バイブコーディングの光と影
もし皆さんがですね、今の作業、いつもより20%ぐらい早く終わったぞって大喜びしてるのにですよ。
裏でこっそりストップウォッチで測ってみたら、実は19%遅くなっていったとしたら、これどう思いますか?
いやー、それは完全に狐につままれたような,なんか騙されたような気分になるでしょうね。
ですよね。
でもですね、これ実はただの笑い話じゃなくて、今世界中のソフトウェア開発の最前線で実際に起きているかなり深刻な現象なんですよ。
そうなんです。今日はまさにその魔法と錯覚について徹底解剖していきたいなと。
はい。よろしくお願いします。
今回の深掘りのテーマはズバリ、2025年に爆発的に普及して、今やあのMITテクノロジーレビューの10大技術にも選ばれたバイブコーディングです。
出ましたね、バイブコーディング。
はい。こんな感じの雰囲気でつまり、バイブスでアプリ作ってよって人間の言葉で支持するだけでコードを一行も書かずにシステムが組み上がっちゃうというまさに革命的な技術ですよね。
そうですね。プログラミングっていう専門技術を誰もが使えるように民主化したっていう点では間違いなく歴史的なブレイクスルーだと思います。
ただですね、今日の私たちのミッションはそのバイブコーディングのやり方を学ぶことではないんですよ。
どう言いますと?
もし皆さんが開発プロジェクトを任されていたりとか、あるいは単にこのテクノロジーの行方に興味があるなら、絶対に知っておくべき裏側があるんですよね。
なるほど。光の裏にある影の部分ですね。
はい。これだけ便利で誰もが絶賛する技術なのに、あえてバイブコーディングをしない、あるいは極めて慎重になっているプロフェッショナルたちがいるんです。
確かに現場の熟練エンジニアほど警戒している印象はありますね。
そうなんですよ。彼らは一体何を警戒しているのか、今日はその会議派の視点にフォーカスして、この技術の本当の姿を浮き彫りにしていこうかなと。
いいですね。熱狂の裏にあるリスクを客観的に分析すること、それこそが皆さんがこの技術に振り回されずに真の価値を引き出すための鍵になりますからね。
速度の錯覚と保守コスト
では早速最初の疑問なんですけど、プロたちがバイブコーディングを警戒する最大の理由、それって皮肉なことに誰もが称賛している圧倒的なスピードそのものにあるみたいなんですよね。
ええ、その通りです。
だってスーパーニンジャとかデビンAIみたいな自立型のツールを使えば、今まで数週間かかっていたプロトタイプの開発がたった数時間で終わっちゃうんですよ。スピードが速いことの一体何が問題なんですか?
そこにですね、人間の心理をついた恐ろしい罠が潜んでいるんですよ。
罠ですか?
冒頭でホストさんがお話しされた20%速くなったつもりが19%遅くなっていたという現象ですね。
これ、METRというモデル評価とか脅威リサーチを行う機関が、経験豊富な開発者を対象に行った、査読済みの研究データなんです。
えっ、ちょっと待ってください。本人の感覚と実際のデータがそこまでずれるなんてこと、本当にあるんですか?
あるんですよ、これが。
じゃあ例えるなら、自動調理機に材料をドバーっと放り込んで、わーい料理がすぐできたって喜んでいたら、実は後片付けとか味の微妙な調整とかで、最初から自分で手作りするより余計に時間がかかっちゃってたみたいなことですか?
