「世界初の自律型AIエンジニア」を実際に使うと

Cognition AIがDevinを発表した2024年、「ソフトウェアエンジニアが不要になる」という極端な予測も出回った。実際に使ってみると、そういった予測とはかけ離れた、もっと地に足のついたツールだと分かった。

Devinは確かに自律的にコードを書き、テストを実行し、バグを修正できる。ただし、すべてのタスクで期待通りに動くわけではない。得意なことと苦手なことがはっきりしており、その特性を理解した上で使い方を決める必要がある。

Devinが得意なタスク

Devinが期待以上のパフォーマンスを見せるのは、スコープが明確に限定されたタスクだ。

バグ修正は最も安定した用途の一つだ。「このテストが失敗している。原因を調べて修正して」という指示に対して、テストを実行し、エラーを読み、コードを調べ、修正を施すというサイクルを自律的に回す。修正が終わったらテストを再実行して確認する——この一連の流れを人間の介入なしに完結できる。

テストコードの作成も得意だ。既存のコードを読んでテストケースを網羅的に書く作業は、人間がやると単調で時間がかかる。Devinに任せると、パターンを読み取って大量のテストケースを生成できる。品質の検証は必要だが、ゼロから書く作業の負担は大きく減る。

ドキュメント生成もスコープが明確なら安定して動く。関数やクラスのJSDocを書く、APIのエンドポイント一覧をREADMEにまとめる、といった作業だ。

依存関係のアップデートとそれに伴う修正作業も、Devinが威力を発揮する領域だ。ライブラリのメジャーバージョンアップで破壊的変更があった場合、影響箇所を調べて修正する作業を自律的に進められる。

Devinが苦手なこと

正直に言うと、最初に期待していたことの半分くらいはDevinには無理だった。

アーキテクチャの設計判断は苦手だ。「このシステムをどう設計すべきか」「スケーリングの問題を解決するアーキテクチャを考えて」といった問いに対して、それなりに答えは返ってくるが、ビジネス文脈や既存システムへの理解が浅く、実際に採用できる提案にはなりにくい。

曖昧な要件のタスクも苦手だ。「このUIをもっと良くして」のような指示は、どの方向に「良く」するかの判断ができない。タスクを具体的に分解して、それぞれの部分を明示的に指示する必要がある。

長い連鎖の作業も、途中で想定外のエラーが出るとDevinが迷子になることがある。10ステップ以上の作業を一度に任せると、途中で方向を見失うケースが出てくる。大きな作業は小さなタスクに分解して、段階的に指示する方が安全だ。

月額500ドルの費用対効果

Devinの料金は月額500ドル（約7万5千円）と高額だ。この金額が正当化されるかどうかは、どういう組織でどう使うかによって大きく変わる。

試算してみると、エンジニアの時間単価を仮に5000〜1万円/時間として、月に15〜20時間のルーティン的なバグ修正・テスト作成・ドキュメント整備をDevinに置き換えられるなら、コストとしてはトントンかやや有利になる。ただし、Devinのアウトプットをレビューする時間もかかるため、実際の節約時間はそこから差し引く必要がある。

一方、フリーランサーや小規模チームで、高度なエンジニアリングの判断が常に必要な業務が中心の場合、月500ドルを正当化するのは難しい。

費用対効果が出やすいのは、規模のある開発チームが繰り返し発生するメンテナンス作業をDevinに割り当てられるケースだ。シニアエンジニアがDevinに繰り返しタスクを振って、自分はより高度な仕事に集中するという使い方が現実的だ。

Claude CodeやGitHub Copilotとの棲み分け

3つのツールを並べると、役割の違いが明確だ。

GitHub Copilotはエディタの中でリアルタイムに補完する。コードを書く速度を上げるためのツールで、人間がコードを書く作業は続く。

Claude Codeはターミナルから指示を出して、プロジェクト全体への変更を実行させる。ただし基本的に人間が各ステップを確認しながら進める。

Devinはタスクを渡したら、人間の介入なしに完結させる。タスクの完了まで自律的に動き、完成したら報告する。

実務での使い方として、コーディング中はCopilot、大きな変更作業はClaude Code、そしてルーティン的で時間のかかる保守タスクはDevinに割り当てる——という役割分担が合理的だ。どれか一つに絞るより、目的に応じて使い分ける方が生産性は上がる。

セキュリティとアクセス権限の考え方

Devinを使うとき、プロジェクトのコードへのアクセスを許可することになる。セキュリティ上の懸念がある場合、以下を確認しておく必要がある。

Devinが操作できるリポジトリの範囲を最小限に設定すること。本番環境のデータベースや機密性の高いインフラへのアクセスは与えない。DevinはGitHubとの連携で動くため、Gitのアクセス権限は読み書き両方必要だが、デプロイや本番環境の操作権限は切り離しておく。

また、Devinが実行したコードは必ずコードレビューをすること。AIが生成したコードだからといって盲目的にマージするのはリスクがある。

まとめ

Devinは「AIがエンジニアを置き換える」ツールではなく、「エンジニアがルーティン作業をデリゲートするエージェント」だ。得意な領域では確かに時間を節約できるが、設計判断や曖昧な要件への対応は人間が担う必要がある。月額500ドルのコストは、使い方が決まっているチームには見合う場合がある。一方で、試しに使ってみたい個人や小規模チームには、まず無料トライアルで自分の業務との相性を確認することをすすめる。