AIコーディングアシスタントは、大規模言語モデルを使用してソースコードの作成、補完、説明、デバッグ、またはリファクタリングを支援する開発者向けツールであり、通常はコードエディタ、IDE、またはコマンドラインインターフェースに統合される。初期のバージョンは行単位の自動補完を提供していたが、2020年代半ばまでに、コードベース全体を読み取り、複数ファイルにわたる変更を計画し、テストを実行し、限られた監督下で反復処理を行うエージェント型ツールを含むようにカテゴリが拡大した。この能力はツール使用によって実現された。
歴史
このカテゴリは、旧来のIDEにおける統計的およびルールベースの自動補完に遡るが、現代の時代は、2021年6月にGitHubとOpenAIによって発表され、GPT-3のコード調整済み派生モデルに基づいて構築されたGitHub Copilotから始まった。Copilotの2022年の一般公開は、公開コードリポジトリで訓練されたインラインのゴーストテキスト提案を普及させ、その基盤となるCodexモデルは、OpenAIが併せて導入したHumanEvalベンチマークで評価された。競合他社もすぐに追随し、AmazonのCodeWhisperer、Tabnine、ReplitのGhostwriterなどが登場した。第二の波は、自動補完から完全なエージェント型エディタおよびコマンドラインツールへと移行した。Cursor（2023年）は、VS Codeからフォークされたエディタで、コードベースを認識したチャットと複数ファイル編集を備え、AnthropicによるClaude Code（2025年）は、ファイルシステムとシェルへの直接アクセスを持つコマンドラインエージェントである。2025年までに、SWE-benchなどのベンチマークは、これらのエージェントが実際のGitHubの問題を自律的に解決する能力を測定する標準的な方法となった。
仕組み
ほとんどのアシスタントは、コード特化モデルとエディタレベルのコンテキストを組み合わせる。開いているファイル、カーソル位置、関連ファイル、場合によっては取得用にインデックス化されたリポジトリ全体などである。エージェント型の変種はツール使用を追加し、モデルがファイルの読み取り、リンターやテストスイートの実行、シェルコマンドの実行、ドキュメントの照会を行い、その結果を使用して次のステップを修正するループを可能にする。これは、検索拡張生成と段階的推論をライブ開発環境に適用するものである。一部の製品は、これをModel Context Protocolを通じて公開し、アシスタントが標準化されたインターフェースを通じて外部ツールやデータソースに接続できるようにしている。
影響と批判
Copilotユーザーに関する研究（GitHub内部の調査や学術的な追跡調査を含む）では、日常的なタスクでの生産性向上が報告され、一部のランダム化試験では、開発者がタスクを50%以上速く完了したことが判明したが、効果はタスクの種類や経験レベルによって大きく異なる。批判者は、コード品質とセキュリティに関する懸念を提起している。モデルが訓練データから学んだ安全でないパターンを再現する可能性があるためである。また、知的財産に関する懸念もあり、提案がライセンスされたコードを密接に再現することがあり、より広範なAI著作権紛争に影響を与えている。さらに、スキル低下、つまり生成されたコードへの依存がプログラマーの独立したデバッグおよび設計能力を弱めるという懸念もある。支持者は、アシスタントが開発者を定型コードから解放し、アーキテクチャとレビューに集中できるようにすると反論する。2025年までに、この議論は、ユーザーが手動のコードレビューをほとんど行わずにほぼ完全に自然言語でアシスタントを指示する、より急進的な実践であるバイブコーディングにまで拡大した。