最難のコーディング問題を、
AI が解く。

AI は、世界で最も難しいコーディング問題を解く側に立った。

AI の母国語は、Python と Markdown 形式のテキストである。この連載が扱うのは、その一歩先だ。母国語の話ではなく、能力の水準の話である。AI が書くコードの水準は、ある線を越えた。線を越えた先では、ソフトウェア開発の構造そのものが組み替わる。この章は、その線がどこにあるかを示す。

コードを書く力は、競技プログラミングのレーティングで数として比べられる

コードを書く能力を数で比べられる仕組みは、世界に一つしかない。競技プログラミングの公開レーティングだ。Codeforces、AtCoder、ICPC ── どれも、出題された問題を制限時間内に解けるか、何問解けるか、解が正しいかを長期間積み上げて、参加者ごとに数値を付ける。

Codeforces のレーティングは、おおむねこう分布する。

この数字には段差がある。1500 と 1800 の差は、勉強した量で埋まる。2400 と 2700 の差は、勉強だけでは埋まらない。そこから先には、速さ、アルゴリズムの設計、最難問題への嗅覚が要る。世界の最上層はだいたい 2700 から 3900 のあいだに分布し、上位 50 人ほどしかいない。

AI は 2700 帯に入った

2024 年末から 2025 年にかけて、状況が変わった。OpenAI が公表した o3 系モデルの Codeforces 推定レーティングは約 2727 だった(o3 リリース時点での公式発表)。Google DeepMind の AlphaCode 2 は、その前の段階で Codeforces 上位 15% 水準を示した。後続の研究系モデルは、さらに上を更新している。 Anthropic も、Claude 系モデルでコーディング能力が上がり続けていることを示している。

数値の出どころや測り方には、議論の余地がある。だが *2700 帯に AI が到達したという事実そのもの* は、複数の独立した発表が同じ方向に重なっている。これは「役に立つ補助になった」ではない。最も難しい問題を解く側にいる、ということだ。

この達成が起きた理由は、競技プログラミングがルールの明確な領域だったからだ。文法も標準ライブラリも型システムも、形式的に定義されている。コンパイルが通るか、出力が想定値と一致するかも、機械的に判定できる。 AI が人間の水準を超えるのは、こういうルールが明確で答え合わせができる領域だ。この連載が「コーダーが消える」と論じるのは、この性質を持つ領域に限った話である。同じ速度の完全置換は、他の AI 応用領域 ── デスクワーク、自動運転、ロボットなど ── には広げられない(この境界線は 3-09 で扱う)。

ここで重要なのは順位ではない。閾値を越えたという構造の変化だ。

• 2400 までは、上位の専門家が特訓を積めば届く帯だった
• 2700 は、世界で数十人しかいない帯だ
• AI はその帯に、人間が一人ずつ達するのとは別の経路で入ってきた

人間がこの帯に到達するには、若いうちから数千時間の演習を積む必要がある。そのうえで、才能のフィルタを通る必要がある。AI は、この経路を通らずに同じ帯へ入った。かつては「学習データに同じ問題が入っていた」という反論があった。だが Codeforces はライブ大会で新規問題を出し続けており、AI モデルがそこでも 2700 帯の解を返すことが繰り返し確認されている。人間が一人ずつ十数年かけて届く帯に、AI は一気に、複数の経路で入ってきた。

設計もできると分かったから、AI は最強の SIer になった

2700 帯の到達は、コードを速く正しく書く力 ── コーディング ── の証明だ。設計は、コーディングとは別の能力である。設計の核心は、文脈の理解にある。対象のシステムや状況を読み解き、何が要るかを掴み、それに合う構造を組み立てる。これが設計だ。速く正しく書けることと、文脈を理解して構造を決めることは、別の力である。だから、設計能力には別の証拠が要る。

その証拠は、思わぬところから出た。Fable / Mythos の世代で、攻撃者が Claude を悪用し、AI が標的への攻撃工程の大半を自律的に遂行した事例が公表されている(2025 年、Anthropic が自動サイバー諜報キャンペーンとして報告した)。攻撃を自分で進めるには、相手のシステムを偵察し、弱点を読み、攻め筋を組み立てる必要がある。つまり、相手の文脈を深く理解する力が要る。それは、システムを設計する力と同じものだ。

