子供は選ぶだけ、大人は全部

プロダクトを作るとき、古典的な意思決定がある：まずプロトタイプで方向を検証するか、そのまま実装するか。プロトタイプの論理はこうだ：実装は高コストだから、まずローファイリデル版で回して、方向が正しいことを確認してから投入する。この論理が成り立つ前提是、実装自体のコストが十分に高いことだ。

この前提是消えつつある。

Claude Design でインタラクティブプロトタイプを生成するのと、Claude Code で動作する実装を生成するのとでは、コストが非常に近い。Magic Patterns、WeaveFox、Variant のようなツールはさらに進んでおり、一度のプロンプトで複数の動作する方案を出力し、直接比較できるようにする。選択が起きるノードが「作る前」から「作った後」に移った。意思決定はスケッチの山から、動く実装の山に変わった。自分もこの考えに沿ってマルチバリアント生成器を作った。欲しい界面を一文で入力し、三つのスタイルを選ぶと、AI が三つの異なるスタイルの完全な UI を並列生成し、並べて比較できるようにする。90種のデザインスタイルを名前で検索でき、生成結果は先に完成したものから順に表示され、AI が各バリアントを自動評価して最適なバージョンをマージしてくれる。

xAI の Grok Build はこの考えを極限まで推し進めた。一度に最大8つの agent を立ち上げ、それぞれが計画、検索、コーディングを行い、最後に Arena Mode で自動順位付けする。agent が自ら解空間を探索し、自動的に最適な結果に収束する。

これはリソースの浪費ではない。並列コストが十分に低いとき、すべての方向を同時に実装することが最適パスだ。

トヨタ生産方式にはワンピースフローという概念がある。核心理念は：バッチが小さいほどフィードバックが速く、ムダが少ない。AI がマルチバリアントを並列生成することは、ワンピースフローを極限まで押し進めることだ。バッチは全集合に等しく、フィードバックは即座に発生する。どの方案を実装する価値があるか判断する必要はもうない。すべての方案がすでに実装されているからだ。選ぶのは子供だ、大人は全部もらう。マルチバリアント生成器の名前はこの言葉から来ている。並列生成のコストが十分に低くなれば、この言葉は冗談からエンジニアリング手法に変わる。

従来のプロトタイプワークフローはこうだ：アイデア → スケッチ → ローファイプロトタイプ → レビュー → 方向を一つ選ぶ → 実装。各段階で選択が起き、各選択が可能性を排除する。AI がもたらす新しいワークフローはこうだ：アイデア → 複数の動作する実装を並列生成 → 自動フィルタリング → 人間が最終選択をする。マルチバリアント生成器はこのフローの縮図だ。一文を入力するだけで、ツールは三つの異なるスタイルの界面を同時に作り、あなたはどれが良いか見るだけだ。選択回数は減ったが、選択の基盤となる情報量は増えた。何枚かのスケッチの中でどれが良いかを推測するのではなく、複数の動くプログラムの中からどれが良いかを見るのだ。

この転換の核心は「AIが速い」ことではなく、「選択が実装の後に行われる」ことだ。従来のフローでは、選択は最も高コストな動作だった。間違えればやり直しだからだ。AI は選択のコストをほぼゼロに圧縮した。間違った？もう一組生成すればいい。並列化には二つの基本パターンがある。一つは切り分けで、一つのタスクを複数の独立したサブタスクに分割し、各 agent が一つを担当し、最後にマージする。例えばダッシュボードの実装で、一つの agent がバックエンド API を書き、もう一つがフロントエンドコンポーネントを書き、三つ目がデータベースマイグレーションを担当し、三者が並列完了後に統合する。もう一つは投票で、同一タスクを複数の agent に渡し、各 agent が異なるプロンプトや異なるモデルで独立実装し、出力を比較して最適なものを選ぶ。マルチバリアント生成器は投票パターンを使う。同じ界面説明を三回 AI に渡し、それぞれに異なるスタイル指示を付加し、最後に人間が最終裁定する。

Anthropic の Agent 研究レポート はこの二つのパターンを sectioning と voting と呼んでいる。二つのパターンを組み合わせることで、ほとんどの並列シナリオをカバーできる。切り分けは「どうやるか」の並列を解決し、投票は「何をやるか」の並列を解決する。プロトタイプ時代には切り分けだけで十分だった。方向は事前に決まっていたからだ。マルチバリアント時代には投票も必要だ。方向自体が並列に探索されるからだ。

並列生成は評価の仕方も変えた。スケッチの手動レビューの価値は下がり、動作する結果の agent 自動フィルタリングの価値は上がっている。まずプログラムにフィルタリングを回させ、明らかにダメなものを取り除き、最後に人間に少数の高品質候補を渡す。新しい核となる能力も変わった。並列生成では、複数の agent が衝突せず、重複作業をしないように制御する能力が必要だ。結果の比較では、どの実装がより良いか、基準は何かを判断する能力が必要だ。自動収束では、異なる方案の共通点と差異を識別し、有効な部分をマージする能力が必要だ。これらの能力はプロトタイプ時代には存在しなかった。プロトタイプ時代は一度に一版しか作らなかったからだ。

Amp は2026年2月にエディタプラグインの終了を発表した。理由はモデル自体がすでに十分に強力で、エディタ補助という足場はもう必要ないということだった。プロトタイプも一種の足場だ。「直接実装」のコストが「まずプロトタイプを作る」コストに近づいたとき、プロトタイプの存在基盤は消える。プロトタイプの仮説は「実装は高コストだ」というもので、この前提是もはやない。

しかしプロトタイプと Demo は同じものではない。プロトタイプは意思決定コストを下げるために使い、実装が高コストなときに方向を検証する。Demo は展示とコミュニケーションのために使い、あるアイデアが実現可能であることを証明する。プロトタイプの仮説は実装が高コストということ、Demo の仮説はコミュニケーションが重要ということだ。AI は Demo の生成コストをほぼゼロにした。あるアイデアに対して動作する界面、インタラクションフロー、API セットを生成するのに、もうほとんどコードを書く必要がない。これらの Demo は製品ではないが、実際に動作する。プロトタイプが果たしていた機能を引き受けながら、プロトタイプの範疇を超えている。

Aspire チームの実践がその違いを明確にした。彼らは AI を使ってプロダクションエンジニアリングを行い、Demo を作っているのではない。プロダクションソフトウェアは本物のコードベース、顧客、メンテナンスコストに向き合う必要がある。Demo にはその必要がない。プロダクションは安くなったが、メンテナンスは安くなっていない。Demo はメンテナンスの負担がないため、「実装が高コストだ」という前提の制約を受けない。

すべての世代のツールが死ぬとき、死ぬのは背後にある仮説だ。プロトタイプは実装が安くなったことで死んだ。プロトタイプに取って代わるのは、より速いプロトタイプツールではなく、まったく新しいワークフローだ：まず全部作って、それから選ぶ。