【試してみた】Google Antigravity 2.0でコードレス開発、LLM Wikiで知識ベース構築の最前線

皆さん、こんにちは！Web制作とAI開発の最前線を追いかけるエンジニアの皆さん、今日のテーマは、最新のAIツールが私たちの開発スタイルや知識管理をどう変えつつあるか、そしてそれをどう実務に活かしていくかです。
今回は、＠ITのDeep Insiderフォーラムが公開した編集後記「Google Antigravity 2.0と戯れながら感じたこと」と「LLM Wikiを実践して『ロケスマペディア』を作ってみた」から、開発者・Web制作者がすぐに試せるヒントを深掘りしていきます。AIエージェントによるコード生成から、LLMを活用した社内知識ベースの構築まで、具体的な事例を交えながら見ていきましょう。

何ができるのか

まず、今回の編集後記で紹介された2つの事例から、最新のAI技術で何が実現できるのかを整理します。

• Google Antigravity 2.0によるコードレス開発
  かわさき氏が「Google Antigravity 2.0」を使い、コードを1行たりとも見ることなく、Jリーグの百年構想リーグの結果をまとめたダッシュボードを生成した事例が紹介されています。これは、AIエージェントがユーザーの指示に基づき、Streamlitの知識がなくてもデータダッシュボードをサクッと「作ってもらえた」ことを示しています。同氏は、このツールがClaude Desktop、Codexアプリ、Cursor 3のAgents Windowに近い見た目だと感じており、AIコーディングツール全体がエディタにAIを足す形から、複数のエージェントの作業を管理するアプリ型のUIに寄ってきているというトレンドを指摘しています。VS CodeやGitHub Copilotでも同様の流れが見られるとのことです。
• LLM Wikiによる社内知識ベース構築
  一色氏からは、「LLM Wikiを実践して『ロケスマペディア』を作ってみた」という事例が紹介されています。これは、自身で執筆した記事のコンセプトを実務に落とし込み、社内知識ベースを構築・運用した経験についてです。LLM（大規模言語モデル）を活用することで、社内の膨大な情報を整理し、Wiki形式でアクセスしやすい知識ベースを構築できる可能性を示唆しています。

どう使えるのか（具体例）

これらの事例は、私たちの開発や情報共有の現場で具体的にどう役立つのでしょうか。

• AIエージェントを活用した高速プロトタイピングと開発効率化
  かわさき氏の事例は、アイデアを即座に形にする高速プロトタイピングにAIエージェントが極めて有効であることを示しています。例えば、新しいWebサービスの管理画面や、データの可視化ツールなど、初期段階のアプリケーションをコードをほとんど書かずに生成できます。これにより、開発者は詳細なコーディング作業に時間を費やすよりも、要件定義やユーザー体験の設計、生成されたコードの評価・調整といった、より上流工程や品質管理に注力できるようになります。
  「26／27シーズンが始まったら、それに合わせて、同様なダッシュボードを作ってもらおうかな」と述べているように、一度作ったものをベースに、継続的に機能追加や改善を行う際にもAIエージェントが活用できる可能性があります。
• LLM Wikiによる社内知識の体系化と共有
  一色氏の「ロケスマペディア」の事例は、社内に散在するドキュメントやナレッジを体系化し、検索性を高めるための強力なアプローチを示しています。プロジェクトの仕様書、開発ノウハウ、FAQ、オンボーディング資料など、あらゆる情報をLLMで解析・整理し、従業員が簡単にアクセスできる知識ベースを構築できます。これにより、情報探索にかかる時間の削減、新入社員の学習コスト低減、チーム全体の生産性向上といった効果が期待できます。
  ただし、この実践を通じて「運用課題」も見えてきたとされており、単に構築するだけでなく、継続的な運用と改善が重要であることも示唆されています。

試すならどこから始めるか

「これ使えそう！」と感じた皆さんは、どこから試してみるべきでしょうか。

• AIエージェント型コーディングツールを体験する
  まずは、かわさき氏が触れた「Google Antigravity 2.0」を試してみるのが良いでしょう。もしアクセスが難しい場合でも、同氏が言及している「Claude Desktop」や「Codexアプリ」「Cursor 3のAgents Window」など、エージェント型UIを採用している他のAIコーディングツールを試すことで、その進化を肌で感じることができます。「自分ではコードを触るのはおろか、見ることもしないで何か作ってみよう」というかわさき氏のスタンスを真似て、完全にAI任せで簡単なアプリケーションを作成してみることから始めてみてください。
  しかし、かわさき氏は「生成AIは便利だけど、何かあったときには自分が身に付けた知識が必要になる」としつつも、「体系的に知識を習得できる教科書的なコンテンツは今でも必要なはず」という以前の自身の考えに疑問を感じ始めていると述べています。その上で、「生成AIで圧倒的に生産性を上げている人ほど、そもそも開発スキルが高く、知識も豊富な人が多い」と指摘し、「AIに作ってもらうだけなら簡単ですが、直す、育てる、使い続けるには、結局、基礎知識が必要になる。だからこそ、基礎をどう学ぶかは、むしろこれから重要になりそう」と結論付けています。つまり、ツールを試すだけでなく、その裏にある技術やフレームワークの基礎知識を深める努力も怠らないことが、真のAI活用者への道となるでしょう。
• LLMを活用した社内Wikiのプロトタイプを構築する
  一色氏の「ロケスマペディア」のように、自社のドキュメントの一部を対象に、LLMを活用した社内Wikiのプロトタイプを構築してみるのがおすすめです。まずは、特定のプロジェクトの技術ドキュメントやFAQなど、範囲を限定してスタートし、LLMに情報の要約、カテゴリ分類、関連情報の抽出などを試させてみましょう。これにより、LLMがどの程度、自社の情報を理解し、整理できるか、どのような運用課題が生じるかを早期に把握できます。
  一色氏が「自身で執筆した記事のコンセプトを実務に落とし込んだ」とあるように、まずは小規模でも良いので「実践」してみることが、具体的な課題発見と解決の第一歩となります。

AIは私たちの仕事の進め方を大きく変える可能性を秘めています。今回紹介した事例を参考に、ぜひ皆さんも自身の業務にAIを取り入れ、その可能性を最大限に引き出してみてください。そして、新しいツールを使いこなしつつも、その根底にある基礎知識の重要性を忘れずに、学びを深めていきましょう！