同じ力は、検証する力でもある。攻撃とは、穴を見つけて突くことだ。検証とは、穴を見つけて塞ぐことだ。どちらも、構造を作り手以上に深く理解する一つの力の表れである。攻撃・設計・検証は、別々の能力ではない。一つの力の三つの顔だ。だから、攻撃できる AI は、設計も検証もできる。

AI は、二つの別々の能力で最上層に達した。コードを書く力(2700 帯)と、文脈を理解して構造を決める力、つまり設計と検証(自律的な攻撃)だ。 コーディングも設計も、AI が上級エンジニアを超えはじめた。二つが揃えば、結論は一つになる。Mythos/Fable 時代になって、AI は最強の SIer になった。要件を読み、構造を決め、実装し、動かす。SIer の仕事の全体を、一人でこなす。しかも、世界に数十人の希少資源ではない。月 3 千円で誰でも呼べる。

世界の最上層に、月 3 千円で届く

ここからが、この連載の議論の出発点になる。

世界の最上層のコーディング能力にアクセスする方法は、これまで限られていた。Google や Meta や Anthropic に採用されるか、競技プログラマーとして何年もかけて上り詰めるか、年収数千万円から億単位で雇うかだ。閾値を超えた能力は、希少資源だった。Palantir の FDE(Forward Deployed Engineer) モデルは、この旧来の経路を最も高い帯まで押し上げた極端版である。顧客企業に最上層のエンジニアを張り付け、年単位・億円単位で運用する仕組みだ(構造は 3-05 で詳述する)。

AI モデルへのアクセスには、用途による段がある。

• 基本プラン ── Claude Pro / ChatGPT Plus / Google AI Pro など。月額 20 ドル前後、日本円で 3 千円ほど。運用に入った道具を見守る、ときどき直す、といった軽い使い方なら、ここで足りる。まずこれで始めてよい。
• 作る時期 ── 一日じゅう AI にコードを書かせる日が続くあいだは、上の帯 (Claude Max など、月 100 ドルから)を使う。作り終えて運用に入ったら、基本プランに戻す。時期ごとの内訳は 2-02 に置いた。
• API 従量課金 ── 使った分だけ払う形もあるが、ここは使わない。同じ量を API で通すと、定額のおよそ 10 倍 になる。

差は、二つの理由から出る。

一つは、量が積み上がること。AI に道具を使わせながら書かせると、一回の呼び出しごとに、それまでの会話と読んだファイルを丸ごと送り直す。入力が、呼び出した回数だけ積み上がる。

もう一つは、単価が違うこと。定額は、同じ量を従量で買うより安く値付けされている。公開の従量価格をそのまま積むと、定額の月額をはるかに超える ── つまり定額の側に、まとめ買いの割引が入っている。利用上限は、その代わりに置かれた枠だ。

数えてみる。Sonnet 5 の公開価格は、入力が 100 万トークンあたり 2 ドル、出力が 10 ドル、キャッシュからの読み出しはその 1 割(2026 年 9 月時点)。一回の呼び出しが文脈 8 万トークン・出力 2 千トークンで、文脈の 9 割がキャッシュから読まれるとすると、一回あたり約 0.05 ドル。AI に書かせ続ける日を一日 200 回、月 20 日で、約 200 ドルになる。月 20 ドルの定額に対して、ちょうど 10 倍だ。同じ量を Opus 5 で通せば、 500 ドルを超える。

つまり、世界の最上層のコーディング能力に、月 3 千円で接続できる。クレジットカード一枚とブラウザ一つあれば、その日のうちに始められる。

これは、価格が下がったという話ではない。価格構造そのものの軸が変わった。かつては、希少な能力に大きい固定費が掛かっていた。いまは、同等の能力が限界費用ゼロに近い。同じ表計算を二つの価格で比べているのではない。まったく違う供給曲線の話である。

ここで、IT 革命が成就する

最上層のコーディング能力が、月 3 千円で誰にでも届く。この事実が意味するのは、 AI が速くなった、便利になった、ということではない。「IT 革命」と呼ばれてきたものが、ここで初めて成就するということだ。

「IT 革命」と呼ばれてきたものを、構造で見直す。

• 産業革命 ── 物の生産が、人の手から機械に移った
• 第一次計算革命 ── 計算が、人の手(算盤・計算手)から計算機に移った
• IT 革命 ── 業務の処理が、紙とペンからソフトウェアに移った

