30代IT夫婦が本音レビュー！AIコーディングアシスタントと過ごした1ヶ月【GitHub Copilot・Cursorの実力は？】

こんにちは！「ふたりのちょうどいい暮らし」へようこそ。ライターのゆりです👩‍💻✨

私たち夫婦は、早稲田で暮らす30代のITエンジニア夫婦。日々の暮らしを大切にしつつ、仕事では最新のテクノロジーを積極的に取り入れています。

今日は、最近話題のAIコーディングアシスタントについて、夫婦で1ヶ月間ガッツリ使ってみた正直な感想をお届けしたいと思います！

ここ数ヶ月で一気に「使える」レベルになったAIツールたち。「これって本当に生産性上がるの？」「コードの品質はどうなる？」「エンジニアとしての学習って止まらない？」そんな疑問をお持ちのエンジニアさんや、AIツール導入を検討している方にとって、少しでも参考になれば嬉しいです。

私たちが使ったAIコーディングアシスタントたち

今回、私たちが実務で1ヶ月間使い倒したのは、この2つのツールです。

✅ GitHub Copilot

もはや説明不要かもしれませんが、GitHub Copilotはコードエディタ内でリアルタイムにコードの補完や生成を行ってくれるツールです。私と夫の職場でも導入が進んでいて、エンジニアなら使ったことがある方も多いかもしれませんね。

特徴: エディタに統合され、自然言語のコメントや既存コードから文脈を読み取り、コードスニペット、関数、テストコードなどを提案。
主な使い方: 関数名やコメントを書くだけで実装を提案してくれる。繰り返し処理や定型的なコードの生成に特に強い。

✅ Cursor

Cursorは、最近急成長している「AIネイティブエディタ」と呼ばれるツールです。 VS Codeをベースにしていて、Copilotとはまた違ったアプローチでAIを活用します。

特徴: コードの生成だけでなく、エラーのデバッグ、リファクタリング、質問応答、ドキュメント生成など、コードに関するあらゆるタスクをAIチャットで支援してくれる。
主な使い方: 「このコードのバグを修正して」「この関数にテストコードを書いて」「この処理をリファクタリングして」といった指示をチャット形式で入力。質問してコードの解説を求めることも可能。

うちの夫（たかし）が「Cursorはまるでコード版ChatGPTだよ！」と興奮気味に教えてくれたのがきっかけで、二人で導入を決めました。

1ヶ月使ってみた正直レビュー：生産性編

さて、本題です。AIコーディングアシスタントを導入して、私たちの仕事はどれくらい効率化したのでしょうか？まずは「生産性」に焦点を当ててレビューしていきます。

結論から言うと、生産性は間違いなく向上しました！ 特に定型的な作業や、最初のとっかかりを作る部分での恩恵は計り知れません。

夫（たかし）の視点：バックエンド開発での爆速体験 🔥

夫は主にバックエンド（GoやPython）を担当しています。

「僕はGitHub CopilotもCursorも両方かなり活用してるよ。特にCursorのチャット機能は革命的だったね。」

そう言って、早稲田駅近くのカフェで熱心に語ってくれたたかし。

APIエンドポイントの定義: 「REST APIのエンドポイントを定義するとき、Copilotが適切なHTTPメソッドやパス、JSONスキーマの雛形を一瞬で提案してくれるんだ。以前は公式ドキュメントを見ながらチマチマ書いてたから、かなり時間短縮になってる。」
データベース操作: 「複雑なSQLクエリを組むときや、ORMを使ったデータ操作のコードを書くときにCursorのチャットにテーブルスキーマとやりたいことを伝えると、ほぼ完璧なコードスニペットが返ってくるんだ。もちろん、そのままコピペはしないけど、ベースができてるとレビューの手間も省けるし、何より精神的な負担が少ない。」
ボイラープレートの生成: 「Go言語で構造体を定義した後に、JSONのタグ付けやバリデーションタグを付ける作業って、地味に面倒だよね。あれをCopilotがサッと提案してくれるから、本当に助かる。手書きで打ってた頃には戻れない。」

