NVIDIAのジェンセン・フアン氏は、従来のソフトウェア開発から生成AI時代へ移行する根本的な変化を指摘している。従来のコンピューティングは人間が事前に記述した決定論的な命令列を実行するものであり、エラー発生時は再現と修正が可能だった。しかし、大規模言語モデルを用いたAgentic AIシステムは、文脈と意図に応じてリアルタイムに推論・計画し、ツールを呼び出す生成プロセスとして動作する。これにより、同じ入力が実行ごとに異なる経路を辿り、失敗の再現が困難になる。正確性は二元論ではなく、効率性や制約遵守、コストなど多次元的な基準で評価されるようになった。 この確率的な特性に対応するため、開発パラダイムは評価駆動型の反復最適化、いわゆるヒルクライミングへシフトしている。個別の実行パスのデバッグに依存する従来の手法に代わり、豊富な観測機能、明確な成功指標の設定、プロンプトやツール記述、ルーティングロジック、メモリ戦略などの構成要素を性能ランドスケープ上の一点として捉える。意図的な変更を加え、確率性を考慮した複数回の再評価を実行し、指標が改善する構成を採用する。このアプローチは古典的なソフトウェアエンジニアリングよりも機械学習エンジニアリングに近く、DSPyやLangGraphといったフレームワークがこのループを支援する。 構造化出力や検証ステップなどの決定論的要素を完全に排除するわけではないが、厳格な制御と生成の柔軟性のバランスを取ることが課題となる。フアン氏が示した記録された知性の取得から文脈対応型の生成への移行は、システム設計・評価・改善の全レイヤーに影響を与えている。現代のAIビルダーに求められているのは、確率的な挙動下でも体系的に性能を向上させる手法を確立することである。ヒルクライミングの手法を習得したチームこそが、Agentic AIが約束する信頼性の高いシステムを実装し、次世代のエンジニアリング規範を形作るであろう。