メインコンテンツへスキップ
見出し画像

AI に書かせる時代のプログラミング言語の選び方 — 用途ごとの仕分けと、データで言えること・言えないこと

    「AI 時代はこの 1 つ」という言語はありません。先に「動く場所」で候補が決まり、残りは「どれだけ長く育てるか」「誤りがどれだけ痛いか」「自分が読めるか」で決まります。

    • 動く場所が最初に決める:ブラウザなら TypeScript、iPhone なら Swift、Android なら Kotlin。Unity なら C#、表計算なら Apps Script か VBA です。AI はこの縛りを外しません。

    • 使い捨ての小さな道具なら、Python・Ruby・JavaScript が速く安い:Claude Code で 15 種の言語を比べた実測があります。数百行の課題で、費用が最も低いのはこの 3 つでした。型のある言語は 1.3〜2 倍ほど高くつきました。

    • 長く育てる物では、言語より「テストがあるか」が効く:7 言語の比べでは言語の順位はつかず、テストを渡した方が正解が 16 → 24 本に増えました。

    • 型は「強制した時だけ」効く:AI は TypeScript で型の抜け道 any を人の約 9 倍足します。厳しい設定とリンターで縛って初めて、型が網になります。

    • 言語より使う人の力が効く:Claude Code の約 40 万回の作業では、確かめて成功と言える割合が初心者 15%、中級以上 28〜33% でした。

    • 実務では、書く速さより後の手間で差がつく:大きな移し替えで成功したのは、テストや型で機械が合否を返せる場合でした。困りごとの多くは言語そのものより、古い版の書き方・実行の環境・見直しの量から来ています。

    この記事の立ち位置

    AI に任せてコードを書く「バイブコーディング」が広まりました。「もう言語は何でもよい」という声と、「Rust こそ AI 向き」「Go が最適」という声がぶつかっています。

    この記事では、どちらかに寄せた答えは出しません。2025〜2026 年のベンチマーク・論文・企業の調査・実践者の実測を集め、数字で裏付けられることと、まだ意見の段階のことを分けて書きます。そのうえで、用途ごとに言語を仕分けます。

    前もって断っておくと、ベンチマークは課題・モデル・測り方がそれぞれ違います。資料をまたいで数字を並べ、順位をつけることはできません。以下では、数字はその資料の中の比べとしてだけ使います。

    データで言えること・言えないこと

    1. 小さな課題では、動的な言語が速く安い

    Ruby のコミッターの遠藤侑介さんが、Claude Code(Claude Opus 4.6)に小さな Git を書かせました(2026 年 3 月)。15 種の言語で各 20 回ずつ測っています。出来上がりは 200〜500 行ほどです。

    Ruby

    • テストの合格: 40/40

    • 平均の時間: 73.1 秒

    • 平均の費用: $0.36

    Python

    • テストの合格: 40/40

    • 平均の時間: 74.6 秒

    • 平均の費用: $0.38

    JavaScript

    • テストの合格: 40/40

    • 平均の時間: 81.1 秒

    • 平均の費用: $0.39

    Go

    • テストの合格: 40/40

    • 平均の時間: 101.6 秒

    • 平均の費用: $0.50

    Java

    • テストの合格: 40/40

    • 平均の時間: 115.4 秒

    • 平均の費用: $0.50

    Rust

    • テストの合格: 38/40

    • 平均の時間: 113.7 秒

    • 平均の費用: $0.54

    Python+mypy(型検査つき)

    • テストの合格: 40/40

    • 平均の時間: 125.3 秒

    • 平均の費用: $0.57

    TypeScript

    • テストの合格: 40/40

    • 平均の時間: 133.0 秒

    • 平均の費用: $0.62

    C

    • テストの合格: 40/40

    • 平均の時間: 155.8 秒

    • 平均の費用: $0.74

    Haskell

    • テストの合格: 39/40

    • 平均の時間: 174.0 秒

    • 平均の費用: $0.74

    ほぼ全部が合格しています。差が出たのは速さと費用です。同じ Python でも型検査(mypy)を足すと 1.7 倍ほど遅くなりました。落ちた 3 回は Rust と Haskell で、どちらも型の厳しい言語です。

