G5 Labsがステルス状態から登場、$14Mの資金で自然言語を新たなソースコードに

G5 Labsは、MITコンピュータサイエンスとArtificial Intelligence Laboratory (CSAIL)のスピンアウトで、ステルス状態から登場し、$14 millionのシード資金を獲得し、野心的な仮説を掲げている。次の主要なプログラミング言語は、プログラミング言語らしくない形になる可能性がある。

ボストン拠点のスタートアップは、AIネイティブなソフトウェア開発向けの抽象化レイヤーを開発しており、ソフトウェアが何をすべきかという自然言語の記述を意図の正式なグラフ（オントロジー）に整理し、実質的にソースコードとなるようにしている。Pillar VCとBattery Venturesがシードラウンドを共同リードし、Omega Venture Partners、Encoded Ventures、およびエンジェル投資家が参加した。

この資金は、G5 Labsのエンジニアリングチームの拡大、顧客導入のスケール拡大、そしてオントロジーコンパイラの開発継続に使用される。同社は、AIコーディングツールによって生じる新たな課題の一つ、すなわちコード生成はますます容易になる一方で、そのコードの理解、レビュー、ガバナンス、保守が依然として困難であるという問題の解決を目指している。

コード生成を超えてボトルネックを移す

AIコーディングアシスタントは、ソフトウェア開発の経済性を急速に変化させた。開発者は、比較的少ない手作業で関数、テスト、ドキュメント、そしてますます完全なアプリケーションさえ生成できるようになった。

しかし、コードが増えることが必ずしもエンジニアリング組織の生産性向上を意味するわけではない。

Farosの調査によると、1,255チーム、10,000人以上の開発者を対象にした分析で、AI導入率が高いチームはタスク完了数が21%増加し、プルリクエストのマージ数が98%増加したが、プルリクエストのレビュー時間は91%増加した。同じ分析では、AI導入がプルリクエストの規模拡大と開発者あたりのバグ増加と関連付けられている。

他の研究でも同様の複雑さが指摘されている。経験豊富なオープンソース開発者を対象としたランダム化研究では、2025年初頭のAIツールが、対象プロジェクトにおいてタスク完了時間を19%増加させたことが明らかになった。開発者自身はAIが大幅に速度を上げると期待していたにもかかわらず、実際には遅延した。

G5 Labsは問題に対して別の方向から取り組んでいる。別のコーディングモデルを構築するのではなく、生成されたコードその上に抽象化レイヤーを配置したいと考えている。

ビジネス意図をソフトウェア成果物へ変換する

G5 Labsのプラットフォームの中心には、同社が自己学習型双方向コンパイラと呼ぶものがある。

自然言語の意図は実行可能なコードに変換できるが、逆方向にも機能する。既存のコードを解釈し、システムの根本的な要件と動作を記述するオントロジーに組み込むことができる。

この区別がG5のアプローチの中心である。

組織が要件を変更すれば、対応するコードはそれを反映するように再生成できる。開発者がコードを直接修正すれば、オントロジーはその変更から学習し、実装と同期し続けることができる。G5によれば、生成されたコードの個々の行は、背後にあるビジネス要件に遡って追跡可能である。

実質的に、同社は自然言語のソフトウェア要件に、開発者が従来のソースコードに期待するいくつかの特性、すなわち比較、マージ、バージョン管理、ガバナンス、最終的なコンパイルを付与しようとしている。

例えば、何千行ものコードを検査した結果、二つのAIエージェントが矛盾する実装を生成したことが判明する代わりに、G5はその不一致を意味論レベルで表面化させることを目指す。これにより、プロダクトマネージャー、アナリスト、エンジニアがどの根本的な要件が正しいかを判断できる。

G5はClaude Code、Codex、その他のコーディングモデルの上に位置する

G5のアーキテクチャのもう一つの重要な要素は、主要なAIラボから登場するますます高度なコーディングモデルと直接競合するように設計されていない点である。

G5はそれらの上にアプリケーション層とガバナンス層として機能する。

同社は、同プラットフォームがClaude Code、Codex、オープンウェイトモデルなどのシステムと連携でき、企業はソフトウェアを支配する意味論アーキテクチャを再構築することなく、基盤となるAIモデルを変更できると述べている。

G5は開発計画を検証可能なタスクに分解し、複数のAIエージェントに配分できるようにする。これらの行動、アーキテクチャ上の決定、ポリシー、教訓は、組織のオントロジーに組み込むことができる。