たかしは、「特に新しいライブラリやフレームワークを試すときに、公式ドキュメントとAIの両方を参照することで理解がめちゃくちゃ早くなった」とも話していました。

妻（ゆり）の視点：フロントエンド開発での時短術 💡

私は主にフロントエンド（React/TypeScript）を担当しています。 UIコンポーネントの実装や状態管理、API連携などが主な業務です。

「私はCopilotをメインに、Cursorは補助的に使ってるかな。特にコンポーネントの実装が本当に早くなったと感じるわ。」

高田馬場のお気に入りのラーメン屋さんで、替え玉を待つ間に私が話したこと。

UIコンポーネントの生成: 「特定のデザインパターン（例: モーダル、アコーディオン、タブコンポーネント）に合わせて、Propsの定義から基本的なJSXの構造、スタイルまで一気に提案してくれるの。もちろん細部は調整するけど、ゼロから書くのに比べて圧倒的に早い！」
Hookのカスタム: 「ReactのカスタムHookって、結構パターンがあるんだけど、ユースケースをコメントに書くだけで、Copilotがかなり筋の良い提案をしてくれるのよね。特にuseEffectやuseCallbackの依存配列なんかは、AIが補完してくれるとミスが減る気がする。」
テストコードの生成: 「私はテストコードを書くのが少し苦手意識があったんだけど、Cursorの『このコンポーネントにテストを書いて』って指示だけで、@testing-libraryを使った基本的なテストコードを生成してくれるのが本当に助かる！テスト駆動開発へのハードルが下がった感じがするわ。」

特に、複雑なロジックを伴わないレイアウト系のコンポーネントや、定型的なCRUD操作の画面などは、AIの力で数倍速く実装できるようになりました。

夫婦共通の感想とポイント

初速が格段に上がる: 何もないところからコードを書き始める心理的な障壁が劇的に低減しました。
定型作業からの解放: 退屈で時間のかかるボイラープレートコードや繰り返しパターンからの解放は、精神衛生上も非常に良い影響がありました。
思考の補助: コード生成だけでなく、「こんなことやりたいんだけどどう書く？」という曖昧な問いにも、AIが具体的なコードで方向性を示してくれるため、思考のスピードアップにつながりました。

「AIは、まるで知識豊富なペアプログラミングパートナーみたい。常に隣にいて、必要な時に的確なヒントをくれる。でも、最終的な判断は自分たちでしないといけない。」

早稲田大学のキャンパスを散歩しながら、たかしがぽつりと言った言葉が、まさに核心を突いているなと感じました。

1ヶ月使ってみた正直レビュー：コード品質編

生産性が向上するのは素晴らしいことですが、それと引き換えにコードの品質が落ちてしまっては本末転倒です。 AIが生成したコードの品質は、実際どうだったのでしょうか？

夫（たかし）の視点：品質向上への貢献と注意点 ⚠️

「CopilotやCursorが提案するコードは、正直7割くらいはそのまま使えるレベルだと思う。残り3割は、細かな調整や、プロジェクトのコーディング規約に合わせる必要があるかな。」

たかしは、AIが提示するコードの「洗練度」に感心することが多かったそうです。

ベストプラクティスの提案: 「Go言語の並行処理なんかは、書き方が複数あるけど、AIが提案してくるのは大抵の場合、メモリ効率やエラーハンドリングまで考慮された、 Idiomatic Go (Goらしい書き方) に近いものが多い印象だ。自分でゼロから調べて書くより、むしろ品質が高くなるケースもある。」
セキュリティへの意識: 「データベースのプリペアドステートメントや入力値のサニタイズなど、セキュリティに関わる部分でAIが適切な対策を提案してくれることがよくある。これは、うっかりミスを防ぐ意味で、品質向上に貢献していると言えるね。」
冗長なコードのリファクタリング: 「Cursorに既存の関数を『もっと簡潔に、パフォーマンスを意識してリファクタリングして』と指示すると、可読性を保ちつつ、無駄を省いたコードを提示してくれる。第三者の視点が入ることで、自分のコードの癖を見直す良い機会にもなってる。」

一方で、「AIが生成するコードは、時にプロジェクト固有の複雑なドメイン知識や、過去の負債を考慮できないことがある」とも指摘していました。そのまま鵜呑みにすると、既存のシステムとの整合性が取れなくなる可能性もあるため、必ず人間がレビューする必要があるとのことです。

妻（ゆり）の視点：可読性と保守性への影響

私は、AIが生成するコードの「可読性」と「保守性」に注目していました。

「AIが書いたコードって、一見きれいに見えるんだけど、たまに『なんでこうなるの？』って部分があったりするのよね。でも、全体的にはプラスの影響の方が大きかったわ。」