    ただし作者本人が「課題が小さい。規模が大きくなれば型が有利になるかもしれない」と書いています。言えるのは「小さな物を一度作るなら、動的な言語が安い」までです。

    2. 中くらいの課題では、言語の順位はつかない

    Fabio Akita さんは、複数の利用者を扱う台帳の仕組みを v1 から v2 へ作り替える課題を使いました(2026 年 10 月)。7 言語・4 つのモデルで計 112 回試しています。結論は「言語の一般的な順位は立たない」です。

    • 行数の少ない Ruby が、トークン(費用)では Rust と同じくらいかかりました。「短く書ける言語は安い」は成り立ちませんでした。

    • 型の厳しい言語でも、直しの手間は減りませんでした。残った誤りは「業務の決まり」の誤りで、コンパイラでは見つからない種類でした。

    • はっきり効いたのはテストでした。2 つのモデルで、テストを渡すと正解が 16 本から 24 本に増えました。

    3. 実際のリポジトリの修正では、Python が飛び抜けて高い

    本物のリポジトリの課題を AI に直させる Multi-SWE-bench(2025 年)では、言語ごとの最良の解決率に大きな差が出ました。

    Python(参考)

    • 最良の解決率: 52.2%

    Java

    • 最良の解決率: 23.4%

    Rust

    • 最良の解決率: 15.9%

    C++

    • 最良の解決率: 14.7%

    TypeScript

    • 最良の解決率: 11.6%

    C

    • 最良の解決率: 8.6%

    Go

    • 最良の解決率: 7.5%

    JavaScript

    • 最良の解決率: 5.1%

    ただし、Python の列は論文の中では比べるための参考の値です。課題の集め方も言語ごとに違います。モデルは 2025 年前半のもの(Claude 3.7 Sonnet など)です。「AI は Python の修正が一番得意」という傾向は複数の資料で一貫していますが、差の大きさはこの表ほどとは限りません。

    4. AI は放っておくと Python を選ぶ

    AI が言語を選ぶ時の癖を調べた論文があります(ACL 2026 Findings)。速さが要る用途の立ち上げでも、58% で Python が選ばれました。Rust は一度も選ばれませんでした。

    つまり「AI が勧めた言語」は、学習したデータの多さに引きずられた答えです。用途に合っているとは限りません。言語は人が決めて、AI への指示書(AGENTS.md・CLAUDE.md など)に書いておくのが安全です。

    5. 型は、強制した時だけ網になる

    GitHub の Octoverse 2025 によると、TypeScript は 2025 年 8 月に GitHub で最も使われる言語になりました。Python と JavaScript を抜いた形です。GitHub は理由を「型が AI の誤りを本番の前に捕まえるから」と説明しています。ただし GitHub 自身も、これは相関だと断っています。

    一方、AI エージェントが出した TypeScript のプルリクエストを調べた研究があります(MSR 2026)。型の抜け道の any を、AI は 1 件あたり 2.16 個、人は 0.24 個足していました。約 9 倍です。著者は「今の AI は型の正しさより、コンパイルが通ることを優先している」とまとめています。

    Rust でも同じ構図があります。X では「コンパイラが最良の網になる」という声と、「借用の規則を黙らせるために .clone() や Arc を無作為に足し、2 万行で最悪だった」という声がぶつかっています。後者への返信には、「指示書では効かず、clippy(リンター)で拒否させたら直った」というものもありました。

