AIによるコード生成ツールが普及する中、「単なるAIによる補完（Copilot型）」と「Agentic（自律型）」の違いが注目されています。本記事では、Agentic Codingの定義と実態について整理します。

---

1. Agentic Coding とは何か？

Agentic Codingとは、AIが単なるコードの補完（Autocompletion）に留まらず、「自律的な意思決定」と「一連のタスクの遂行」を行う開発スタイルを指します。

従来のAIツールが「筆記用具」だったのに対し、Agentic CodingにおけるAIは「ジュニアエンジニア（あるいはペアプロ相手）」に近い役割を担います。

従来のAI活用（Copilot型）との違い

特徴	Copilot型 (AI-Assisted)	Agentic型 (Agentic Coding)
主導権	人間が1行ずつ、または関数単位で指示	人間がゴール（Issueや要件）を提示
動作範囲	エディタ内でのコード生成	ファイル作成、テスト実行、デバッグ、リサーチ
ループ	入力 → 出力の単発実行	思考 → 実行 → 結果確認 → 修正のループ
コンテキスト	開いているファイル周辺のみ	リポジトリ全体、外部ドキュメント、実行ログ

---

2. Agentic Coding の定義

一般的に、以下の3つの要素を兼ね備えている状態を「Agentic Coding」と定義することが多いです。

1. 自律的なプランニング (Planning): 与えられた指示（例：「このバグを直して」）に対し、どのファイルを修正し、どの順序で進めるべきかの計画を自ら立てる。
2. ツール利用 (Tool Use): コードを書くだけでなく、Linterの実行、テストの回帰、ブラウザでの検索、ターミナル操作などを自ら行う。
3. 自己修正 (Self-Correction/Reflection): テストが失敗した際に、そのエラーログを読み取り、自らコードを修正して再試行する。

---

3. 具体的に「何をしている」とAgenticなのか

現場レベルで、以下のようなワークフローが発生していれば、それはAgentic Codingを実践していると言えます。

• Issue直結型の修正: GitHubのIssue URLを渡すだけで、AIがリポジトリをスキャンし、PR（プルリクエスト）のドラフトまで作成する。
• テスト駆動型の自動実装: 「このテストを通るように実装して」という指示に対し、AIが実装とテスト実行を繰り返し、パスするまで試行錯誤する。
• 広範囲のリファクタリング: 1ファイルではなく、プロジェクト全体のアーキテクチャを理解した上で、複数のファイルにまたがる依存関係を整理する。
• ドキュメントからの環境構築: READMEを読み込み、不足しているライブラリをインストールし、開発環境をセットアップする。

---

4. 生産性指標を作るための「材料」の視点

今後、指標（メトリクス）を設計するにあたって、以下の観点でデータを集める準備をすることをお勧めします。

• 時間（Speed）: 1つのIssueが「着手」から「PR作成」に至るまでの時間の変化。
• 自律度（Autonomy）: AIが生成したコードのうち、人間が修正を加えずにパスした割合（Success Rate）。
• 守備範囲（Scope）: 本来ならシニア層が対応していた複雑なタスクを、AIエージェント＋ジュニア層で完結できた数。
• サイクル（Iteration）: 人間が介在しない状態で、AIが何回セルフデバッグ（ループ）を回したか。

---

まとめ

Agentic Codingは、AIが単なるコード補完を超えて、自律的な意思決定と一連のタスク遂行を行う開発スタイルです。Copilot型との違いを理解し、実際の開発現場でどのような活動がAgenticなのかを把握することで、より効果的なAI活用が可能になります。

生産性を測る際は、時間（Speed）、自律度（Autonomy）、守備範囲（Scope）、サイクル（Iteration）といった観点からデータを収集し、効果を可視化することが重要です。