AI が開発者の教育を変えつつある

Stack Overflow に最後にアクセスしたのはいつだろう？

数週間前、Tailwind Labs が Shopify に買収された。

この出来事だけを見れば、それほど驚くことではない。Tailwind CSS は巨大だ。買収時点で Adam Wathan は、このフレームワークが毎週 1 億 1000 万回以上インストールされており、OpenAI、X、Cloudflare、Reddit、そして Shopify 自身を含む企業が使っていると述べている。

しかし本当に興味深いのは、買収前に Tailwind に起きていたことだ。

今年初め、創業者は明かした。Tailwind のドキュメントのトラフィックは 2023 年初頭と比べて約 40% 減少したのに、Tailwind 自体はかつてないほど人気になっていた。収益は 80% 近く減少した。

それでも Tailwind は人気だ！むしろ以前より人気だ！そんなことがあり得るのか？？

長年、そのビジネスモデルは単純だった。開発者は Google でこんなものを検索する：

tailwind center div vertically

彼らは Tailwind のドキュメントにたどり着き、必要なクラス名を見つける。ついでに Tailwind Plus、テンプレート、UI コンポーネント、あるいは別の有料製品に気づくかもしれない。

AI コーディングツールがこの循環を断ち切った。

今は Cursor や Claude Code にこのコンポーネントを直接書かせればいい。エージェントは Tailwind をすでにかなりよく知っている。仮に知らなくても、自分でドキュメントを拾ってくる。

それでも Tailwind は使い続けているし、むしろもっと使っているかもしれない。AI は Tailwind をうまく書くからだ。ただ、これを見てはっきり気づいた。もうずいぶん長いこと、ドキュメントを開いていない。

私たちは「学習」を中心に開発者経済を組み上げてきた

開発者ツールを広める最も効果的な方法のひとつは、長いあいだ、開発者に何かを教えることだった。

企業は極めて詳細なチュートリアルに大金を払ってきた。サンプルアプリを組み立て、スクリーンショットを撮り、アーキテクチャを説明し、コマンドをひとつずつ記録し、三千字のガイドにまとめる——それに何日もかける。

開発者の注意力には値段がつくのだから、経済的には筋が通っている。

Vercel のような企業は、Next.js で何かを作る方法を記事にできる。開発者は半年後、疑問を抱えて Google で検索し、その記事を見つけ、何かを学び、Vercel の存在を知り、やがて顧客になるかもしれない。

過去十年の成功した開発者ツール企業のサイトをどれでも見てみれば、この戦略の痕跡がそこらじゅうにある。

• ドキュメント。
• チュートリアル。
• ブログ記事。
• コース。
• サンプルアプリ。
• 「Y で X を作る」実践ガイド。

DevRel チームが丸ごと存在するのは、部分的にはこうしたものを生産するためだ。検索が教育を獲得チャネルに変えた——だが、検索は獲得チャネルとしてどんどん劣化している。

Google の AI Overview は最初の自然検索結果のクリック率をすでに殺した。インターネット上で開発者の疑問に答えることがビジネスモデルの土台にあるなら、これはかなり根本的な問題だ。

Tailwind は例外ではない

この記事には人一倍思い入れがある。私は長年 Rails 開発者をやってきたからだ。

GoRails は10年以上にわたり、インターネット上で最高の Rails 学習リソースのひとつであり続けてきた。Chris Oliver は膨大な Rails 動画チュートリアルを築き上げ、その後 Jumpstart や Rails ホスティングプラットフォーム Hatchbox といった製品にも事業を広げた。

長年、教育事業が他のすべてを支える資金源だった。

今、その構図が変わった。

今月初め、Chris はこう書いた。「AI はほとんどの教育ビジネスにとって残酷で、うちも例外じゃない」。GoRails はずっと Hatchbox の開発を支えてきたが、そのモデルはもう成り立たないという。GoRails の 2026 年の新規顧客数は、創業初年を下回る見込みだ。この 1 年、Oliver と Collin Jilbert はほとんどの時間を Hatchbox に注いできた。

その後、彼らは Ruby on Rails Podcast でこれについて非常に面白い会話をしている。

皮肉なことに、彼ら自身も AI をかなり使っている。

AI のおかげで、知らないシステムを調べ、複雑な Rails アプリをリファクタリングし、機能を素早くプロトタイプできる。生産性は大きく上がった。

一方で、開発者は同じツールを使って、GoRails が作ってきた教育プロダクトを迂回できる。以前なら、Rails で問題にぶつかると、チュートリアルを検索し、Chris が似た問題をどう解くかを見て、彼のやり方を理解し、自分のアプリに当てはめた。

