AIコーディング支援の5つの神話を検証
AIコーディング支援がスピードを上げるのはタイピングであって、ソフトウェアの品質ではない。設計・検証・複雑さという本当のボトルネックから5つの俗説を検証する。

ジョナサン・ブロウは、『Braid』と『The Witness』を手がけたゲームデザイナーで、10年かけて自作のプログラミング言語を作るほど頑固な人物だが、最近こう問いかけた。AIがプログラミングを解決したのなら、なぜ自分のソフトウェアは相変わらずなのか。クラッシュは相変わらず、更新は相変わらず肥大化し、置き換えられたツールより少ししか仕事をしないのにRAMを食いつぶすという10年来の不満も変わらない。よく聞く反論「あと半年待て」では到底説明がつかず、私はブロウがこの弱点を突いたこと自体は間違っていないと思う。
私はMLシステムを作ってきて、その後これらのツールが実際のチームに入るのを見てきた者として、立場をはっきりさせておく。AIコーディング支援は今では本当に優秀で、しかし私たちが日々使うソフトウェアの品質を実際に底上げはしていない。両方が同時に真実であり、それはツールが制約そのものを狙っていなかったからだ。それを最もわかりやすく示すには、よく耳にする5つの思い込みを取り上げ、一つずつ検証するのが早い。
神話1:ソフトウェア開発のボトルネックはタイピングだ
売り文句は簡単に書ける。コーディングとはコードを生み出す行為なのだから、コードを10倍速く生み出す機械はソフトウェアを10倍速くする、というわけだ。見事な三段論法だが、欠陥が一つある。実際にエンジニアの仕事がそのような形をしている人はいない。『Clean Code』で広まった古い経験則では、開発者はコードを書く時間の10倍以上をコードを読むのに費やすとされる。この比率はLLMより15年も前からあるものだが、エンジニアリングの工数がどう使われているかを真剣に調べた研究はどれも同じ結論に行き着く。既存システムの理解、他の人間との調整、決定待ち。キーストロークなど誤差の範囲だ。
自分の一週間を振り返れば実感できるはずだ。オートコンプリートは確かに数分を節約してくれる(手放す気はない)が、私の大変な日々が大変だったのは、タイピングが遅かったからではない。決済サービスに誰も文書化していない不変条件があったから、あるいは3つのチームがAPIに何を約束すべきかで揉めていたからだ。遅くなかった工程を速めても、全体のスループットはほとんど上がらない。検査ラインが処理できる以上の速さで部品を打ち出す工場は、製品を多く出荷するのではなく、部品の山を大きくするだけだ。
タイピングが本当にボトルネックになる場所は一つだけある。尊重すべき既存システムのないグリーンフィールドの仕事だ。定型コード、プロトタイプ、使い捨てのスクリプト、あらゆるものの最初のバージョン。デモが魔法のように見えるのも、まさにそのためだ。デモは常にグリーンフィールドしかない。本番のエンジニアリングはほぼ全面的にブラウンフィールドであり、ブラウンフィールドの仕事は読む仕事なのだ。
神話2:AIが生成したコードは検証済みで届く
楽観的なワークフローはこうだ。タスクを記述し、モデルがコードを書き、テストが通り、マージする。問題は真ん中のステップにある。「テストが通る」とわかるのは、こちらが思いついたテストが、モデルが思いついたコードと一致しているということだけだ。両者は同じ方向に同時に間違っていることがあり、LLMの出力ではそれがよく起きる。モデルは流暢で、慣用的で、自信に満ちたコードを出力し、そしてその流暢さこそがレビューを鈍らせるのだ。
実際に見かけた小さな例を、細部は違えど本質は同じ形で紹介しよう。月次ジョブのスケジューラを頼むと、だいたいこんなコードが返ってくる:
from datetime import datetime
def next_monthly_run(day: int, hour: int = 9) -> datetime:
"""Next run time for a job that fires monthly on `day`."""