    言えるのは「型のある言語を選ぶだけでは足りない。厳しい設定と、通らなければ先へ進めない仕組みが要る」ということです。

    6. 安全性は言語で差が出る

    Veracode は、AI が書いたコードのセキュリティの検査を続けています。2026 年 10 月の版(18 モデル・4 言語)での合格率は次のとおりです。

    Python

    • 合格率: 64.2%

    C#

    • 合格率: 59.6%

    JavaScript

    • 合格率: 57.0%

    Java

    • 合格率: 31.0%

    全体では 2026 年 7 月の 56% から 62% に上がりました。ただし改善はほぼ XSS(画面への悪意ある書き込み)だけで、ログの書き換えの防ぎは横ばいでした。検査は 4 種類の弱点に限られ、依存するライブラリの弱点は対象外です。Java が低い理由は資料からは分かりません。「最も良い Python でも 3 割以上、Java では 7 割近くで危ないコードが出る」と読むのが正確です。

    依存ライブラリの名前を AI がでっち上げる問題もあります。USENIX Security 2025 の論文で、実在しないパッケージ名の割合を測っています。Python で 15.8%、JavaScript で 21.3% でした。その名前を先に登録して悪用する手口(slopsquatting)が、すでに npm で見つかっています。

    7. 言語より、使う人の力が効く

    Anthropic は、約 23.5 万人の Claude Code の作業約 40 万回(2025 年 10 月〜2026 年 4 月)を分析しました。テストやコミットで確かめて成功と言える割合は、次のとおりでした。

    • 初心者:15%

    • 中級以上:28〜33%

    • 行き詰まった時に投げ出した割合:初心者は 19%、それ以外は 5〜7%

    この分析は言語ごとには分けていません。それでも、言語を変えるより自分がコードを読み、確かめられるようになる方が効くことを示しています。

    言語を決める 4 つの軸

    上のデータを踏まえると、言語は次の順で決めるのが筋です。

    1

    • 軸: 動く場所

    • 問い: ブラウザ・スマホ・ゲームエンジン・表計算・マイコン・サーバーのどれで動くか

    • 効き方: 候補をほぼ決める。AI でも変わらない

    2

    • 軸: 規模と寿命

    • 問い: 一度きりの道具か、何年も直し続ける物か

    • 効き方: 短命なら動的な言語、長命なら型+テスト

    3

    • 軸: 誤りの痛さ

    • 問い: 壊れた時にお金・個人情報・安全に響くか

    • 効き方: 痛いほど、型・メモリ安全・検査の厚い言語へ

    4

    • 軸: 読めるか

    • 問い: 自分やチームがその言語のコードを読んで判断できるか

    • 効き方: 読めない言語の出力は、確かめようがない

    4 番目は軽く見られがちです。Simon Willison さんは「中身を他人に説明できないコードはコミットしない」と線を引いています。Anthropic の別の実験(2026 年 1 月)では、新しいライブラリを AI に頼って使った人と、頼らずに使った人を比べました。理解度テストの点は、頼った人の方が低くなりました(50% と 67%)。作業の時間はほぼ同じでした。

    用途ごとの仕分け表

    4 つの軸で用途ごとに分けた結果です。「第一候補」は、動く場所と AI の支援の効きやすさから選びました。「注意」は、選ぶ時に気をつける点です。

    Web の画面

    • 第一候補: TypeScript

    • 次の候補: JavaScript(小さな物)

    • 注意: strict を有効にし、any をリンターで禁止する

    Web のサーバー・API

    • 第一候補: TypeScript か Go

    • 次の候補: Python・C#・Java/Kotlin(組織の既存に合わせる)

    • 注意: 認証とデータベースの権限は AI 任せにしない

    CLI・常駐の道具

    • 第一候補: Go

    • 次の候補: Rust・Python

    • 注意: 配る相手に Python の環境があるかを先に確かめる

    データ分析・機械学習

    • 第一候補: Python

    • 次の候補: R・SQL

    • 注意: ノートブックのまま育てず、関数とテストに移す

    表計算・事務の自動化

    • 第一候補: Apps Script・VBA・Python

    • 次の候補: PowerShell

    • 注意: 本番のデータで試す前に、複製で動かす

    使い捨ての小さな道具

    • 第一候補: Python・Ruby・JavaScript

    • 次の候補: Bash(数十行まで)