一貫したコードスタイル: 「チーム内で共通のリンターやフォーマッターを使っていても、人間が書くとどうしても癖が出てしまう部分があるわよね。AIが生成するコードは、一般的なスタイルガイドに沿った、一貫性のあるものが多いから、レビューが楽になる。」
冗長性の排除: 「特にフロントエンドでありがちな、状態管理のためのたくさんの変数定義や、イベントハンドラの記述など、定型的ながらも冗長になりがちな部分を、AIがスマートにまとめてくれることがある。これは可読性の向上に繋がるわ。」
コメントやドキュメントの補助: 「生成されたコードに対して、『この関数の目的と引数、戻り値をJSDoc形式で記述して』とCursorに指示すると、適切なドキュメンテーションを生成してくれるの。これは将来的な保守性を考えると、すごく大きなメリットだと思う。」

ただ、AIが提案するコードの中には、過剰に抽象化されていたり、まだ学習途上であるために少し古めのライブラリの書き方を提案してきたりすることもありました。そのため、常に「本当にこれがベストか？」という視点を持って、吟味することが大切だと感じています。

夫婦共通の感想とポイント

品質の「底上げ」: 特に若手エンジニアや、経験の浅い領域でコードを書く際には、AIがベストプラクティスに近いコードを提案してくれるため、全体の品質の底上げに貢献します。
レビューの手間は変わらず、質は向上: AIが書いたコードも人間が書いたコードも、最終的には人間がレビューする必要があります。しかし、レビューの視点が「基本的なミスがないか」から「ドメイン知識に合っているか」「より良い設計はないか」といった、より本質的な部分に移っていく感覚がありました。
AIはあくまで「提案」: AIが提示するコードは「最終解」ではなく「強力な提案」と捉えるべきです。盲信せず、常に自分で理解し、必要に応じて修正する姿勢が不可欠です。

AIは完璧ではない。しかし、私たちがより質の高いコードを書くための強力な伴走者となり得ることを、1ヶ月で実感しました。

1ヶ月使ってみた正直レビュー：学習効果編

AIがここまでコードを書いてくれると、「エンジニアとしてのスキルアップってどうなるの？」「思考停止しちゃうんじゃない？」という不安も出てきますよね。この点についても、夫婦それぞれの視点で深掘りしてみました。

夫（たかし）の視点：学びを加速させるツールとして 📚

「正直、最初は『コード書かなくなっちゃうかも』って心配もしたけど、実際は逆だったよ。新しいことへの挑戦が格段に増えたし、学習の質も上がったと思う。」

高田馬場駅から早稲田まで散歩しながら、たかしはそう教えてくれました。

新しい技術への挑戦: 「これまで手を出していなかった技術スタック（例: GraphQL、新しいデータベース）でも、Copilotが基本的なコードを生成してくれるから、とっかかりが掴みやすい。以前なら『まず環境構築とHello Worldまでで一日終わりそう…』って思ってたけど、今はサッと試せる。」
知らないAPIの探索: 「使ったことのないライブラリのAPIなんかは、Cursorに『このライブラリの〇〇関数ってどう使うの？』って聞くと、具体的なコード例と一緒に解説してくれる。ドキュメントを読み込むより、実践的な学習ができるんだ。」
思考の整理: 「複雑なロジックを実装するとき、まず自然言語で『こういう処理をしてほしい』ってコメントを書いてCopilotに提案させてみるんだ。すると、自分がどういう思考プロセスで問題を解決しようとしているのかが可視化されて、より効率的に、かつ深く問題を理解できるようになる。」

たかしは、「AIは、『知らないことを知る』ための時間を短縮してくれる。その分、『どうすればもっと良くなるか』『なぜこれで動くのか』といった、本質的な部分に思考を集中できるようになった」と語っていました。

