コードの候補を提示するAIから、要件を受け取って開発作業を進めるAIへ。Cognition AIの大型資金調達は、ソフトウェア開発のどこまでをエージェントに任せられるかという競争に、投資家が資金を投じていることを示しています。同社は2026年9月8日、シリーズEで20億ドル超を調達し、評価額が480億ドルになったと発表しました。日本企業にとっても、注目すべき論点は調達額だけではありません。人がコードを書く工程の効率化から、仕事の割り振りそのものを変える動きとして捉える必要があります。



前回の調達は同年5月で、調達額は10億ドル超、評価額は260億ドルでした。今回の評価額は、その約1.85倍に当たります。同社によると、売上高の年換算ペースも当時の4億9,200万ドルから、足元では9億ドル近くへ伸びました。ただし、この指標は一定期間の売上高を年間換算したもので、通年で計上済みの売上高とは区別が必要です。年間経常収益を表すARRと同じ定義であるとも、今回の情報だけでは判断できません。

シリーズEを主導したのは、新規投資家として加わった米ベンチャーキャピタルのAndreessen HorowitzとAccelです。既存株主のFounders Fund、General Catalyst、Avenirも参加し、ほかに30社超が出資しました。資金調達の規模は事業拡大への期待を示しますが、個々の開発現場で得られる生産性向上を保証するものではありません。企業が見極めるべきなのは、その期待を自社の業務で再現できるかという点です。

最高経営責任者のScott Wu氏が2024年に設立したCognitionは、ソフトウェアエンジニアリングの作業を一貫して担うAIエージェントを開発しています。主力製品のDevinは、行単位の細かな指示ではなく、上位の要件を受け取って動く設計です。タスクの計画、コードの作成とテスト、不具合の修正、デプロイに向けた操作までを、隔離された作業環境で進めます。単に入力速度を上げる道具として理解すると、同社が狙う変化を捉えきれません。



この違いは、依頼する側の仕事にも関わります。例えば、ある機能の修正を任せる場合、必要になるのは修正箇所の指定だけではありません。期待する動作、変更してはいけない範囲、完了と判断する条件を整理することが、成果を評価する土台になります。これはDevinの個別機能に関する追加情報ではなく、開発作業をエージェントに委任する際の一般的な考え方です。指示の粒度が大きくなるほど、受け入れ条件を明確にする意味も増していきます。

Cognitionは、エンジニアが設計者に近い役割を担い、実行を複数のエージェントへ委任する姿を掲げています。ただし、これは同社が示す方向性であり、人による確認が不要になったという意味ではありません。隔離環境で作業できることと、業務上正しい変更を行えることも別の問題です。企業での活用を考えるなら、AIが処理できる工程だけでなく、人が設計意図を伝え、結果を承認する工程まで含めて仕事を組み直すことが出発点になるでしょう。

Devinの対象は、新しいコードを書く作業にとどまりません。最近追加された機能には、本番環境の障害を調べるDevin Auto-Triage、コードベース全体から脆弱性を探すDevin Security Swarm、外部サービスのイベントをきっかけに作業を始めるDevin Automationsがあります。連携先として挙がっているのは、業務チャットのSlack、コード共有・開発基盤のGitHub、課題管理サービスのLinearです。日常の業務で発生する通知や課題を、エージェントの作業へつなげる方向が見えてきます。



企業にとって、この広がりは評価対象を変える要因です。コード生成であれば、作成物の品質や修正時間が中心になります。障害調査では原因の切り分けに役立つか、脆弱性探索では人が確認すべき対象を適切に絞れるかが論点になるでしょう。ただし、今回公表された情報から、各機能の検出精度や所要時間、誤検知率までは分かりません。機能が提供されている事実と、現場で期待どおりに働くという評価は、分けて考える必要があります。

運用面では、作業を始める条件と、許可する操作の範囲を一緒に定めることが基本です。通知を受けて調査を開始する段階と、コードや設定を変更する段階では、必要な権限も確認方法も異なります。導入時の一案として、調査結果や変更案の提出までを任せ、人が承認した後に次の工程へ進める方法が考えられます。これは同社が明示した運用要件ではなく、企業側の設計上の選択肢です。自動化の価値は、起動回数の多さより、確認可能な成果が継続して得られるかで測るべきでしょう。

