持続可能性のあるAI利用と新しいプログラミング言語の学習

2026年4月30日

約5分

💡 Summary

この記事では、大手AIサービスのサブスクリプションモデルが需給バランスの崩壊により持続困難になりつつある現状を踏まえ、ローカル環境でOllamaとQwen2.5-coderを活用する実践的なアプローチを紹介しています。また、VibeCodingに頼るだけでなくGo言語を体系的に学習することで、コードの品質や構造への理解を深め、AI活用の効果を高める方針を述べています。5月の目標として基本文法の習得から標準ライブラリの活用、CLI・Webアプリケーション開発まで段階的な学習計画を立てています。

まだ、疲れが残っていたり夜さくっと寝られなかったりなど体調面で乗り越えるべきことがあるのですが思わぬ2連休だったので昨日はゆっくりと過ごしていました。4月の目標として掲げていたホームラボの強化が無事に進み運用も大部分が自動化されたので、5月の目標のGo言語の習得に向けた準備を勧めています。

なぜAIだけに頼らずGo言語を学ぶのか

ホームラボのGo言語の処理はAIを使ってVibeCodingでうまく作っているのですが、手でもかけるようになりわかるようになりたい気持ちから学習をしようと思っています。AIもあってVibeCodingでうまく作れているのでわざわざ学ばなくてもと思うところもわずかにありながら、やっぱりわかっている方がVibeCodingでも良いコードがでてきますし、違うなと思ったところは修正を依頼できるのでわかる方が良いというのは確かだと思います（Pythonでも良いコードを読み込ませるとその品質で出力してくれます）。

言語を理解していればAIが生成するコードの品質を見極められ、的確な修正指示を出せるようになります。VibeCodingの効果を最大化するためにも、基礎力の習得は欠かせません。

AIサブスクモデルの崩壊の兆しとローカルLLMへの移行

また、良いコードを書く以外にもAIの需給バランスの崩壊に伴うサブスクモデルの崩壊の兆しも見られることも理由の1つです。いままで月額20ドルで使えていたClaude Codeが新規ユーザーなどに試験的に廃止したり、GitHubのCopilotでも機能の制限が入ったりなど供給側の調整がされています。電気をたくさんつかいインフラが大事であるのですが、供給側が需要の大きさに追いついていない状況だと思います。もっと効率的なエネルギーの消費の動きにならないと頑張って電気を調達して計算をガンガン回してという状況が続くので、今の状況下ではあまり大手のAIに依存しすぎるのも良くないだろうと思うところも少しあります。

大手AIサービスの値上げや機能制限が相次ぐ中、自宅のGPUとローカルLLMを活用することで、コストを抑えながら開発を継続できる体制を整えています。

ローカル環境でのAI活用の実践

ただ、日常で書いているコードはホームラボも含めてそこまで高度ではなく、自宅にはGPUもあるので小さなコーディング用のAIモデルを高速に動かすぐらいならできます。なのでVSCodeにContinue拡張を入れてOllamaでQwen2.5-coder:14Bを動かして軽くAIを使う程度に留めるようにしようとしています。大量のコードを読み込ませて勝手に動いてくれるような動作は厳しいですが、Goなど簡単な言語で1ファイル分のコードを書いたり、単調な作業をAIにかわりにやってもらったりするぐらいならできます。なので、学習や効率化のためにうまく自作PC上で生成AIを動かし、Go言語をある程度かけるようになりたいところです。

Go言語の学習計画

このある程度というのもGo言語の基本文法をだいたい理解して自力でかけるようになることが第一です。その後標準ライブラリを扱って言語周辺の操作が色々できるようになること、CLIやWeb系のアプリケーションを作れるようになることが続きます。5月中に全部できたら嬉しい気持ちもありつつ、まずは言語仕様をしっかり脳と身体に叩き込むところからになるでしょう。これらの目標を達成することでコードの品質や構造、効率性など解像度が高くわかるようになると思うので地道に楽しみたいと思っています。

フェーズ	内容	期間目安
第1段階	基本文法の理解と自力でのコーディング	5月上旬
第2段階	標準ライブラリの活用	5月中旬
第3段階	CLI・Webアプリケーション開発	5月下旬