    • 注意: 長く使い始めたら、型とテストを足す

    iPhone・Mac のアプリ

    • 第一候補: Swift

    • 次の候補: React Native・Flutter

    • 注意: ビルドの道具まわりで AI がつまずきやすい

    Android のアプリ

    • 第一候補: Kotlin

    • 次の候補: Flutter(Dart)・React Native

    • 注意: 実在のアプリの修正は、どの枠組みでも成功率が低い

    ゲーム

    • 第一候補: C#(Unity)

    • 次の候補: GDScript(Godot)・C++(Unreal)

    • 注意: エンジンの版の違いで、AI が古い書き方を出す

    速さ・安全が要る中核部分

    • 第一候補: Rust

    • 次の候補: Go・C++

    • 注意: clippy とテストで強制しないと、雑なコードで通される

    組み込み・マイコン

    • 第一候補: C・C++

    • 次の候補: MicroPython(試作)・Rust

    • 注意: 実機でしか見つからない誤りが多い。AI の出力は必ず実機で試す

    インフラの設定

    • 第一候補: Terraform(HCL)

    • 次の候補: YAML 系

    • 注意: AI の生成は 3 割ほどしか通らなかった研究がある。plan の差分を人が見る

    データベースの問い合わせ

    • 第一候補: SQL

    • 次の候補: —

    • 注意: 削除・更新の文は、AI の出力をそのまま流さない

    モバイルの行の「成功率が低い」の根拠は、2026 年 3 月の研究です。実在のモバイルアプリの課題 384 件を AI に直させ、どのモデルも 3〜5% 台でした。インフラの行の「3 割ほど」の根拠は、Terraform の生成を調べた研究です(2025 年 12 月・GPT-4o)。追加の資料なしだと、成功は 27.1% でした。

    言語ごとの向き不向き

    Python

    • 向く:データ分析・機械学習・自動化・小さな道具。AI が最も得意で、実際のリポジトリの修正でも高い成績が出ています。

    • 向かない:配る物(相手に Python の環境が要る)、大きく育てる物。型を付けずに大きくすると、AI の誤りが実行するまで見えません。

    • 使い方:型ヒントと検査(mypy・pyright)を最初から入れます。Meta の 2026 年の調査では、型を使う理由に「AI が書くコードの精度を上げる」を選んだ人が 18.5% から 38.4% に増えました。ただし型を足すと、AI の作業は遅く高くなります。

    TypeScript / JavaScript

    • 向く:Web の画面とサーバーを 1 つの言語で書く物。v0 などの AI のアプリ作りの道具も、TypeScript の構成を前提にしています。

    • 向かない:型の設定を緩いまま大きくする使い方。AI は any で型を逃げます。

    • 使い方:strict とリンターで any を禁止します。JavaScript のままなら、小さな物に留めます。

    Go

    • 向く:サーバー・API・CLI。書き方の幅が狭く、コンパイルが速く、1 つの実行ファイルで配れます。Flask の作者の Armin Ronacher さんも、Go の性質をエージェント向きと見ています。名前の出どころを追いやすい点と、循環した import を禁じる点です。

    • 弱み:「Go が AI に最適」という記事の多くは感覚によるもので、書いた本人が「データは無い」と認めている例もあります。実際のリポジトリの修正の成績(上の表)では、Go は低めです。

    Rust

    • 向く:速さとメモリの安全が要る中核部分。コンパイラが多くの誤りを止めます。

    • 向かない:試作や、借用の仕組みを人が判断できない状態での丸投げ。AI が規則を黙らせる書き方に逃げると、通るが遅く、読みにくいコードになります。コンパイルの遅さで、試行の往復も遅くなります。

    • 使い方:clippy の警告を誤りとして扱い、テストを先に置きます。設計(どこが何を持つか)は人が決めます。

    Java / Kotlin / C#

    • 向く:すでにこれらで動いている組織の仕組み、Android(Kotlin)、Unity と Windows の業務アプリ(C#)。

    • 注意:Veracode の検査では、Java の合格率が 4 言語で最も低い 31% でした。Java で AI に書かせるなら、セキュリティの検査の道具を組み込みます。