その例えは惜しいんですけど、実際にはもっと厄介ですね。
もっと厄介。
例えるなら、その自動調理機が見た目は完璧なフルコースを作ってくれるんですけど、実は食べられるキノコにそっくりな毒キノコをこっそり混ぜているような状態なんですよ。
それは致命的ですね。気づかずに食べちゃいますよ。
ですよね。この問題の本質っていうのは、コードを読むこととコードを書くことの人間の脳にかかる認知負荷の違いにあるんです。
認知負荷の違い。
AIがものすごい猛スピードでコードをガーッと打ち出していくのを見ていると、脳はドーパミンを出して、わー仕事が進んでるって錯覚するんですよ。
確かに見てて気持ちいいですもんね。
でもですね、AIが書くコードっていうのは、表面上は動いて見えても、内部の構造とかロジックが人間とは違う異性児のような乱れ方をしていることが多いんです。
異性児のような乱れ方。なんかSFみたいですね。
だから、いざバグが起きた時とか、後からちょっと機能を追加したいなってなった時に、その見知らぬ他人が書いためちゃくちゃな構造のコードを人間が読み解いて修正しなきゃいけないんです。
あーなるほど。自分で書いたものじゃないから。
そうです。現場ではこれをバイブフィクシング、つまり修正時刻って呼んでるんですね。
修正時刻、嫌な言葉ですね。
資料にもありましたけど、バイブコーディングで3日で作った機能の保守に、なんと3週間もかかったという事例が頻発してるんですよ。
3日が3週間。それは本末転倒じゃないですか。
人間がゼロから綺麗に構築するよりも、AIが書いたスパゲッティコードを解読する方が遥かに脳のエネルギーを消費するんですよね。だから熟練者は安易な利用を警戒してるんです。
なるほど。だからプロたちは目先の書息に騙されずに、長期的なメンテナンス性を考えて避けていると。
そういう事です。
AI生成コードのセキュリティ問題
でも修正に時間がかかるだけならまだしもですよ。その乱れたコードを放置して、えいやって本番環境に出してしまったら、これとんでもないセキュリティの悪夢に繋がるんじゃないですか。
全くその通りです。そして実際にその悪夢はすでに始まっているんですよ。
やっぱり、私が今回リサーチした資料の中で一番ゾッとしたのがMortobookっていうサービスの大事件なんですけど。
ああ、あの件ですね。
バイブコーディングで作られたこのサービス、なんと150万件のAPIキーと3万5千件のユーザーのメールアドレスがインターネット上に完全に公開状態になっていたんですよね。
恐ろしい話ですよね。
APIキーって言ってみれば企業のデータベースっていう金庫を開けるマスターキーじゃないですか。それが道端にポロって落ちていたと。
ここで素朴な疑問なんですけど、AIって頭がいいはずですよね。なんでマスターキーをそのまま公開するような初心者みたいなミスをするんですか。
LLMの仕組みとスキルの空洞化
なぜAIがそんな初歩的なミスをするのか。それを理解するには、AIの心臓部であるLLM、大規模言語モデルの仕組みを知る必要があるんです。
仕組みですか。
LLMっていうのは膨大な本とかデータを読んで、こういう場面ではこういうセリフを言うのが自然だっていうパターンを丸暗記した、いわば天才的な即興俳優のようなものなんですよ。
即興俳優。
例えば、医療ドラマのオーディションで医者の役を与えられれば、専門用語を並べて完璧な演技をしますよね。
はいはい、それっぽく見えます。
でも、その俳優に本物の外科手術を任せたら患者はどうなりますか。
いや、それは死んじゃいますよ。
ですよね。なぜなら、彼らは医者っぽい振る舞いを知っているだけで、医学のメカニズムを本質的に理解しているわけじゃないからです。
あー、なるほど。腑に落ちました。
AIのコード生成も全く同じなんですよ。
AIは、ログイン画面を作るなら、こういうコードの形になりそうだ、というパターンを確率で予測して出力しているだけなんです。
確率で予測しているだけ。
はい。システムの堅牢性とか、セキュリティの厳密なルールを理解しているわけじゃないんです。
だから、文脈として自然であれば、マスターキーを平気で公開するようなコードも悪気なく出力してしまうんですよ。
