$85,000のトークン消費を経て:Lovableでのエージェント型コーディングのスケーリングから学んだこと

筆者は2026年1月にLovableに入社後、個人のトークン消費額が月約2万5千ドル、1月からの総額は約8万5千ドルに達した。当初は計画モード、許可要求、コードレビューを中心としたエージェント型コーディングで週20〜30件のPRをマージしていたが、6月にはタスク作成エージェントと複数の実装・レビューエージェントからなる体制になり、週150件以上のPRをマージできるようになった。トークン消費の約75%は実装に、25%はAIレビューや自動化タスクなどの自動化に費やされている。AIによるコード生成が進むにつれ、人間によるコードレビューはRFCやADRといった高レベルな意思決定やシステム設計の議論に限定されるようになっている。PRのリスク分類をAIで行い、高リスクな変更には人間によるレビューを必須とするシステムを構築した。AIレビューには、迅速で安価だが精度にばらつきがあるCIレビューと、時間がかかるが高精度なローカルレビューの2種類がある。PRは未検証の変更を表現するのに適した抽象化であり、AI時代でも有用であり続けると筆者は考えている。スタックPRはコンテキスト管理とリスク管理に役立ち、AIレビューの精度低下を防ぐために重要である。生産性向上のためには、タスクの自律性、適切なコンテキスト管理、サブエージェントの活用、そして小さなPRへの分割が鍵となる。開発プロセス改善のためには、エージェントによるスキル作成の自動化、過去の作業ログからの反省、DevExツールの整備、そしてチーム内での知識共有が重要である。筆者の現在の生産性は、従来の開発手法をはるかに超えており、トークン消費は将来の製品改善のための新技術探求に充てられると述べている。