    Swift

    • 向く:iPhone・Mac のアプリ(実質これ一択)。

    • 注意:Armin Ronacher さんは、学習量は多いのにビルドの道具まわりで AI がつまずく例として Swift を挙げています。ビルドと署名は人が手順を固めます。

    C / C++

    • 向く:マイコン・既存の C++ の資産・ゲームエンジン。

    • 向かない:新しく作る物の丸投げ。誤りがコンパイルでは見つからず、実行中に壊れます。X には「AI が 3 週間前に書いたメモリの誤りをまだ追っている」という投稿もありました。

    PHP / Ruby

    • 向く:すでに使っている人の Web の仕組み。個人で多くの Web の事業を作った Pieter Levels さんは、PHP・jQuery・SQLite で作り続けています。小さな課題の実測では、Ruby が最も速く安い言語でした。

    • 注意:新しく学ぶ理由は弱めです。使い慣れているなら、乗り換える理由も弱いです。

    Apps Script / VBA / PowerShell / Bash

    • 向く:表計算・事務・サーバーの小さな作業の自動化。動く場所に縛られるので、他の言語に置き換えにくい分野です。

    • 注意:AI の精度を測った新しい資料は、今回の調査では見つかりませんでした。消す・送るといった取り消せない処理は、必ず試しの環境で動かします。

    OCaml・Haskell・Elixir・Julia・R など学習データの少ない言語

    • 注意:同じ課題で、なじみの薄い言語ほどトークンを多く使う傾向があります(Python・Java・Rust・OCaml を比べた 2026 年の論文)。AI がコンパイルの通らない解を出したり、Python で試作してから移したりする行動も見られました。

    • 例外:20 言語の問題集(AutoCodeBench)では、Julia や C# が Python より高い結果も出ています。言語の得意不得意は、課題で入れ替わります。

    実務での使い心地と運用の困りごと

    ここまでは、言語の性質と問題集の成績の話でした。この章では、仕事で実際に使った人と会社の報告から、使い心地と運用で起きる問題を見ます。

    ただし、標本の小さい報告や、売り手自身の測定も多く含みます。数字にはそれぞれ条件を添えます。

    1. 速くなった実感と、測った結果はずれる

    • 熟練者は遅くなった:METR の実験(2025 年 7 月)では、熟練した開発者 16 人が 246 件の作業をこなしました。結果は、AI ありの方が 19% 長くかかっています。本人たちは「20% 速くなった」と感じていました。使ったのは当時のモデルです。

    • 続報では測れなくなった:2026 年 2 月の続報では、AI 無しでの作業を断る人が増えました。METR は、この測り方では信頼できる数字が出ないと書いています(推定の幅は 0 をまたぎます)。

    • 速さは一時、複雑さは残る:Cursor を入れた 807 のリポジトリを、入れていない 1,380 と比べた研究があります(MSR 2026)。追加の行数は最初の月に +281%、2 か月目に +48% で、その後は差が消えました。一方、静的解析の警告は +29.7%、複雑さは +40.7% のまま残り、後の速さを落としていました。

    • 出す量は増え、不安定さも増えた:Google の DORA 2025(約 5,000 人)では、AI を使う人は 90% でした。作って出す量は増えました。本番での不安定さも増え続けています。

    • 見直しが重くなる:Sonar の調査は 1,100 人超が対象です(2026 年 1 月)。38% が「AI のコードの見直しは、同僚のコードより手間がかかる」と答えました。

    言語の選び方に効くのは、書く手間が減った分、読む手間と直す手間が後から来る点です。後で読む人が読める言語を選ぶ理由は、ここにあります。

    2. 大きな移し替えで効いたのは「機械が合否を返す」場合

    Airbnb

    • 何から何へ: React のテスト約 3,500 ファイルを、古い試験の道具から新しい道具へ

    • 結果: 4 時間で 75%、4 日の調整で 97%。全体で 6 週間(手作業の見積は 1.5 年)