つまり、AIは動くこと、要するにそれっぽい演技をすることには最適化されているけど、安全であることには全く配慮していないということですね。
まさにそういうことです。データもそれを裏付けていますよ。
コードラビット社のデータですね。
はい。彼らがオープンソースを分析した結果によると、AIが強調したコードは、人間が単独で書いたコードに比べて重大な問題が1.7倍。
1.7倍。
そして、セキュリティ脆弱性が2.74倍も多いそうなんです。
2.74倍。それはちょっと無視できない数字ですね。
さらにカスペルスキーの調査でも、AI生成コードの40%以上に何らかの欠陥があるという結果が出ています。
なるほど。動くことと安全に耐えることは別次元だと。
だからこそ機関システムとか個人情報を扱う領域のプロたちは、このブラックボックスから出てきたコードをそのまま本番に出すのを極端に恐れているんですね。
事件爆弾を抱えるようなものですからね。
でもここで新たな疑問が湧いてくるんですよ。プロならここに脆弱性があるなって気づいて修正できるかもしれないじゃないですか。
でももしその見極める力そのものが人間から失われていったらどうなるんでしょうか。
このブラックボックス化ってエンジニアの教育っていうさらに根深い問題を引き起こしていますよね。
非常に危険な兆候ですね。いわゆるスキルの空洞化と呼ばれる問題です。
スキルの空洞化。
テックアーカイブに掲載された学術論文でも、大学なんかのプログラミング学習において、バイブコーディングは主要ツールとして避けるべきだって専門家が強い警告を発しているんです。
つまりなぜこのコードが動くのかとか裏側のデータ構造はどうなっているのかを全く理解しないままANに頼んだら動いたからよしっていう若手エンジニアが大量生産されちゃう危機感ですね。
そういうことです。基礎概念がすっぽり抜け落ちてしまうんですね。
でもですねここで私が資料を読んでいてすごく面白い矛盾を見つけたんですよ。
矛盾ですか。
医学教育アプリの成功例
今言ったみたいにプログラミング教育には最悪だって言われている一方でMDPIから出た別の医学教育の論文では全く逆のことが起きていたんですよね。
あの心電図アプリの事例ですね。
はい。ある医学部の教員がですねジェミニ3.1プロを使って医学生向けの心電図学習アプリをたった数日で作り上げちゃったんです。
素晴らしいスピードですね。
しかもこれ正常の波形と異常の波形を比較できたりとかカリキュラムに合わせてクイズを出せたりするめちゃくちゃ実践的なアプリで学生からの評価も5点満点中4.57と非常に高かったんですよ。
かなり完成度が高いですね。
これってどういうことなんでしょう。プログラミングを学ぶ学生には毒になるツールが医学部の教員にとっては最高の武器になっているという。
人間とAIのハイブリッド分業
これこそがですねこれからの時代に求められるスキルの転換を完璧に表しているパラドックスなんですよ。
スキルの転換。
はい。かつてのコーディングっていうのは言語の文法を丸暗記してセミコロンの抜けを気にするようなある種細かい作業でしたよね。
エラーが出ては直しての繰り返しでした。
しかしAIがその作業の部分を肩代わりするようになった今、人間に求められる真に価値を持つスキルが変わったんです。
何が変わったんですか。
それは自分が何を解決したいのかを正確に定義して言語化する力です。
なるほど。言語化する力。
この医学部の業員はプログラミングの文法自体は知らなくても心電図のどこを比較させれば医学生の理解が深まるかっていう強力なドメイン知識、つまり専門知識を持っていましたよね。
確かに。何を教えたいかが明確だったわけですね。
だからこそAIを正しく導いて価値あるアプリを作れたんです。
そうか。どんな体験を作りたいかとか何を解決すべきかっていう意図を明確に持っている人にとっては魔法の杖になるけれど、
その解決すべき問題の解像度が低いまま、ただAIになんかいい感じのアプリ作ってよって丸投げするだけだと、結局使い物にならないスパゲティコードしか生まれないと。
その通りです。問題設定の能力がない人間がAIを使っても、ただバグを高速で量産するだけの機械になっちゃうんですよ。
じゃあ結局のところ、現場のプロたちは今どうしているんですか?
と言いますと?
