論文の概要: From Determinism to Delegation: AI-Native Software Engineering and the Evolution of the Agentic Engineer
- arxiv url: http://arxiv.org/abs/2606.28791v1
- Date: Sat, 27 Jun 2026 07:43:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-30 18:07:15.690973
- Title: From Determinism to Delegation: AI-Native Software Engineering and the Evolution of the Agentic Engineer
- Title（参考訳）: 決定論からデリゲートへ:AI-Native Software Engineeringとエージェントエンジニアの進化
- Abstract要約: ソフトウェアエンジニアリングは、ハイレベルなプログラミング言語の出現以来、最も重要な変革を経験しています。
本稿では、AI-Native Software Engineeringは単なるツールの進歩というよりもパラダイムシフトである、と論じる。
我々は、推論実行ループ、コンテキストエンジニアリング、ツール使用、メモリ、行動ドリフト、構成誤差を含む自律エージェントの中核メカニズムを定義する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Software engineering is experiencing its most significant transformation since the emergence of high-level programming languages. As large language models (LLMs) increasingly enable sustained, multi-step, tool-mediated execution, engineering value is shifting from writing deterministic code to supervising probabilistic and autonomous behavior. This paper argues that AI-Native Software Engineering is a paradigm shift rather than a mere tooling advance, creating a new professional archetype: the Agentic Engineer, whose primary artifact is the agentic system rather than the program. We characterize this transition through three changes: (i) the unit of work shifts from functions to supervised agent workflows, (ii) correctness shifts from binary assertions to statistical evaluation under uncertainty, and (iii) accountability shifts from code authorship to outcome ownership. Drawing on post-2022 research, we compare traditional and agentic engineering roles and define core mechanisms of autonomous agents, including reasoning-acting loops, context engineering, tool use, memory, behavioral drift, and compositional error. We place human-AI collaboration within socio-technical frameworks and examine mixed empirical evidence. While some studies report productivity gains, others show slowdowns among experienced developers, highlighting disciplined oversight rather than automation as the critical competency. Using established governance frameworks, we identify required skills and risks, including indirect prompt injection. We conclude that the future is one of symbiosis rather than substitution: agentic engineering builds upon and depends on classical software engineering principles.
- Abstract（参考訳）: ソフトウェアエンジニアリングは、ハイレベルなプログラミング言語の出現以来、最も重要な変革を経験しています。
大規模言語モデル(LLM)は、持続的で多段階のツールによる実行をますます可能にしているため、エンジニアリングの価値は、決定論的コードの記述から、確率的かつ自律的な振る舞いの監視へとシフトしている。
本稿では,AI-Native Software Engineeringが単なるツール開発ではなくパラダイムシフトであり,プログラムではなくエージェントシステムであるエージェントエンジニアという,新たなプロフェッショナルなアーキタイプを生み出すことを論じる。
私たちはこの移行を3つの変化を通して特徴づけます。
(i)作業単位は、機能から管理エージェントワークフローへシフトする。
二 正しさが二項断定から不確実性のある統計的評価に変わること。
(iii)説明責任は、コードのオーサシップから成果のオーナシップへとシフトします。
2022年以降の研究に基づいて、従来のエージェントエンジニアリングの役割とエージェントエンジニアリングの役割を比較し、推論実行ループ、コンテキストエンジニアリング、ツール使用、メモリ、行動漂流、構成エラーを含む自律エージェントのコアメカニズムを定義する。
我々は、社会技術枠組みに人間とAIの協力関係を置き、混在した経験的証拠を検証した。
生産性の向上を報告している研究もある一方で、経験豊富な開発者の間では減速を示す研究もある。
確立したガバナンスフレームワークを使用して、間接的なプロンプトインジェクションを含む必要なスキルとリスクを特定します。
エージェントエンジニアリングは、古典的なソフトウェアエンジニアリングの原則に基づいて構築され、それに依存します。
関連論文リスト
