AIによるコーディング支援の実態は、アナリスト報告とは大きく乖離している。MITが提唱した「シャドウAI経済」とは、AI開発の実際の現場と、企業や業界レポートで描かれる楽観的なビジョンとの間に存在する「ギャップ」を指す。最近の調査では、開発者が実際に取り組んでいる課題は、ベンチマークやプロモーションで語られる「自動化された完璧な開発」ではなく、インストールや依存関係の解決、プロジェクトの整合性といった実務的な問題に集中していることが明らかになった。 特に、Claude CodeのオープンソースGitHubリポジトリにおける328ファイルの分析から、開発者はAIの自律性を実現するための「ワークフローレイヤー」を手作業で構築していることが分かった。72.6％の設定ファイルがテストや開発プロセスといったソフトウェア開発実践（SE）のルールに基づいており、2,492のセクションが手作業で整理されている。これは、AIが「即座に完璧なコードを生成する」のではなく、開発者が段階的にbashコマンドから複数ステップのシーケンスまで設計していることを示している。 また、設定内容の多くは高レベルの設計（39％）と低レベルの実行戦略を組み合わせており、ツール設定そのものを明示的に記述しているのはわずか17.4％にとどまる。このことから、AIの導入には開発者による初期投資と継続的なカスタマイズが不可欠であることが明らかになった。アナリストが「20～30％の生産性向上」と主張する一方で、実際の現場では、AIの自律性を実現するための「設定の重労働」が主流である。 この現実を踏まえると、AIコーディングエージェントの進化は、単純な「コード補完」から「完全な自律」への一気の飛躍ではなく、開発者主導の「ワークフロー」を中間段階として経由する段階的プロセスである。このワークフローレイヤーは、AIの行動をプロジェクト実践に合わせるための「ガードレール」として機能し、エラーを抑える役割を果たす。結論として、AIの実用化は、企業のトップダウン型導入ではなく、個々の開発者による試行錯誤とカスタマイズによって支えられており、今後も「人間の監督と手作業」が不可欠な段階が続くと考えられる。