最初の二つでは、革命の中核である機械化と自動化が、革命の対象に完全に及んでいた。三つ目は違う。ソフトウェアそのものは、依然として人の手で書かれていた。革命の道具であるソフトウェアを、人手で作り続ける。これは、革命の中核が、革命の道具の生産には及んでいない状態だ。だから「IT 革命」と呼ばれた変化は、革命の中途半端な形態にすぎなかった。

産業革命に喩えれば、織機はできたが、その織機の部品はまだ鍛冶屋が手で叩いて作っている。そういう状態に近い。革命の輪は、道具の生産まで届いて初めて閉じる。

AI がコードも設計も担ういま、ようやくその輪が閉じる。ソフトウェアを作る作業そのものを、機械が引き受ける。革命の道具を、革命のプロセスで作るようになる。これが、本当の意味での IT 革命の成就だ。

この視点を持つと、この連載で扱う変化 ── コーダーの役割消滅、SIer の構造的不経済、雇用と業界構造の転換 ── は、個別の現象ではなくなる。遅れていた革命が一気に追いついて完成する過程として読める。

この成就は、AI 革命の側から振り返ると、もう一つの読み方を持つ。「IT 革命」と呼ばれた数十年は、AI 革命の前段だった。活版印刷という情報革命に、紙の普及と写本の蓄積という前段があったのと同じだ。印刷機が爆発させたのは、前段の数世紀が写し貯めた文字だった。同じように、AI が爆発させているのは、IT の数十年が蓄えた資産である。とりわけ OSS ── 開いたコードと知識の共有財 ── だ。前段の最大の遺産は、閉じた製品群ではなく、この開いた蓄積のほうだった。この一点が、道具の選び方(1-05)と、自立編全体の置き方(2-01)を決める。

まとめ

この連載の後続の章は、すべてこの一点から演繹的に導かれる。

• 1-02 ── コーディングそのものが安くなったとき、保守の単位はどこに移るか
• 1-03 ── 「コードを書く」を仕事の中心に置く役割(コーダー)はどうなるか
• 1-04 ── 代わりに何が役割として残るか(ビルダー)
• 1-05 ── 顧客自身が AI と組むようになると、外注の構造はどうなるか
• 2-01〜2-16 ── 顧客が自分で握るなら、認証・文書・メール・基幹まで、会社の IT 基盤全体を、どう自分の側に立てるか(自立編)
• 3-04 ── SIer の委託モデルは、閾値の上にいる AI と競争できるか
• 3-05 ── 既存の委託関係は、どこでロックインとして機能するか
• 3-06・3-07・3-09 ── ビルダーの雇用、SIer 業界の転換、転換が近い将来に起き、もう戻らないこと

これらの問いは、それぞれ独立した観察ではない。最強の SIer が月 3 千円で手に入るという一点から、すべてが派生する。この章は、その一点を据えるためにある。

そして話は、「コードを書く」だけにとどまらない。顧客が自分で握れるなら、認証も文書もメールも基幹も、自分の側に立つ。この連載は、ソフトウェア開発から始めて、全社のデジタル主権(自立編)までを、地続きに扱う。

ここから先の議論には、もう一つ前提を置く。この連載は、ソフトウェア開発の中の構造変化を扱う。「AI に全部任せれば人間は要らない」とか、逆に「AI には創造性が無いから影響は限定的」とか、そうした極端な議論は扱わない。閾値を超えた AI が市場に入って何年か経過したら、ソフトウェア開発の発注・委託・雇用・価格はどう組み替わるか。この実務的な問いに、章を追って答える。

もう一つ、伏線を置く。AI がコーディングも設計も担うなら、人間側に残るのは、ハード・人・運用・責任を含む、システムを作り動かす広い仕事だ。その基盤は、ソフトウェア工学ではなくリベラルアーツに近い。この連載全体を貫く線であり、 1-04 で正面から扱う。

次の章では、コーディング能力が安くなったことの、最も見落とされやすい帰結を扱う。保守フェーズの構造変化だ。

関連記事

• 1-04: ビルダーという役割
• 3-09: もう戻らない構造転換
• 2-04: 処理を書く ── Python と Flet で、自分の道具を持つ
• 構造分析08: 企業ITの税を引く
• 構造分析12: AIと個人事業