- AgentX: Towards Agent-Driven Self-Iteration of Industrial Recommender Systems [82.01232437066487]
AgentXはプロダクションデプロイされたマルチエージェントシステムで、このプロダクション機能を再構築する。
自律的に生成し、実装し、評価し、レコメンデーション実験から学ぶ。
AgentXは4つの密結合したステージをクローズドループでオーケストレーションする。
論文 参考訳（メタデータ） (2026-06-25T10:42:28Z) - Agentic Software: How AI Agents Are Restructuring the Software Paradigm [0.0]
AIエージェントの出現は、ソフトウェアが何であるかの根本的な再構成を構成すると我々は主張する。
前者では、コードは事前記述された決定論理のキャリアであり、後者では、エージェント自体が決定論理である。
セルフ進化エージェントエコシステムに向けた4段階のロードマップで締めくくります。
論文 参考訳（メタデータ） (2026-06-04T02:30:06Z) - Human-AI Collaboration and the Transformation of Software Engineering Work [0.0]
Generative AI(GenAI)とAgenic AIのソフトウェア開発への統合は、ソフトウェアエンジニアリングの再構成である。
私たちは、どの伝統的なアクティビティが自動化されているか、拡張されているか、新しく現れているかをマップします。
我々は、実証可能な9つの命題を導き、理論、産業労働の変革、大学のカリキュラム、組織的リーダーシップへの意味を明確に示します。
論文 参考訳（メタデータ） (2026-06-02T09:36:39Z) - Code as Agent Harness [107.31925305395957]
新興のエージェントシステムでは、コードはもはや単なる目標出力ではない。
コードはエージェントの推論、行動、環境モデリング、実行ベースの検証のための運用上の基盤としてますます役立っている。
この調査は、実行可能、検証可能、ステートフルなAIエージェントシステムに向けた統一されたロードマップを提供する。
論文 参考訳（メタデータ） (2026-05-18T17:59:03Z) - Swarm Skills: A Portable, Self-Evolving Multi-Agent System Specification for Coordination Engineering [50.72456732323037]
textbfSwarm Skillsは、マルチエージェントのセマンティクスを用いて、Arthhropic Skills標準を拡張したポータブル仕様である。
Swarm Skillsはマルチエージェントを、役割、実行バウンダリ、自己進化のためのビルトインセマンティック構造からなる、一級の分散可能なアセットに変える。
我々は,Swarm Skillsがプログレッシブ開示を通じて,ゼロアダプタのクロスエージェントポータビリティを実現する方法を示す。
論文 参考訳（メタデータ） (2026-05-11T06:26:58Z) - The Semi-Executable Stack: Agentic Software Engineering and the Expanding Scope of SE [3.6320170149653985]
AIベースのシステムは、ソフトウェアエンジニアリングに対する脅威として、ますます議論されている。
この論文は別の読み方を主張する。
設計されているものは、実行可能なコードから半実行可能なアーティファクトへと拡張するということです。
論文 参考訳（メタデータ） (2026-04-16T18:36:02Z) - Rethinking Software Engineering for Agentic AI Systems [0.0]
大規模言語モデルとエージェントAIシステムは、自動生成されたコードに前例のない量を生み出している。
本稿では、オーケストレーション、検証、人間とAIのコラボレーションを中心に、この規律を見直しるべきかどうかを検討する。
論文 参考訳（メタデータ） (2026-04-12T12:08:53Z) - EmboCoach-Bench: Benchmarking AI Agents on Developing Embodied Robots [68.29056647487519]
Embodied AIは、高忠実度シミュレーションと大規模データ収集によって実現されている。
しかし、このスケーリング能力は、労働集約的な手作業の監視に依存しているため、いまだにボトルネックになっている。
実装ポリシーを自律的に構築するための LLM エージェントの能力を評価するベンチマークである textscEmboCoach-Bench を紹介する。
論文 参考訳（メタデータ） (2026-01-29T11:33:49Z) - AI-NativeBench: An Open-Source White-Box Agentic Benchmark Suite for AI-Native Systems [52.65695508605237]
我々は、Model Context Protocol(MCP)とAgent-to-Agent(A2A)標準に基づいて、アプリケーション中心でホワイトボックスのAI-NativeベンチマークスイートであるAI-NativeBenchを紹介する。
エージェントスパンを分散トレース内の第一級市民として扱うことにより,本手法は,単純な機能以上の工学的特性の粒度解析を可能にする。
この研究は、モデル能力の測定から信頼性の高いAI-Nativeシステムへの移行を導く最初の体系的な証拠を提供する。
論文 参考訳（メタデータ） (2026-01-14T11:32:07Z) - A Survey on Code Generation with LLM-based Agents [61.474191493322415]
大規模言語モデル(LLM)を利用したコード生成エージェントは、ソフトウェア開発パラダイムに革命をもたらしている。
LLMは3つのコア特徴によって特徴づけられる。
本稿では,LLMに基づくコード生成エージェントの分野を体系的に調査する。
論文 参考訳（メタデータ） (2025-07-31T18:17:36Z) - Generative AI and Empirical Software Engineering: A Paradigm Shift [9.284024538100063]
本稿では,大規模言語モデルのソフトウェア工学への統合が,確立した研究パラダイムをいかに破壊するかを考察する。
我々は、我々が研究している現象、我々が依存する方法や理論、分析するデータ、そして、動的AIを介する環境で発生する妥当性に対する脅威をどう変えるかについて議論する。
私たちの目標は、経験豊かなソフトウェアエンジニアリングコミュニティが、AIシステムが単なるツールではなく、ソフトウェアエンジニアリングとその研究を形作る活発な協力者の未来に、その質問や道具、検証基準を適合させることです。
論文 参考訳（メタデータ） (2025-02-12T04:13:07Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。