Insights AI
エージェント型コーディング時代に向けた構築:自律的な開発エージェントにインフラはどう適応するか
ポッドキャスト · 聴く(19分)
Supabase Says 70% of Its New Users Aren't Human | AI Explained
目次
人工知能(AI)エージェントがソフトウェア作成の主要な実行部分を担うようになるにつれ、開発者向けの基盤インフラは、人間ではない自律的な開発主体に対応するため、構造的な変革を遂げている。オープンソースのPostgreSQL(Postgres)プラットフォームであるSupabaseは、AIエージェントを中心にインフラを積極的に再設計しており、現在、プラットフォーム上の新規活動全体の約70%をAIエージェントが生み出している。エージェント型のソフトウェア作成へ向かうこの大きな移行によって、個人向けに極めて細かく特化した独自のソフトウェアが、個人の文書や表計算ファイルと同じくらい身近で使い捨て可能なものになる。同時に、ソフトウェア開発の中核的な価値を生む要因は、技術的な実行能力(「どう作るかを知ること」)から、専門領域の知識と製品ビジョン(「何を作るかを知ること」)へと再定義される。
ボトルネック:エージェント主導の世界における、人間向けに設計されたインフラ
従来のソフトウェア開発者向けインフラは、人間の身体的な作業速度と認知上の制約を前提に設計されていた。旧来のデータベースプラットフォーム、クラウド管理ダッシュボード、開発ツール群は、人間の操作担当者が画面の前に座り、環境の設定、データベーススキーマの作成、コマンドラインスクリプトの実行、アプリケーション・プログラミング・インターフェース(API)の確認を手作業で行うことを想定していた。こうした人間中心の作業フローは本質的に、手作業によるエラー修正、視覚的なインターフェースの操作、数週間に及ぶ開発サイクルを伴う、慎重な速度で進められていた。
旧来のインフラを自律的なAIエージェントに適応させることには、深刻な技術的課題がある。グラフィカルな操作画面や慎重なスクリプト実行を通じてプラットフォームを利用する人間の開発者とは異なり、AIエージェントは極めて大量のバックエンドサービスを、ほぼ瞬時にプログラム経由で起動し、問い合わせ、変更し、解体する。従来のデータベースプラットフォームは、こうした人間以外による処理負荷にさらされると、運用上のボトルネックに直面する。手動設定の作業フローが停滞し、人間向けの利用頻度制限が早々に発動し、人間がユーザーインターフェースを操作しない状況では、視覚的な管理ダッシュボードは意味を失う。
Supabaseの共同創業者兼最高経営責任者Paul Copplestoneは、2026年10月30日のY Combinatorのスタートアップ・ポッドキャスト(LightconeチャンネルでGarry、Harj、Jaredが司会を担当)への出演時に、自社プラットフォームがこの根本的な運用の転換をどのように認識したかを詳しく説明した。自律的なソフトウェアエージェントが、そのエコシステム全体で主要なユーザー像として急速に台頭するなか、Supabaseは、エージェントとのやり取りを単純な自動化スクリプトとして扱うことは、もはや通用しないと認識した。分析の観点から、この実証データは、より広範な構造的現実を浮き彫りにしている。バックエンドの技術構成は、手入力ではなく、プログラム経由での人間以外による実行に最適化するため、根本から再設計されなければならない。
エージェント中心のインフラの仕組み:段階的な設計図
AIエージェントを主要なユーザーとして扱うため、開発者向けプラットフォームは、自律的な実行を想定した三層の運用設計を軸に、その構成を再設計している。
ステップ1:プログラム経由のプロビジョニング
エージェント中心の枠組みでは、データベースの設定は人間向けのユーザーインターフェースから完全に切り離される。エージェントは、機械が読み取れる接続先を通じて、設定済みのデータベースインスタンスをプログラム経由で初期化する。人間の開発者がウェブフォームを操作してクラウドの地域を選び、ストレージを割り当て、環境変数を設定する代わりに、AIエージェントは自動化されたAPI指示を発行し、完全なPostgresインスタンスをミリ秒単位で用意する。
ステップ2:エージェントに最適化されたインターフェース
