からプロンプトを学ぶのは無駄ではありません。土台はそのまま残っています。

では、なぜわざわざ地図が必要になったのか。ここに面白い理由があります。

データを処理する世界には昔からDAGという言葉があります。

有向非巡回グラフ、つまり矢印が一方通行で、輪を作ってはいけない地図です。データを取ってきて、加工して、保存する。

後戻りしない。工場のベルトコンベアだと思ってください。

ところがAIのエージェント、つまり自分で作業する代理人としてのAIには、これが致命的に合いません。AIの仕事は必ずやり直しを含むからです。

文章が指示から外れていたら書き直させる。テストが落ちたら直させる。調べ物が足りなければもう一度探させる。戻る矢印がないと、そもそも表現できないのです。だからエージェントの地図には輪が要る。

ループというのは、実は輪のある地図のいちばん単純な一例にすぎません。ループとグラフは対立していなくて、ループはグラフの一部です。

この地図を書くための道具として名前が知られているのがLangGraphです。点(ノード)と矢印(エッジ)と、みんなで共有する状態を書いていく、骨っぽい道具です。TypeScriptという言語を主に使う人にはMastraという選択肢もあります。

他に役割分担型のCrewAI、会話型のAutoGen系、OpenAIのAgents SDKなどもありますが、地図を正面から名乗っているのは前の2つだと考えて大きくは外れないと思います。

さて、ここからが、私がいちばん面白いと思っている部分です。地図を書けたとして、それを誰が走らせるのか、という話です。

LangGraphの内部にはPregelという実行の仕組みが入っています。もとはGoogleが巨大なつながりの計算をするために作ったもので、さらにその下敷きにBSP(バルク同期並列)という1990年に提唱された古い計算モデルがあります。やっていることは単純で、全部の点が同時に計算する、終わったら隣に手紙を出す、全員が出し終わるまで待つ、待ち合わせが済んだら次の一巡へ。この一巡をスーパーステップと呼びます。クラス全員が同時に問題を解いて、全員終わってから答え合わせをして、次の問題に進む、あの進み方です。

一巡ごとに途中経過が保存されます。これをチェックポイントと呼びます。ゲームのセーブポイントとまったく同じ発想で、途中で落ちても最後のセーブから再開できる。ここまで聞くと安心に思えます。

でも、ここに最大の落とし穴があります。セーブデータがあることと、誰かが再開してくれることは別だからです。LangGraphの無料公開版は基本的に1つのプロセスの中で動いていて、そのプロセスが死ねば実行も止まります。しかも、同じ処理を2つのプロセスが同時に再開しようとしても、それを止める審判がいない。二重に走ってしまう。セーブはあるのに、電源が抜けたら誰もコントローラーを握り直してくれない状態です。

この穴を埋めるのがDurable Execution、日本語でいう永続実行です。どこまでやったかを外部に記録しておいて、落ちたら自動的に続きから再開し、二重実行を防ぎ、失敗したらやり直しを管理し、何日でも待てる仕組みです。セーブがクラウドに置かれていて、しかも自分で勝手にロードして続きを進めてくれる、というイメージが近いと思います。

代表的なものにTemporalがあり、OpenAIがCodexという製品の本番運用に使っています。TypeScript製で普通のコードをそのまま書けるTrigger.dev、関数の冒頭に一言書くだけで済むVercel Workflow、データベースに状態を書くだけで別サーバーが要らないDBOS、単一ファイルで動くRestate、サーバーレスのInngestやHatchetなどもあります。

ここは強調しておきたいところなのですが、永続実行はグラフ専用の技術ではありません。1本のループにも同じように必要です。ただ、エージェントが何時間も何日も走るようになった瞬間に、事実上なくてはならない土台になった。だから地図の話とセットで語られるようになっただけです。

一方で、これは本当にグラフならではだ、と言えるものもあります。Graphitiという記憶の仕組みです。普通のAIの記憶は、文章を数字の並び(ベクトル)に変えて、似ているものを引っ張ってくる方式です。Graphitiは知識を点と線の網として持ち、しかも1本1本の線に、いつからいつまで有効だったかという時刻が入っています。だから事実が変わっても古い事実を消さず、無効にするだけで済む。

「彼は前は野球部だったが、いまは軽音部にいる」を、両方持ったまま区別できる。名簿を上書きせずに、在籍期間つきで積み重ねていく感じです。時間に関する推論のテストでは、この時刻設計があるかないかで正答率に十数ポイントの差が出ているそうです。

逆に、グラフの下流としてよく並べられるけれど実はグラフ固有ではないものもあります。出力を採点する評価ツール、外部ツールにつなぐ規格、どこで失敗したかを見る監視ダッシュボード。どれも1本のループでも同じだけ必要です。汎用の部品まで全部グラフの一部と呼んでしまうと、グラフという言葉が何も指さなくなる。私はこの切り分けを持っておくと、道具の一覧を見たときに惑わされにくくなると思っています。

ついでに、言葉の生まれ方についても正直に書いておきます。グラフエンジニアリングという言い方が広まった経緯はけっこう軽くて、2026年6月にある開発者が「プロンプトするな、ループを設計せよ」と投稿して大きく読まれ、その1か月半後に同じ人が「ループの時代は終わった、これからはグラフだ」と投稿した、という流れです。

技術の実体は3年前から動いていたので、言葉のほうが後追いでした。指している技術は本物だけれど、名前は後から貼られたラベル。半年後には別の名前になっている可能性のほうが高いと思います。だから呼び名に忠誠を誓う必要はなくて、形だけ覚えておけば十分です。

