技術選定の「穢れ」を直視せよ：AIエージェント時代の生存戦略

現場のエンジニアが直面する最も生々しい現実は、技術選定が純粋な技術的優位性だけで決まることは稀だという点だ。watany氏がDevelopers Summit 2026 summerで提示した「手打ち麺への切替」というモキュメンタリー形式の比喩は、我々が日々行っている技術選定の裏側にある「政治」と「打算」を痛烈に突きつけている。新しい技術、例えばTDD（テスト駆動開発）を導入しようとする際、エンジニアは「技術的に正しい」という一点突破で突き進もうとする。しかし、その導入がチームの工数を圧迫し、結果としてコスト転嫁が顧客に受け入れられず、最終的には導入見送りという「現状維持」に甘んじる。このプロセスは、まさにデッドロックに陥ったスレッドのように、誰も動けない膠着状態を生み出す。

ここで重要なのは、技術選定が「積極的（長期的利益）」と「消極的（短期的利益）」の二元論で語られがちだが、実際にはその境界線上に「労務費」や「人材の流動性」という極めて現実的な制約が横たわっていることだ。技術的に最強のスタックを選んだとしても、それを運用するエンジニアの待遇が改善されなければ、職人は去り、技術的負債だけが残る。我々シニアエンジニアが抱える懸念は、公開される「綺麗な技術選定事例」の裏側にある、こうした「穢れた」妥協のプロセスがブラックボックス化していることにある。公開事例には出版バイアスがかかり、失敗や打算は語られない。しかし、現場の真実はその「語られない部分」にこそ宿っているのではないだろうか。

AIエージェントの台頭は、この「技術選定の力学」を根本から覆しつつある。かつては「学習コスト」という壁が、新しい技術の採用を阻む最大の要因であった。しかし、Claude CodeのようなAIエージェントがコードの90%を生成する世界では、人間がその技術を習得するコストよりも、エージェントが「扱いやすい（in-distribution）」技術スタックであるかどうかが選定の基準となる。これは、技術選定の目的が「人間の生産性向上」から「エージェントのスループット最大化」へとシフトしていることを意味する。我々は今、エージェントのために技術を選定するという、かつてないパラドックスの中に立たされている。

この状況下で、技術選定の「積極的・消極的」という定義も再考を迫られる。AIエージェントの学習コストを最小化するために、あえて枯れた技術や標準的なスタックを選ぶことは、一見すると消極的に見えるが、エージェントのパフォーマンスを最大化するという観点では極めて積極的な戦略となり得る。しかし、ここで新たな問題が浮上する。それは「定着しない木こり」としてのAIエージェントの脆さだ。モデルの退役、コスト変更、ハーネスの刷新といった激しい変化の中で、エージェントに最適化しすぎた環境は、人間がメンテナンス不能な「穢れた」ブラックボックスと化すリスクを孕んでいる。我々エンジニアは、AIという強力なバフを得た一方で、そのAIがいつまでその環境で機能し続けるかという、新たな不確実性と対峙しなければならない。

結局のところ、技術選定とは「誰の利益を最大化するためのものか」という問いに帰結する。顧客か、エンジニアか、それともAIエージェントか。公開される技術選定の事例が「綺麗な物語」に終始する中で、我々が明日から取るべき実践的な処方箋は、自らの選定理由を「どこにプロットできるか」を常に自問自答することだ。技術的な最強を追求するのか、それとも組織の政治的妥協を受け入れるのか。あるいは、AIエージェントの学習コストを考慮した「エージェント・フレンドリー」な道を選ぶのか。これらの選択肢を隠蔽せず、自らのキャリアや実務に照らし合わせて言語化することこそが、シニアエンジニアとしての責務である。

最後に、読者であるあなたに問いたい。あなたが今、プロジェクトで採用しているその技術スタックは、本当にチームの持続可能性を考慮したものだろうか。それとも、単に「AIが書きやすいから」という理由で、将来のメンテナンス性を犠牲にした「穢れた」選定になっていないだろうか。技術選定の裏側にある「穢れ」を恥じる必要はない。むしろ、その妥協のプロセスこそが、ビジネスという過酷な戦場を生き抜くためのリアルな知見である。公開されない失敗や打算の中にこそ、次世代のエンジニアが学ぶべき真実が隠されている。あなたは、その「穢れた」選定理由を、チームやコミュニティに対して誠実に語る覚悟があるだろうか。技術選定の正解は、常にその時の文脈と、あなたが背負う責任の重さの中にしかない。