バックエンドサービスが用意されると、データベース層は、大規模言語モデル(LLM)と自律エージェントに特化して最適化されたインターフェースを提供する必要がある。プラットフォームは、従来のAPIに加えて、モデル・コンテキスト・プロトコル(MCP)サーバー、自己記述型のOpenAPI/Swaggerスキーマ、構造化されたJSONログ記録システムを実装する。こうした機械向けの抽象化により、エージェントは、視覚的なツールや人間の指導を必要とせず、スキーマ構成の確認、有効な問い合わせロジックの記述、スキーマ移行の実行、実行時エラーログの解釈を直接行える。
ステップ3:自動化されたライフサイクル管理
自律的なコーディングの作業フローは、短命で特定のタスクに特化した処理負荷を特徴とする、変動性の高いインフラ利用パターンを生み出す。エージェント中心のインフラは、自動的な規模調整、隔離された機能テストのための一時的なデータベースの即時複製、エージェントがタスクを完了した後の迅速な撤去など、頻繁に発生するライフサイクル上の事象を処理しなければならない。インフラプラットフォームは、自動化システムが引き起こす絶え間ない作成と削除のサイクルに対応しながら、システムの安定性と計算資源の効率を維持する必要がある。
直感的なたとえ:設計図に基づく建設と小型集合住宅の自動印刷
この構造的な進化を理解するために、従来の住宅建設と自動化されたモジュール製造の違いを考えてみよう。 * 従来のデータベース管理は、住宅を注文建築するようなものだ。建築家が人間の居住者向けに紙の設計図を作成し、施工業者が数か月をかけて骨組み、配管、電気配線を手作業で組み立てる。すべての工程が、人間の身体的な作業速度と手動検査に依存する。 * エージェント型のプロビジョニングは、アルゴリズムが空間を要求するたびに、必要に応じてモジュール式の小型住戸を瞬時に印刷する自動工場のように機能する。住戸は継続的に生成され、人間の手作業なしに即座に個別仕様へ調整され、空間が不要になった瞬間に滞りなく解体される。
真に新しい点:「どう作るか」から「何を作るか」への転換
エージェント型コーディングへの移行は、ローコードやノーコードのプラットフォームなど、過去のソフトウェア開発の民主化の動きとは質的に異なる。以前のローコードツールは、人間のユーザーにドラッグ・アンド・ドロップ式の視覚的インターフェースや簡略化されたグラフィカルな操作機能を提供し、複雑な構文を抽象化して見えなくすることに重点を置いていた。しかし、運用上のボトルネックは残った。人間は依然として、論理的な作業フローを手動で設計し、視覚的な部品を接続し、アプリケーションを段階的に組み立てる必要があった。
エージェント時代の根本的な突破口は、実行を完全に委任できる点にある。ソフトウェア作成は、人間がコードを入力したり視覚的な構築ツールを操作したりする形から、自然言語で表現された意図に基づき、自律エージェントが技術開発を最初から最後まで実行する形へと移行した。
+-----------------------------------------------------------------------+
| EVOLUTION OF BUILDING |
+-----------------------------------------------------------------------+
| TRADITIONAL CODING | Low-Code / No-Code | AGENTIC CODING ERA |
| Human writes code | Human uses drag-and-| Agent executes end-to-end |
| line-by-line. | drop interfaces. | development autonomously. |
+--------------------+---------------------+----------------------------+
| Focus: | Focus: | Focus: |
| "How to build" | "How to build" | "What to build" |
| (Syntax & Code) | (Visual Workflows) | (Domain Vision & Intent) |
+-----------------------------------------------------------------------+