    • 人が要った所・注意: 残りの約 100 ファイルは人が直した。難しいファイルは 50〜100 回やり直した

    Google

    • 何から何へ: 39 件の社内の移行(例:32 ビットの ID を 64 ビットへ)

    • 結果: 変更の 74% を AI が書いた。かかった時間は約半分(開発者の見積)

    • 人が要った所・注意: 変更の約 4 分の 1 は人が書いた

    Amazon

    • 何から何へ: Java 8・11 から 17 へ、数万の本番のアプリ

    • 結果: 4,500 人年分の作業を省いた(会社の発表)

    • 人が要った所・注意: 第三者の検証は無し

    Bun

    • 何から何へ: Zig から Rust へ、約 53 万行を 11 日で

    • 結果: テストは全部の環境で通過。見つかった後戻り 19 件は全部直した。費用は API の定価で約 16.5 万ドル

    • 人が要った所・注意: 1 人が見張り、最大 64 の Claude を並べた。書いた人は Anthropic の社員(Bun は 2025 年 12 月に買収)。unsafe の部分が約 4% 残る

    JavaScript から TypeScript へ(論文・2026 年 2 月)

    • 何から何へ: Node.js の 8.1 万行

    • 結果: 型の誤り 633 件を約 20 分で消した(手作業なら約 1 日)

    • 人が要った所・注意: 633 件のうち 383 件は、型を付けずに誤りを黙らせる印で処理した

    Android Bench 2.0(Google)

    • 何から何へ: Android の 30 の長い課題

    • 結果: Java から Kotlin のように、同じ規則を何十ものファイルに当てる移行は高い点

    • 人が要った所・注意: Navigation 2 から 3 への作り替え(233 ファイル)は合格 0%。新しい API は学習データが少ない

    成功した例の共通点は、言語ではありません。テスト・型検査・ビルドが、機械で合否を返す移し替えだったことです。逆に、学習データの少ない新しい API への移行は弱いままです。

    なお「Microsoft が 2030 年までに C と C++ を Rust へ移す」という話は、社員個人の研究の目標でした。本人が、Windows を AI で書き直す計画ではないと訂正しています。

    3. 言語ごとの使い心地(実務の報告から)

    Python

    • 実務で良かった点: 書く速さとライブラリの多さ

    • 困りごと: エージェントが仮想環境(venv)を使わず、全体の Python で動かして失敗する。Cursor では 2026 年 5 月の時点で未解決の不具合として残っていた

    • 手当て: 実行の入口を uv run などの 1 つに固める。型検査をフックで強制する

    TypeScript

    • 実務で良かった点: 画面とサーバーを 1 つの言語で書ける

    • 困りごと: any で逃げる。日本の実務の記事では、古い Node.js の版の提案、非推奨のメソッド、try/catch の盛りすぎが挙がっている

    • 手当て: strict とリンター。使う版を指示書に書く

    Go

    • 実務で良かった点: 定型の処理・テスト・繰り返しの直し(Ardan Labs)

    • 困りごと: 古い書き方をし、指示しても新しい書き方を使わない。新しい機能の存在を否定したこともある(Go 公式ブログ・2026 年 2 月)。タイムアウトの付け忘れ、goroutine の漏れ、上限の無いメモリ確保(Ardan Labs)

    • 手当て: Go 1.26 の go fix で書き方を新しくする。運用の観点は人が見る

    Rust

    • 実務で良かった点: Rust の経験が浅い人でも本番まで作れた。大きな作り替えの後も、壊れていないと確かめやすい(クラスメソッド・本番 6 か月で大きな障害なし)

    • 困りごと: CI のビルドが遅い。リポジトリ規模の修正での AI のコンパイルの誤りは、43.7% がリポジトリの構造の取り違えだった。32.6% は型とトレイトの規則の誤り(Rust-SWE-bench)

