［開発者向け］AIがTypeScriptを首位に押し上げた——Octoverse 2025が示す「言語選択の変化」

はじめに

　GitHubが2026年2月19日に公開した分析記事で、AIツールの普及が開発者の技術選択に与える影響が詳しく報告されました。Octoverse 2025のデータをもとに、AIがプログラミング言語やフレームワークの採用トレンドをどのように変えつつあるかを本稿では解説します。

参考記事

• タイトル: How AI is reshaping developer choice (and Octoverse data proves it)
• 著者: Andrea Griffiths
• 発行元: GitHub Blog
• 発行日: 2026年2月19日
• URL: https://github.blog/ai-and-ml/generative-ai/how-ai-is-reshaping-developer-choice-and-octoverse-data-proves-it/

要点

• 2025年8月、TypeScriptがGitHub上で初めてPythonとJavaScriptを抜き、最も使われる言語になった
• GitHubによれば、新規開発者の80%が初週にCopilotを使い始めており、AIツールが「当たり前の環境」として定着しつつある
• TypeScriptは前年比66%増、JavaScriptは24%増に対し、AIが生成するプロジェクトでのShellスクリプト使用は206%増を記録した
• GitHubの公開リポジトリのうち110万件以上がLLM SDKを採用しており、AI統合は実験段階を超えて主流化している
• 強い型付け言語はAIがコード生成する際の制約を明確にするため、生成精度が高まるという技術的な背景がある

詳細解説

TypeScriptが首位になった背景

　Octoverse 2025のデータによれば、TypeScriptは2025年8月にGitHub上で最も使用される言語としてPythonとJavaScriptを初めて上回りました。前年比66%増という伸び率は、他の主要言語と比べても際立っています。GitHubはこの変化を単なる人気投票ではなく、AI普及がもたらした「利便性のループ」の結果として分析しています。

　利便性のループとは、「使いやすいと感じた体験が習慣として定着し、次の選択にも影響を与える」メカニズムです。AIがボイラープレート(定型コード)の記述やエラーの多い構文処理を担うようになると、複雑な言語を選ぶことへの心理的コストが下がります。その結果、開発者は「習慣」ではなく「適切なツール」で選ぶようになる、とGitHubは指摘しています。

なぜ強い型付け言語がAIと相性が良いのか

　GitHubの記事では、AIが強い型付け言語(TypeScriptなど)でより高い精度のコード生成を行う技術的な理由が説明されています。JavaScriptでは変数がどんな型の値も取り得るのに対し、TypeScriptではx: stringと宣言した時点でstring以外の操作が除外されます。この明確な制約が、AIが文脈に合ったコードを生成しやすくする要因になっています。

　制約が多いほどAIの生成精度が上がるという考え方は、プロンプトエンジニアリングにも通じる考え方と言えます。条件が曖昧であるほど出力がぶれやすく、条件が具体的であるほど期待通りの結果が得やすい——AIコーディングでも同様の原則が働いていると思います。

Shellスクリプトの急増が示すもの

　GitHubによれば、AI生成プロジェクトにおけるShellスクリプトの使用は前年比206%増を記録しました。これは「Bashが急に好きになった」わけではなく、AIがShellスクリプト特有の記述の煩雑さを吸収したことで、開発者が目的に応じた適切なツールを選びやすくなった結果とされています。

　この変化は、AIツールが「特定の言語を普及させる」というより「各言語の学習コストや記述コストを下げる」ことで、より幅広い技術が実務で使われるようになることを示唆していると考えられます。

LLM SDKの急速な普及

　GitHubによれば、2025年時点で公開リポジトリのうち110万件以上がLLM SDKを利用しています。2021年からほぼゼロの状態から急増したこの数値は、生成AIの統合がニッチな実験から本格的な開発標準へと移行したことを示しています。採用が集中しているのは、AIとの親和性が高い言語やフレームワークだとGitHubは指摘しています。

開発チームへの実践的な示唆

　GitHubの記事は開発者とエンジニアリングリーダーそれぞれに向けた具体的な指針を提示しています。開発者向けには、AIがコード生成を始める前に構造的なパターンを確立しておくことが推奨されています。AIは既存パターンに従うのは得意ですが、ゼロからパターンを発明することは苦手なため、最初の数つのエンドポイントやコンポーネントをしっかりした構造で定義しておくと、その後の生成精度が高まるとのことです。

　エンジニアリングリーダー向けには、AI支援開発がスループット(処理量)を20〜30%向上させる一方で、アーキテクチャの一貫性維持が課題になるという点が指摘されています。また、GitHubが企業向けにパブリックプレビュー公開したCopilot利用状況ダッシュボードを活用することで、単純な受け入れ率だけでなく、日次・週次アクティブユーザー数、エージェント採用率、追加・削除されたコード行数、言語やモデルの使用傾向を組織全体で把握できるとされています。特定のチームでエージェント採用率が高いのにコード品質の問題が生じている場合は、プロンプトエンジニアリングのトレーニングや厳格なレビュー基準の検討が必要なサインと見ることができます。

まとめ

　Octoverse 2025のデータが示すのは、AIが「コーディングを速くする」だけでなく、どの言語・ツールが選ばれるかという技術エコシステムの構造そのものに影響を与えているということです。AI対応を後付けで考えるのではなく、技術選択の段階から意識することが今後ますます重要になってくると思います。