now = datetime.now()
candidate = now.replace(day=day, hour=hour, minute=0, second=0, microsecond=0)
if candidate <= now:
# Roll forward one month
month = now.month % 12 + 1
year = now.year + (1 if now.month == 12 else 0)
candidate = candidate.replace(year=year, month=month)
return candidate
同僚のプルリクエストを読むように読んでみてほしい。慣用的で、年またぎも扱えている。ドキュメント文字列まで正確だ。さて、day=31で4月15日に実行してみよう。now.replace(day=31)はValueErrorを投げる。4月に31日はないからだ。関数は、最もよくあるスケジューリングの要求である月末指定で、しかも短い月にだけクラッシュする。だから本番環境では何週間も健全に見えたまま動き続け、誰かが気づくまで放置されかねない。nowの値を1年分ループするテストなら数秒で捕まえられる。注意深い人間のレビュアーでも、半分程度しか捕まえられないだろう。その差こそ、検証問題の縮図だ。
だから私はAI中心のワークフローでは、理解度チェックとテストのどちらを選ぶかが単なる学術的な問題ではなく、勝負の大部分を決めると言い続けている。自分が書いていないコードを読むことは、もともと書くより難しい。誰も書いていないコードを、これらのツールが生み出す量で読むことは、レビューの経済性を完全にひっくり返す。私が話す相手のチームは、もはやコードが足りないわけではない。コードが何をするかを理解し、その上に喜んで自分の名前を署名できる人が足りないのだ。

神話3:コードが安くなればソフトウェア設計も安くなる
もっと微妙な思い込みもある。コードがほぼタダになったのなら、いつでも書き直せるのだから、アーキテクチャはそれほど重要ではなくなる、という考えだ。抽象化がまずい?再生成すればいい。データモデルが間違っている?それも再生成だ。シニアエンジニアがこれを真顔で言うのを私は聞いたことがある。しかし、それは文章を書き換えるコストと判断を変えるコストを取り違えている。
ソフトウェアの難しさは、そもそもコードにはなかった。何を作る価値があるかを決めること、雑然とした人間の領域を機械が実行できる形にモデル化すること、そして要件が変わっても崩れないアーキテクチャ上の賭けをすること。しかも要件は必ず変わる。これらは意図と価値観の問題であり、パターンの補完の問題ではない。既存ソフトウェアのコーパスで学習したモデルは、あなたのようなシステムが普通どんな形をしているかは教えてくれる。しかし、あなたのシステムがどんな形であるべきかは教えられない。その答えは、ユーザー、制約、そして組織のリスク許容度の中にあるからだ。この点では、事実上ほとんど進歩していない。そしてこれは、スケールアウトで埋められる能力差ではなく、カテゴリーの不一致だと私は考える。
書き直しもタダではない。エンジニアリング予算の大半は、既に存在するシステムを変更することに使われる。そして変更には、まずそこに埋め込まれた意図をリバースエンジニアリングする必要がある。誰も文書化していない不変条件、ある重要な顧客にとっては実は欠かせないエッジケース。モデルはその意図を知らない。チームのほうも、多くの場合知らない。これこそバグが実際に潜んでいる仕様と実装のギャップであり、誰かが仕様をしっかり握っていない限り、実装を増やすほどそのギャップは広がる。
フレッド・ブルックスは、ソフトウェアを一貫したものにする要素に「概念的完全性」という言葉を与えた。一人の頭脳、あるいは歩調の合った少数の頭脳が判断を下したという感覚だ。流暢なコード生成は、そこへ近づけてくれない。むしろ、揃っていない無数の小さな判断を安くしてしまう。その結果できるのは、設計されたように見えて、組み立てられたように感じられるシステムだ。
神話4:変わらないソフトウェアは、AIコーディングの失敗の証拠だ
ここで反論しよう。ブロウの指摘も完璧ではない。大衆向けの商用ソフトウェアの外側を見れば、実は動いている。インディーゲームの世界では、小さなチームが独自エンジンを使った戦略ゲームを生み出している。10年前ならBlizzardの人員が必要だったような作品だ。私にとってさらに印象的なのは、個人向けソフトウェアの静かな台頭だ。自作のメールクライアント、カレンダーアプリ、家計簿、git用フロントエンドを、自分の考え方にぴったり合わせて作る人が増えている。これらのツールは荒削りで、一万人の見知らぬ人に配布すれば決して耐えられないだろう。しかしそれらは存在し、毎日使われており、以前は作るのに採算が合わなかっただけなのだ。