今は Claude Code があなたの実際のアプリを直接調べて、その場で問題を解決してくれる。

開発者としては、これだけ速く進めるのはもちろんいいことだ。それでも、非常に健全だったビジネスモデルがこうやって潰れていくのを見るのはつらい。

答えを検索する頻度は減った

5年前、新しい技術をどうやって学んでいただろうか。Udemyの講座を買ったかもしれない。YouTubeのシリーズを見つけたかもしれない。ブログのチュートリアルを順番に手を動かして追ったかもしれない。

公式ドキュメントを開いて、あの定番のTodoアプリを素直に最後まで作ったかもしれない。

14時間のUdemy講座を、最後までちゃんと見通したのはいつが最後だろう。

今でもそうやっている人は大勢いるはずだ。ただ、自分にとっては、これはもうソフトウェアの学び方ではなくなりつつある。

いきなり作り始める。知らない部分にぶつかったら、モデルに聞く。出てきた答えが怪しければ、なぜそうなるのかを聞く。それでも駄目なら、ドキュメントを開く。

そして、また手を動かす。

Stack Overflow自身のデータが、この変化が起きていることを示している。

ドキュメントは機械のために書き直されつつある

意識し始めれば、これが一番わかりやすい変化かもしれない。

モダンな開発者向けドキュメントサイトを開くと、こういうものをますます見かけるようになる。

• Copy page
• View as Markdown
• Ask AI
• Connect MCP

たとえば現在のVercelのドキュメントでは、「Copy page」と「Ask AI about this page」が本文のすぐ上に置かれている。

ドキュメント基盤は、この流れに向けたインフラをさらに整えつつある。

GitBookは今やドキュメントページのMarkdown版を自動で公開し、llms.txtとllms-full.txtを生成し、MCP経由でドキュメントを開放できる。

新しいドキュメントには、モデルがその説明を開発者の実際のアプリケーションに適用できるだけの、権威あるコンテキストが必要になる。

/llms.txtが注目に値する理由のひとつもそこにある。

Jeremy Howardが2024年に提唱したこのフォーマットの狙いはシンプルだ。サイトがLLMに対して、重要コンテンツのクリーンで構造化された地図を渡せるようにする。現時点では、広く支持されたWeb標準というより、形成途上の慣習と表現するほうが正確で、主要なモデルベンダーがすべて正式に読み取りを約束しているわけでもない。それでも、ドキュメント企業や開発者ツール企業はすでに積極的に採用している。

このアイデアは、ばかばかしいほど単純だ。

私たちは何十年もかけて、人間とGoogleのためにサイトを最適化してきた。

今、機械向けの第二のインターフェースを公開し始めている。

そして開発者ドキュメントは、この変化が最も早く合理性を持ち始める場所のひとつだ。

もっと意識的に学ぶ必要がある

2018年の学習体験を取り戻すためにAIコーディングツールを手放すつもりはない。紙の本を読むと心が養われるからといってGoogleを使うのをやめるようなものだ。本当の課題は、これらのツールを使いこなすための知識を、今も積み上げ続けられているかどうかにある。

自分にとってそれは、実行と学習を切り分けることになりつつある。何かを納品する必要があるときは、エージェントにできるだけ抵抗を取り除いてほしい。

逆に、本当に理解したい領域にいるときは、その抵抗の一部を意図的に戻す必要がある。

たとえば、こういうことだ。

• 生成された答えをそのまま受け取らず、一次ドキュメントを読む
• 実装が終わったあとに、モデルにアーキテクチャとトレードオフを説明させる
• なぜ動くのかを自分の言葉で言えるレベルまで、生成されたコードを細かく読む
• 新しいスキルを練習したいときは、たまには小さな部分を自分で書く
• 赤いエラーをエージェントにすぐ消させるのではなく、失敗の原因を調べる
• AIを実行者としてだけでなく、家庭教師として使う

どれも、AIが存在しないふりをする必要はない。

むしろAIは、開発者教育の技術として史上最高のものになるかもしれない。

あなたのコードベースを理解し、何をすでに知っているかを把握し、際限のない追加質問に答え、あなたが詰まっている箇所に合わせた専用の練習問題を出してくれる優秀な教師。数年前なら、あまりに出来すぎた話に聞こえたはずだ。

今はその粗い版がターミナルの中に座っている。ただ、これらのツールのデフォルトの振る舞いは、たいてい問題を直接解決してしまうことにある。そして、問題を解決することは、必ずしもあなたに教えることではない。

興味があれば、AIを意識的に使うこと、学び続けることについて、このチュートリアルにもっと書いている。

AIは私たちを、まっすぐ進み続けることにどんどん慣れさせていく。生産性の面では良いことだ。

ただ、ときには路肩に停めて、この道がどこへ向かっているのかを確かめるのを忘れないようにしたい。