    • 手当て: ビルドの結果を使い回す(sccache)。clippy の警告を誤りとして扱う。大事な規則は指示書でなく検査で止める

    Swift

    • 実務で良かった点: Xcode 26.3(2026 年 2 月)から、Claude と Codex がビルド・テスト・画面の確認まで回せる

    • 困りごと: デスクトップや書類のフォルダに置くと、macOS の保護でエージェントが動かない(Apple の掲示板)。型検査が 10 分以上止まってビルドが通らなかった比べが X に出ている(個人の報告)

    • 手当て: 置き場所を保護の外に移す。型が推論しにくい書き方を避け、使う版を指示書に書く

    Kotlin(Android)

    • 実務で良かった点: 同じ規則の繰り返しの移行は得意(Android Bench)

    • 困りごと: 破壊的な変更を含む移行は合格 0%。部品の組み立ての仕組み(DI)の移行は、コンパイルは通っても実行時に落ちることが多い

    • 手当て: 実機か模擬機での動作の確認を、合否の条件に入れる

    C#(Unity)

    • 実務で良かった点: 画面・移動・コルーチンなど定型の部分で 40〜50% の時間短縮(Unity の掲示板・本人の申告)

    • 困りごと: ECS・Addressables・Jobs など新しい仕組みでは、存在しない API を作ってビルドを壊すという報告がある。エディターの中の設定は AI から見えない

    • 手当て: 新しい仕組みの部分は人が書く。エディターの設定は手順書にする

    Go・Kotlin・Ruby・Apps Script・VBA については、導入の前後で時間や不具合の数を比べた実務の資料が見つかりませんでした。

    4. 運用で起きる問題(言語をまたいで)

    • 古い版の書き方:Python の 8 つのライブラリで 7 つのモデルを調べた研究があります(ICSE 2025・2024 年のモデル)。廃止された API を書く割合は 25〜37% でした。周りのコードが古い書き方だと、70〜90% に上がりました。

    • 版の情報を渡すと直る:Vercel は Next.js 16 の新しい API の課題で測りました(自社の評価・2026 年 1 月)。文書の索引を AGENTS.md に置くと、合格は 53% から 100% に上がりました。同じ情報を Skill にした場合は、56% の場面で呼ばれませんでした。

    • 依存の乗っ取り:2025 年 9 月、npm で 500 を超えるパッケージに、自分を広げる悪意のあるコードが入りました(米 CISA の注意喚起)。依存の版を固定するロックファイルを置く割合は、生態系で大きく違います。Go 99.7%・Cargo 70.9%・npm 53%・Gradle 0.9% でした(2025 年 3 月時点の GitHub の調査)。

    • 実行の環境と権限:言語より「動かす場所の設定」でつまずく報告が目立ちます。仮想環境の取り違え、Docker の中で pip が使えない、Xcode の保護フォルダなどです。Replit では 2025 年 7 月、コードの凍結中に AI が本番のデータベースを消しました。1,200 人を超える記録が消え、利用者が手で戻しています。

    • 見直しの量:CodeRabbit は 470 のプルリクエストを調べました。1 件あたりの指摘の数は、AI 入りで 10.83、人だけで 6.45(約 1.7 倍)です。読みやすさの指摘は 3 倍を超えます。ただし AI の見直しの道具の売り手の調査で、AI かどうかは印で判定しています。

    • 書いた規則は守られない:クラスメソッドの Rust の例では、AI が文書の規則を守らないため、大事な規則はリンターとテストで機械的に止めました。人だけがマージできる決まりも置いています。

    5. 実務から見た、仕分けの補正

    • 枠組みの動きが速いと、版の追従が手間の中心:Next.js・SwiftUI・Android などです。言語の得意さより、版の情報を指示書と文書の索引で渡す手間を見込みます。

    • 後方互換の強い言語は、古い書き方が積もる:Go や Java は、古い書き方でも動くので事故は少なめです。代わりに古い書き方が残るので、go fix などで定期的に新しくします。

    • Rust の「通れば安心」は実務でも一部効いた:大きな作り替えに強い報告があります。代わりに、ビルドの時間と、Rust を読める人の少なさが運用の費用になります。

