Ep.1030 AIはコードを「書ける」が「育てられる」か？──新評価基準『SWE-CI』が暴くAIエンジニアの実力（2026年3月19日配信）

名古屋ではたらく社長のITニュースポッドキャスト · Mar 18, 2026 · 3m

AIが人間の代わりにプログラミングを行うことが当たり前になりつつある昨今ですが、2026年3月上旬、アリババグループなどの研究チームが発表した「SWE-CI」という論文が、IT業界で大きな議論を呼んでいます。これまで、AIがプログラムを書く能力を測るテストは、出された一つのバグをパッと直せるかという「一問一答」のようなものが主流でした。しかし、実際のシステム開発というのは、何ヶ月、何年にもわたって機能を付け足したり、修正を繰り返したりする地道な作業の連続です。

そこで研究チームは、1回限りの修正ではなく、平均して233日間、71回の細かな変更を繰り返すという、実際のソフトウェアの進化を模した過酷なテスト「SWE-CI」を開発しました。これはAIが単にコードを書くのではなく、長期的にシステムを「育てていけるか」を測る、いわばマラソンのようなテストです。実際に18種類のAIモデルをこのテストで走らせた結果、非常に興味深い事実が明らかになりました。多くのAIは、目先の機能を実装する際に、過去にうまく動いていた別の機能を壊してしまう「リグレッション」というミスを頻発してしまったのです。つまり、自分で書いたバグを自分で直すという悪循環に陥ってしまい、長期的な保守作業の難しさが浮き彫りになりました。…