組織も、主要な指標が見落とす形で変わりつつある。私が知っている組織の中には、近代化計画が要するに次のようなものがある。レガシーシステムを適切なAPIで公開し、スタッフがエージェント型コーディングツールを使って、その上に自分たちのエンドポイントやインターフェースを作れるようにする。これは「私のソフトウェアは相変わらずだ」という話ではない。ソフトウェアが、もっと個人的なものへと溶けていく話なのだ。アプリストアのチャートだけを見ている人には見えない変化である。
とはいえ、ブロウの観察が本当らしく感じられる、より深い理由は技術ではなく組織にある。商用ソフトウェアは、企業が何を最適化しているかによって形作られる。エンゲージメント、囲い込み、リリース頻度、サポートコスト。AIは、あなたが既に欲しいものをより速く、より多く与えてくれる。欲しいもの自体は変えない。コストシートに肥大化が載っていなかったから肥大化したソフトウェアを出荷していた企業は、今度は短くなった開発サイクルで同じく肥大化したソフトウェアを出荷するだけだ。何千人ものユーザーに届けるソフトウェアの品質基準は、インセンティブ、テストの規律、そしてセンスによって決まる。どれもモデルの出力ではない。
単純な時間差の議論もある。本当に信頼できるAIコーディングは、まだ一年ほどの歴史しかない。その前の時期は不安定で、さらにその前はおもちゃにすぎなかった。製品は構想から開発、出荷まで何年もかかる。今この時点で、これらのツールが出荷済みソフトウェアに与える影響を判断するのは、新しい農具の評価を、発明から一か月後の収穫だけで判断するようなものだ。
神話5:次のモデルがギャップを埋めてくれる
楽観派の最も強い主張はこうだ。上で挙げた反論はすべて今日のモデルについてのものであり、今日のモデルは私たちが使う中で最悪のものだ。確かに一部はそうだろう。コンテキストウィンドウは広がり、幻覚的なAPIは減り、エージェントは自分のテストを実行するのがうまくなる。特に仕様が明確なタスクでは、実質的な改善を期待している。
ただ、どのボトルネックが能力の問題で、どれがそうでないかに注意してほしい。モデルの信頼性が上がれば検証は楽になる。これは能力の問題だ。何を作る価値があるかを決めること、概念的完全性を保つこと、組織が何を最適化するかを変えること。これらはどのモデルのロードマップにも載っていない。なぜなら、モデルの問題ではないからだ。そして、ベンチマークの進歩を証拠とすることにも注意が必要だ。ベンチマークは実際の仕事の大部分を捉えていないし、実際の仕事こそまさに仕様が不完全で意図に満ちたタイプのものだからだ。
そこで私の予想を、記録に残しておこう。ツールは、強いセンスを持つ個人のビルダーや小規模チームにとっては劇的に良くなる。一方、大衆向けソフトウェアはよくても僅かに良くなる程度だろう。そこでの制約は、コードであったことが一度もないのだから。悲観的に聞こえるかもしれないが、そうではない。レバレッジは、研究所の次のリリースではなく、あなたの手と組織図の中にあるということだ。

実際にソフトウェアの品質を高めるもの
生成が安くなり、検証が高価になったのなら、合理的な対応は投資先を変えることだ。具体的には次のとおり:
- テストと型を本番インフラとして扱う。 プロパティベーステスト、不変条件のチェック、高速なCIこそが、安価な生成を安価で正しい生成に変える。計算資源に予算を割くのと同じように、これらにも予算を組もう。
- プロンプトの前に仕様を書く。 仕様は今やチームが生み出す中で最もレバレッジの高い成果物だ。モデルが提供できないものであり、レビューアーが照合する対象でもあるからだ。
- AIが本当に強い場面で使う。 グリーンフィールドのプロトタイプ、移行、定型コード、個人用ツール、設計空間の素早い探索。意図が文書化されていない、重要なレガシーの経路では疑ってかかろう。
- 設計の時間を守る。 生成の速度が3倍になると、ロードマップを3倍に埋めたくなるプレッシャーがかかる。それに抗おう。決めることこそが仕事なのだ。
ボトルネックがタイピングだったことは一度もない。常に決めることと、証明することだった。
ブロウの問いには答えがあり、正しく読めば希望のある答えだ。ソフトウェアが変わらないのは、ソフトウェアの品質が常に、決めること、検証すること、そして気にかけることによって制限されてきたからだ。AIコーディング支援は、本当の有用性はあるものの、そもそも遅くなかった部分を加速させている。だから、ソフトウェアをより良くするための道具は、昔から変わらない。センス、仕様、そして物事を証明する規律だ。モデルのおかげで、もうそれを見て見ぬふりはできなくなった。