    • Python は書く速さの代わりに、環境の取り違えが多い:実行の入口を 1 つに固めるだけで、多くを防げます。

    • どの言語でも、機械が合否を返す部分だけを大きく任せる:テスト・型・ビルドのどれも無い部分は、言語にかかわらず人が読みます。

    誰が書くかで答えが変わる

    プログラムを書いたことがない人

    • 勧める道: Python か、動く場所が決める言語(Apps Script など)を 1 つ

    • 理由: AI が最も得意で、資料が多く、読み方を覚えやすい。読めない言語の出力は確かめられない

    Web のサービスを 1 人で作る人

    • 勧める道: TypeScript(画面とサーバー)

    • 理由: 1 つの言語で済み、AI の道具の既定もこれ。strict とテストを最初から

    本職の開発者

    • 勧める道: 今の言語+型+テスト+リンターで縛る

    • 理由: 言語を変える効果より、確かめる仕組みの効果が大きい

    チーム・会社

    • 勧める道: 今の言語を基本に、新しく作る部分だけ Go・TypeScript などを試す

    • 理由: 読める人がいない言語を増やすと、AI の誤りの見直しができなくなる

    非エンジニアの失敗例が X で広まりました(2025 年 3 月)。Cursor だけで作ったサービスを公開した直後に、API キーの悪用や課金のすり抜けを受け、公開をやめた話です。Lovable で作られた試験と採点のアプリから、利用者 18,697 件の記録が見える状態になっていた例も報じられています(2026 年 2 月)。データベースの行ごとの権限が無く、ログインの判定が逆さま(ログインした人を止め、していない人を通す)になっていました。どちらも言語の問題ではなく、認証と権限を誰も読んでいなかったことが原因です。

    どの言語でも効く 6 つの決まり

    1. テストを先に置く:今回の資料で最もはっきり効いたのはテストでした。

    2. 言語と構成を指示書に書く:AI は放っておくと Python を選びます。

    3. 型とリンターを「通らなければ止まる」設定に:指示書の注意書きより、機械の拒否が効きます。

    4. 依存ライブラリの名前を確かめる:AI は実在しない名前を出します。入れる前に、公式の登録を確かめます。

    5. 認証・権限・削除は人が読む:Veracode の 2026 年 10 月の検査では、AI が書いたコードの約 38% に弱点が残りました。

    6. 中身を説明できない物は出さない:読めない言語を選ばないことも、ここに含まれます。

    まだ分かっていないこと

    • 新しいモデルで、言語の差が縮んでいるか:同じ条件で年を追って比べた資料は見つかりませんでした。

    • 大きな物で、型が試行の回数や不具合をどれだけ減らすか:小さな課題では型は遅く高くつき、中くらいの課題では差が出ませんでした。数万行の規模の比べはまだありません。

    • Go と Rust を同じ課題で比べた結果:実践者の意見は多いものの、きちんとした比べは見つかりませんでした。

    • Apps Script・VBA・PowerShell・組み込みでの AI の精度:新しい資料が見つかりませんでした。

    • 半年後・1 年後の直しやすさの言語ごとの差:AI が書いたコードの保守の手間を、言語ごとに比べた資料は見つかりませんでした。

    • AI が原因の障害がどれだけ起きているか:個別の事故は報じられています。ただ、全体の頻度を示す資料はありません。

    モデルの更新は速く、この記事の数字もすぐに古くなります。新しい資料が出たら追記します。

    出典(開いて確かめた資料)

    【宣伝】SwitchBot 購入はこちらから

    SwitchBot公式ページ
    クーポン「AF-4903」で5%引き(アフィリエイトクーポンになりますのでご協力お願いします)
    割引の詳しい仕組みに関してはこちらのページを参照ください。
    製品ごとの特徴・紹介動画は SwitchBot 製品ガイド にまとめています。


    この記事は山村商店にも載せています。最新の内容・動画の再生位置・商品の値段はそちらで見られます。

     
     
    ミニPC・SwitchBot・農業 IoT・AI の実用情報を雑多に記事化します。

    あなたへのおすすめ