この構造的な転換は、Paul Copplestoneが描く「個人向けソフトウェア」の構想を支えている。歴史的に、ソフトウェア開発には多額の資本や専門的な開発人材が必要であり、アプリケーション作成は、大規模な対象市場に向けた広範で標準化された製品に限られていた。エージェント時代には、機能するソフトウェアを生成するための限界費用と所要時間がゼロに近づく。
その結果、高度に個別化されたアプリケーションは、個人の文書や表計算ファイルと同じくらい普遍的で、一時的かつ使い捨て可能なものになる。例えば、四半期監査の準備をする金融アナリストは、短命なPostgresインスタンスを基盤とする、一度限りのデータ照合アプリケーションを作るようエージェントに指示できる。エージェントはデータベースを用意し、さまざまな取引先の請求書を取り込み、照合スクリプトを実行し、監査報告書を提示する。分析が完了すると、特定の目的を果たしたアプリケーションの技術構成全体とバックエンドインスタンスは自動的に消去される。
この結果、ソフトウェア作成における人間の労働価値は、戦略的に再配分されつつある。技術的な実装の詳細、つまり「どう作るか」は、エージェントに最適化されたインフラとAIモデルに吸収される。決定的な競争上の差別化要因は、専門領域の知識、問題の定義、製品に対する直感、ユーザー体験の設計、つまり「何を作るか」へと全面的に移る。
経済的・戦略的影響:製品、業界、エンドユーザー
自律的な開発主体を中心にインフラを再編することは、テクノロジー業界の主要な三つの利害関係者層に、構造的な波及効果をもたらす。
製品チームへの影響
製品の反復開発サイクルは、数週間にわたる機能開発の短期集中工程から、数分で完結する運用ループへと短縮されている。開発チームが、定型的なバックエンドコードの手動記述、スキーマ移行の実行、日常的なAPI設定に費やす労力は大幅に減る。代わりに、製品管理者とエンジニアは、エージェントを活用して機能の試作、テスト、展開を迅速に行う。これにより、個々のユーザーの作業フローを満たすため、専用のソフトウェア機能をその場で生成する、高度に個別化されたユーザー体験が可能になる。
AI・クラウド業界への影響
クラウド事業者とデータベースプラットフォームにとって、バックエンドの利用パターンは、人間が開始する操作から、大量の自動処理へと劇的に転換しつつある。AIエージェントがデータベースのプロビジョニングの大半を担うと、インフラプラットフォームでは、膨大な数の小規模データベースが継続的に起動され、問い合わせを受け、撤去されることによる、大規模かつ自動的な利用量の急増が発生する。
投資と単位当たりの採算性の観点から、この転換はクラウド事業者の利益率構造を変える。従来の予測可能な利用者数ベースのサービス型ソフトウェア(SaaS)契約モデルは、継続的かつ高速な資源消費に合わせて調整された、利用量ベースの従量課金へと置き換わりつつある。低遅延のエージェント向けAPI、自動化されたスキーマ統制、インスタンスの即時プロビジョニングに向けてインフラを最適化するクラウド事業者は、人間以外による計算需要の市場で支配的なシェアを獲得できる立場にある。
一般ユーザーへの影響
技術を専門としない職業人や、業務分野の専門家は、ソフトウェアを直接作成する主体へと変わる。自然言語で表現した意図とエージェント型のバックエンドプラットフォームを組み合わせることで、個人はコンピューター科学の正式な教育を受けていなくても、独自の実用アプリケーションを構築できる。専門領域の有識者は、目の前の業務上のニーズに正確に合致する専用ソフトウェアツールを生成することで、特定の生産性上の課題を即座に解決できる。
制約、リスク、未解決の技術的課題
エージェント型インフラへの移行は、運用面で広大な可能性を開く一方、自律エージェントが活動の大半を生み出すプラットフォームの管理には、技術的リスクと未解決の統制上の問題が伴う。
- プラットフォームの信頼性とデータの完全性:Supabaseのプラットフォームデータに記録されているとおり、AIエージェントは現在、新規活動の約70%を生み出している。この大量の人間以外による操作は、スキーマの破損、意図しない問い合わせの実行、性能低下に関するシステム全体のリスクをもたらす。人間の監督なしで動作する自律エージェントは、非効率な問い合わせ構造や欠陥のある移行スクリプトを、数千のクラウド環境に同時に急速に広める可能性がある。
- 統制とプライバシー管理:データベースが大規模に自動で用意される場合(週当たり1Mを超える新規インスタンス)、セキュリティ設定、アクセス制御リスト、データプライバシー規制への準拠の管理は、はるかに複雑になる。エージェントが誤って機密データを公開したり、行レベルセキュリティ(RLS)ポリシーを誤設定したりしないよう、堅牢な防護策を確立することは、依然として大きな技術的課題である。