妻（ゆり）の視点：概念理解の深化と効率的なデバッグ 🔎

私自身も、学習効果についてはポジティブな側面が多いと感じています。

「最初はもちろん『AIに頼りすぎて思考停止しないか』って不安はあったけど、実際は概念理解を深めるのに役立ってくれたわ。」

エラー原因の特定と解決: 「フロントエンドだと、npmの依存関係の複雑さや、APIのレスポンス形式の違いでエラーが出たりするんだけど、Cursorにエラーメッセージと関係するコードを貼ると、かなり的確な原因究明と解決策を提案してくれるの。おかげでデバッグの時間が大幅に短縮されて、その分の時間でエラーの根本原因や関連技術について調べたりできるようになったわ。」
異なる実装パターンの比較: 「例えば、『この処理を再帰関数で書く場合と、ループで書く場合、どういうメリット・デメリットがあるの？それぞれのコードを教えて』といった質問をCursorに投げると、複数の実装パターンとその解説を比較検討できる。これは、自分で調べるよりもはるかに効率的で、実装の引き出しを増やすのに役立つわ。」
コードの意図を理解する: 「他の人が書いたコードや、自分が少し前に書いたコードで『これ、どういう意図で書いたんだっけ？』ってなる時も、Cursorに質問すると、コードの背後にある意図や機能まで解説してくれるから、理解が早まるの。コードリーディングの学習にもなる。」

特に、自分の専門分野外の技術や、少しうろ覚えの知識についてサッと確認したいときに、AIが非常に役立ってくれました。

夫婦共通の感想とポイント

「何を学ぶべきか」の発見: AIが定型作業を肩代わりしてくれることで、私たちは「本当に集中すべきはどこか」「自分の強みをどう伸ばすか」といった、より高次の問いに時間を割けるようになりました。
学習のサイクルが高速化: 知らないことを調べる→試す→フィードバックを得る、という学習サイクルがAIの助けで格段に速くなりました。
深い理解への補助: AIがコードを生成するだけでなく、そのコードの背景にあるロジックやベストプラクティスを説明してくれるため、表面的な理解で終わらず、より深いレベルでの学習が可能になります。

AIは私たちの思考力を奪うのではなく、むしろ思考を深めるための強力なブースターとして機能していると感じています。

夫婦それぞれの活用術と今後の展望

1ヶ月の試用期間を経て、私たち夫婦はAIコーディングアシスタントを自分たちの仕事にどう取り入れていくかを話し合いました。早稲田のカフェでコーヒーを飲みながら、未来の働き方について語り合うのは、エンジニア夫婦ならではの楽しい時間です。

夫（たかし）の得意な使い方と今後の期待

夫のたかしは、特にCursorのチャット機能を使ったデバッグやリファクタリング、そして新しい技術の探索に今後も力を入れていくようです。

Cursorとの会話: 「複雑なバグに直面したときや、大きなリファクタリングをする前に、Cursorに『この問題に対して複数の解決策を提案して。それぞれのトレードオフも教えてほしい』と投げかける。これは、自分一人で考えるよりも遥かに多角的な視点を得られるから、設計の質を上げるのに役立つ。」
未知の領域への足がかり: 「今後は、クラウドインフラの設定コード（IaC）や、機械学習モデルの試作など、僕がまだ経験の浅い領域でAIの力を借りて、キャッチアップのスピードを上げていきたいね。」

たかしは、「AIは、経験の浅いエンジニアが経験豊富なエンジニアになるまでの時間を短縮するツールだ」と力強く語っていました。

妻（ゆり）の得意な使い方と今後の期待

私は、GitHub Copilotのリアルタイムなコード補完による実装速度の向上と、Cursorによるテストコード生成やドキュメンテーションの効率化に重きを置いています。

Copilotとの二人三脚: 「特にルーティンワーク的なUIコンポーネントの実装や、状態管理のボイラープレートは、Copilotに任せて、私はユーザー体験を最大化するデザインや、複雑なビジネスロジックの実装に集中したいわ。」
品質保証のパートナー: 「テストコードの生成はもちろん、将来的にCI/CDパイプラインへの組み込みや、セキュリティ脆弱性のチェックなど、コード品質を総合的に高めるパートナーとしてCursorを活用していきたい。」

私は、「AIは、私たちエンジニアがよりクリエイティブで、人にしかできない仕事に集中するための、頼れるアシスタント」だと感じています。

夫婦としてのAIとの共存スタイル

私たち夫婦の共通認識は、

AIはあくまで「ツール」であり、私たちの「代替」ではない

ということです。

批判的思考の維持: AIの提案を鵜呑みにせず、「なぜこのコードなのか」「もっと良い書き方はないか」と常に問いかける姿勢が重要です。
人間が最終決定: コードの最終的な責任は常に人間が負います。AIが生成したコードも、自分の言葉で説明できるレベルで理解しておく必要があります。
新しいスキルへの適応: AIが進化するにつれて、求められるエンジニアのスキルも変化します。AIを使いこなし、AIと協調して働く能力が、これからのエンジニアには不可欠だと感じています。