ここまでが「動かし方」の話でした。もう一方の流れ、つまり「動かすもの」のほうも駆け足で並べておきます。用語は省きませんが、置き場所さえ分かれば怖くありません。

まず、AIを小さく軽くする流れがあります。ボトルネックはメモリ帯域幅、つまりデータの通り道の太さです。ここを突破するのが量子化で、代表がMicrosoftのBitNetです。重みという内部の数値を1bit相当まで削って、掛け算をやめて足し算だけで動かす発想です。

写真をJPEGに、音楽をMP3に圧縮すると、画質や音質を少し落とす代わりにスマホに何千枚も入る、あの感覚に近いと思ってください。

これを支える高速化技術にT-MACがあり、CPUやNPUという普通のパソコンの部品でも動くようになりました。

動かす側のエンジンも増えました。長くvLLMの一強でしたが、いまは用途別に分かれています。

ゲーム用GPUのように使えるメモリが少ない環境向けのExLlamaV2やExLlamaV3、Rust製で速いmistral.rs、機能を切り詰めたnano-vllm、Appleのチップに特化したmlx-lmやmlx-vlm、スマホ向けのLiteRT-LM、複数のパソコンを束ねて1台のように使うexoやdistributed-llama、ローカルで手軽に動かすLocalAIやJanなど。

モデル自体も、大きければ良いという時代ではなくなりました。SLM、小さな言語モデルの生態系が成熟しています。

Hugging FaceのSmolLM3、MicrosoftのPhi-4-miniやPhi-4-multimodal、AI2のOLMo 2、中国発のMiniCPM、IBMのGranite、ByteDanceのSeed-OSS、BaiduのERNIE。高速道路には大型トラックが要るけれど、街の買い物には軽自動車のほうが速くて安い、という当たり前のことがAIでも起きています。

調べ物を助ける部品もあります。RAG(検索拡張生成)というのは、AIに答えさせる前に資料を検索して渡す仕組みです。図書館で司書さんが該当ページを抜き出してくれて、それを読んで答える、という分業だと思ってください。

文章を数字に変える埋め込みモデルがQwen3-EmbeddingやEmbeddingGemmaやBGE-M3、検索結果の順番を並べ替えるリランカーがQwen3-Rerankerやbge-reranker。組み立てるフレームワークにRAGFlow、LightRAG、GraphRAG、R2Rなどがあります。

AIが自分で作業する側面も進みました。コーディングエージェントと呼ばれるOpenCode、Cline、Continue、Goose、OpenHands、Codex CLI、SWE-agentなどは、ファイルを直したりコマンドを打ったりを自分で行います。さらにComputer Useという分野では、UI-TARSやBrowser Use、Open Interpreterのように、画面のスクリーンショットを見てマウスとキーボードを操作するものまで出てきました。

そのAIを外部とつなぐ規格がMCP(Model Context Protocol)です。AnthropicがつくったUSB-Cのようなもので、いろいろな道具を同じ差し込み口でつなげます。データベース、ブラウザ、地図、決済、社内文書。awesome-mcp-serversのような一覧サイトを見ると、その数の多さに驚くと思います。記憶の分野ではMem0、Zep、Letta、HippoRAG、そして前に触れたGraphiti。

生成の分野も並べておきます。動画ではWan2.1やWan2.2、HunyuanVideo、LTX-Video、Open-Sora。画像ではQwen-ImageやFLUX。音声合成ではKokoro、F5-TTS、CosyVoice、Fish Speech。科学ではタンパク質の構造を予測するBoltz-1やChai-1、ESMFold。学習側の裏方としてTRL、Unsloth、verl、OpenRLHF。安全性を検証するレッドチーム向けにGarak、PyRIT、promptfoo、Inspect AI。

そして地味だけれど効くのが、ターミナルの道具の刷新です。Rustという言語で書き直された高速なツール群、検索のripgrep、ファイル探しのfd、一覧のezaやyazi、移動のzoxide、差分表示のdelta、監視のbtopやbottom、画面分割のzellij。文房具を一式買い替えたら作業が速くなった、という種類の変化です。

さらに先の話として、AI同士が価値をやり取りするための規格も実在します。x402、AP2、ACPといったもので、エージェントが自分でAPIを呼んで支払いをする世界を想定しています。

一つだけ注意を書き添えます。こういう一覧を作るとき、実在するかどうかの確認はとても難しいです。実際、少し前に架空だと判断された名前が、あとから本当に存在するモデルだった、ということも起きます。私自身も何度か間違えました。だから一覧はスナップショットとして扱って、気になったものはその都度、公式のページを見に行くのがいちばん確実だと思います。

最後に、もう一度いちばん言いたいことに戻ります。

新しい名前を追いかけようとすると、絶対に息が切れます。数が多すぎるし、入れ替わりも速すぎる。でも段階は3つしかありません。

話しかける、繰り返させる、地図を描く。そして地図を描くというのは、成功する道を引くことよりも、失敗したものをどこへ置くかを決めることです。

検証に落ちたらどこへ戻すのか、2回失敗したらどうするのか、途中で電源が切れたらどこから拾い直すのか。派手な地図を描くことより、落ちたときに戻れることのほうが、実際にはずっと効きます。

流行り言葉は入れ替わります。プロンプト、ループ、グラフ、その次。それでも、失敗の置き場所を設計するという仕事だけは、名前が変わっても残ると私は思っています。そこが、まだしばらく人間の持ち場です。