ソフトウェア開発が、AIアシスタントを使用する開発者から、複数の自律エージェントが同時に大規模コードベースを変更する形へと移行するにつれ、これはますます重要になる可能性がある。

アプリケーションが実際に何を達成すべきかという共有された表現がなければ、コード生成の高速化は単に意見の不一致を加速させるだけになる。

ガバナンスが開発プロセスの一部となる

G5は、規制対象の企業も対象としており、制御なしで自律的なコーディングエージェントの運用を許可すると、セキュリティやコンプライアンスの問題が生じる可能性があります。

このプラットフォームは、ポリシーをソフトウェア開発プロセス自体に組み込むよう設計されています。組織は、エージェントがコード生成を開始する前に、セキュリティ、承認、General Data Protection Regulation（GDPR）コンプライアンス、アーキテクチャ、AI支出に関する要件を設定できます。

コスト管理は、企業がますますエージェント主導の開発システムを試す中で特に重要です。コーディングアシスタントへの単一のプロンプトは低コストで済むことがありますが、エージェントの群れが繰り返し計画、生成、テスト、修正を行うことで、かなりの推論コストが発生する可能性があります。

G5のアプローチは、作業が完了した後にコストやガバナンスの問題を発見するのではなく、意図と計画段階でそれらのプロセスを制限しようとします。

レガシー・モダナイゼーションが初期の機会になる可能性

G5は自社技術をソフトウェア工学の広範な再考の一環として提示していますが、最も即効性のある応用の一つは、はるかに実用的なレガシー企業システムのモダナイゼーションかもしれません。

従来のモダナイゼーションプロジェクトは、しばしばアプリケーションを旧式の言語やアーキテクチャから新しい技術スタックへ移行することを伴います。その過程で、数十年にわたる時代遅れの前提や重複した機能、技術的負債が意図せずに残ってしまうことがあります。

G5はむしろ、既存ソフトウェアの根底にある意図をオントロジーに抽出し、そのモデルを基にアプリケーションを再生成しようとしています。

同社は、すでにこのアプローチを規制が厳しい業界で展開していると述べています。ある金融サービスのモダナイゼーションプロジェクトでは、G5のオントロジーレベルの分析により、単純なコード移行では検出が難しい構造的な矛盾が特定されました。ウェブサイトによれば、何百万行ものレガシーコードが既にセマンティックなシステムモデルに変換され、導入が進んでいるとのことです。

これは、企業にソフトウェア開発ライフサイクル全体をすぐに再考させるよりも、G5にとって測定可能な入り口を提供する可能性があります。レガシー・モダナイゼーションは、特に金融サービスや数十年にわたるシステムが事業の要となっている他の業界において、大企業にとってすでに大きな費用となっています。

MITの研究から商用プラットフォームへ

G5 Labsは、MIT CSAILで共同創業者兼CEOのTim Kraskaが主導した研究から生まれました。彼の研究は、人工知能が大規模で複雑なソフトウェアシステムの構築をどのように変えるかにますます焦点を当てています。

KraskaはMITの教授で、エージェントシステム、データシステム、システム開発における大規模言語モデルの活用を研究対象としています。また、MITのGenerative AI Impact Consortiumの共同ディレクターも務めており、学術研究者と産業界の参加者を結びつけ、生成AIの実務的および社会的影響を探求しています。

G5の背後にあるより広範な研究課題はシンプルでありながら重要です。もしAIが最終的にソフトウェアコードの大部分を書き上げるようになった場合、人間は依然としてコード自体を通じてソフトウェアを管理し続けるべきでしょうか？

G5の答えは「いいえ」です。同社は、ビジネスの意図が永続的な成果物となり、プログラミング言語はますますAIシステムが処理する実装の詳細に過ぎなくなるべきだと考えています。

それがソフトウェア工学における次の主要な抽象化層になるかどうかは未解決のままです。既存のプログラミング言語、開発環境、コードレビュー工程、ソフトウェア開発ライフサイクルは、何十年にもわたるツールと組織的知識の蓄積を表しており、その中心的役割を置き換えるには、正確なコード生成以上のものが必要となります。

それでも、1,400万ドルのシードラウンドにより、G5 Labsはエンタープライズ顧客と共にこの仮説を検証する資金を得ました。AIが生成できるソフトウェアの量が劇的に増加する中で、同社の機会は次に続くあまり華やかでない課題、すなわち組織がそれらの機械が作り出すものを依然として理解し、制御し、進化させられるようにすることにあるかもしれません。