- 費用管理と資源配分:バックエンドサービスの頻繁な作成と撤去は、インフラ事業者とプラットフォーム利用者の双方に、資源配分上の課題を生じさせるおそれがある。自動化されたライフサイクル規則と、休止中のインスタンスの積極的な回収がなければ、エージェントが作成して放置したデータベースが、クラウド資源の浪費や予期しない費用超過を招く可能性がある。
- 成熟度と過熱した期待:インフラの分析担当者は、記録されたプラットフォームの運用指標と、推測的な業界予測を区別しなければならない。エージェントが開始する大量のデータベースのプロビジョニングは、Supabaseのようなプラットフォームでは確立された現実だが、使い捨ての「個人向けソフトウェア」モデルの長期的な経済的安定性と企業での導入は、依然として発展途上の枠組みであり、実際の運用負荷のもとで継続的な評価を必要とする。
こうした構造的な変化への理解を深めるため、DeepValues Researchのサイトで公開されている調査をさらにご覧いただくか、DeepValuesアプリをお試しいただきたい。
主要数値
以下の基礎指標は、出典の文脈から直接抽出した、プラットフォームの規模、運用量、エージェントの活動を示している。
- Supabaseの総ユーザー数:13M人(2026年10月30日時点)。
- 週間データベース作成数:毎週1M超のデータベースが起動される(2026年10月30日時点)。
- エージェントによる活動の割合:Supabase上の新規活動の約70%がAIエージェントに由来する(2026年10月30日時点)。
- ポッドキャストの回の長さ:49分(2026年10月30日公開)。
この見方を変え得る要因
エージェント型インフラの長期的な分析上の方向性は、変化を続ける複数の技術的、規制的、経済的な変数に左右されます。以下の観測可能な動向が生じた場合、この戦略的評価は大きく変わることになります:
- エージェントによる活動比率の変動: プラットフォーム上の活動のうちAIエージェントが生み出す割合である~70%が持続的に低下するか、大幅に上昇すれば、開発者による採用、モデルの信頼性、またはエージェントの自律性の限界に変化が生じていることを示します。
- エージェント固有のセキュリティ規制の登場: 自律型AIエージェントによるクラウドデータベースへのアクセスを特に制限する規制枠組みやコンプライアンス要件が成立すれば、インフラ提供企業は自動プロビジョニングのワークフローを縮小せざるを得なくなる可能性があります。
- クラウドの単位当たり採算性の変化: 短命なデータベースの大量の起動と削除が利益率の赤字化やネットワークの不安定化につながる場合、クラウドプラットフォームは自動化されたエージェントのワークロードに対する料金体系の再構築を余儀なくされる可能性があります。
- エージェントとデータベース間のプロトコルの標準化: Postgresにとどまらず、独自の企業向けクラウド・エコシステムにも対応する、標準化されたクラウド横断型のエージェントとデータベース間の連携プロトコルが業界で広く採用されれば、より広範な技術分野にわたるインフラ統合が加速する可能性があります。
参考文献
- "What Happens When Everyone Can Build Software," Y Combinator Startup Podcast (featuring Paul Copplestone, hosted by Garry, Harj, and Jared on the Lightcone), published October 30, 2026.
動画
出典リンク
- What Happens When Everyone Can… - Y Combinator Startup Podcast - Apple Podcasts
視聴・試聴
- Supabase Says 70% of Its New Users Aren't Human YouTube · EN
- Supabase每週增百萬資料庫,七成活動不是人類 YouTube · 中文
- Supabase Says 70% of Its New Users Aren't Human | AI Explained ポッドキャスト · EN
- Supabase每週增百萬資料庫,七成活動不是人類|AI 前沿 ポッドキャスト · 中文