Cognitionが挙げるDevinの利用先は、複数の産業にまたがります。半導体・AI計算基盤を手がけるNvidiaではチップ設計、航空機エンジンなどを扱うGE Aerospaceでは航空関連業務、金融大手Citigroupでは金融サービスに使われています。Mercedes-Benzの自動車エンジニアリングや、AIインフラ企業Modal Labsでの利用も紹介されました。Goldman Sachsも顧客に含まれます。ソフトウェア専業企業以外にも利用先がある点は、企業内の技術業務との接点を考える手がかりです。



もっとも、企業名だけでは導入の深さは判断できません。一部チームの限定的な利用なのか、広い組織に定着しているのかで、事例の意味は変わります。今回の情報では、各社の利用人数、契約規模、具体的な成果指標までは明らかではありません。日本企業が参考にする際は、同業の社名があるかに加え、自社で任せたい作業と利用領域が近いかを確かめると、検討が具体化するでしょう。

Cognitionは既存のサンフランシスコ、ニューヨーク、オースティンに加え、ワシントン、東京、シンガポール、ロンドン、サンパウロ、マドリードに拠点を設けました。東京の拠点は日本の読者にとって身近な動きですが、それだけで日本語サポートの内容や国内でのデータ保管、契約条件まで判断することはできません。また、今回出資したNvidiaはDevinの顧客でもあり、利用者と投資家という二つの立場を持ちます。この関係は注目に値するものの、利用成果の独立した検証とは区別して受け止める必要があります。

CognitionはDevinに加えて、AIを組み込んだコードエディターのWindsurfも保有しています。取得したのは2025年7月で、OpenAIによる買収交渉が成立せず、Googleが技術ライセンス契約に伴ってWindsurfの創業者らを採用した後でした。コードエディターは、開発者がコードを読み書きする日常の作業場所です。そこで人の作業を支える製品と、まとまった仕事を受け取るエージェントの両方を持つことが、Cognitionの事業上の特徴になっています。



この組み合わせからは、開発者が細かく操作する場面と、作業を委任する場面の双方に接点を持とうとする戦略が読み取れます。ただし、これは製品構成に基づく見方であり、両製品の具体的な統合仕様や利用者の移行状況が示されたわけではありません。企業側も、エディターの使いやすさと、エージェントへ業務を任せた際の成果を別々に評価する必要があります。扱う作業の単位が違うため、同じ指標だけで優劣を決めるのは難しいでしょう。

Cognitionはまた、単一のモデル提供元に結び付いた競合と対比し、自社モデルを含めて仕事に適したモデルを選び、組み合わせられる独立したエージェント開発企業だと説明しています。モデルは文章やコードの生成などを担う基盤で、エージェントはそれを使って作業を進める仕組みとして捉えると理解しやすくなります。選択肢の広さは設計上の柔軟性につながり得ますが、品質や費用の優位性が自動的に決まるわけではありません。導入判断では、モデル名だけでなく、一つの仕事を終えるまでの結果と負担を確認することが実務的です。

急成長の過程では、Cognitionの説明姿勢や働き方にも批判が向けられてきました。2024年3月のDevin公開後、YouTubeチャンネルのInternet of Bugsは、フリーランス向け仕事仲介サービスUpworkの案件を使った実演について、実際の達成内容が過大に示されていたと主張する動画を公開しました。これを契機に、開発者コミュニティでは性能評価の透明性に対する疑問が広がりました。ここで区別すべきなのは、批判の存在と、現在の製品性能に関する検証結果です。過去の実演への指摘だけで、現在の能力全体を断定することはできません。



組織運営についても、TechCrunchは2025年8月、Cognitionが30人を解雇し、残る約200人に、給与9カ月分を受け取って退職するか、週6日・80時間以上の勤務で残るかという選択を提示したと報じました。Wu氏が従業員向け文書でワークライフバランスを支持しない姿勢を示したことも伝えられています。こうした報道は製品の機能評価とは別の論点ですが、長期的な取引先を選ぶ企業にとって、組織の持続性や支援体制を確認する理由にはなるでしょう。

日本企業が次に取れる具体的な一歩は、完了条件が明確な開発作業を一つ選び、小規模な評価を設計することです。所要時間だけでなく、人がレビューに費やした時間、修正のやり直し、必要な権限、最終成果の品質を記録すれば、自社での有効性を判断しやすくなります。480億ドルという評価額や大手顧客の名前は、検討を始める材料です。導入を広げる根拠には、自社の環境で同じ条件の仕事を任せ、受け入れ可能な成果が繰り返し得られるかという確認を置くのが妥当でしょう。