AIが書くコードはスパゲティになりがちだし、セキュリティは穴だらけ。
だからといって、じゃあAIを完全に禁止して、昔みたいに全部手書きの時代に戻るなんて今さら無理ですよね。
もちろんです。彼らもAIを完全に拒絶したわけではありません。
じゃあどうやって使ってるんですか?
AIを野放しにするんじゃなくて、AIにタズナ、つまりハーネスをつける方法を編み出したんです。
これが2026年現在の開発現場の本当の最前線と言えるアプローチですね。
タズナですか。具体的にはどうやってつけるんですか?
セーフバイブコーディングと呼ばれる手法です。
セーフバイブコーディング?
はい。例えば、Cursorというエリタの.CursorRulesとか、CloudのCloudMarkdownといった設定ファイルを使うんです。
なんか設定ファイルがあるんですね。
そうです。あらかじめAIにこのセキュリティ基準は絶対守れとか、勝手にこの外部ライブラリを使うなみたいな厳しいルールや制約を課すんですよ。
AIを巨大な拘束具の中でだけ動かすようなイメージですね。
ちょっと待ってください。それって、AIに分厚いマニュアルを読ませて厳しいルールを課して、最後は出てきたコードを人間が一行ずつレビューするってことですよね?
まあ、そうなりますね。
それって結局、コードを自分で書く苦労が手のかかる無能な部下のマイクロマネジメントにすり替わっただけじゃないですか?本当にそれ時間の節約になってるんですか?
いや、非常に鋭い指摘ですね。
ですよね。なんか本末転倒な気がして。
実際、そのマネジメントコストに耐えられなくて、AIを使うのをやめちゃうエンジニアも少なくないんですよ。
やっぱりそうなんですね。
しかし、熟練のプロたちはここで、ハイブリッドな分業という答えに行き着いたんです。
ハイブリッドな分業?
大規模な機関システムとか、絶対にミスが許されないセキュリティ部分は最初から人間が設計して、コードも厳密に管理する。
一方で、ちょっとした社内ツールとか初期のプロトタイプ作りなんかには、AIの圧倒的なスピードをフル活用する。この使い分けこそがプロの現在地なんです。
なるほど。完全に任せるでもなく、かといって完全に捨てるでもないと。
そういうことです。
AI時代に手綱を握る人間
資料にもありましたけど、バイブコーディングの提唱者であるアンドレイ・カルパーシシ自身も、バイブコーディングはもはや古いと発言してるんですよね。
え、パッセであると。
今はAIエージェントへの監視と精査を伴うプロフェッショナルのワークフローになりつつあるって。提唱者自らが雰囲気で任せる時代の終わりを宣言していると。
そうですね。ただ、AIすげえって熱狂する段階はもう終わって、その特性と限界をしっかり理解して、いかに人間が手綱を握るかっていう成熟のフェーズに入ったということですね。
いやー、これは考えさせられますね。
皆さんがプログラマーであろうと、非エンジニアのビジネスパーソンであろうと、これからの時代に必要なのは、AIに行動を欠かせること自体ではないんですね。
全くその通りです。
本当に解決すべき問題は何かっていうのを、自分自身の言葉でしっかり定義して、AIが出してきた答えを批判的に検証する力。
それこそが、AI時代を生き抜く本当のコーディング力なんだっていうのが、今日すごく深く理解できました。
そうですね。本質的な思考力こそが最大の武器になる時代です。
はい。
そしてですね、最後にもう一つ、この議論の先にあるちょっとした試行実験を皆さんに投げかけたいなと。
おっと、試行実験ですか?
私たち人間は今、AIに手綱をつける方法を学びつつあるとお話しましたよね。
はい、ハーネスですね。
しかし、もし近い将来、AIエージェント自身が別のAIを使ってパイプコーディングを行い、自律的にシステムを構築し始めたらどうなるでしょうか?
ええ?
その時、何を解決すべきかという最初の目的を設定するのは、果たして人間のままでいられるんでしょうか?
うわ、それはちょっと背筋がゾクッとする問いですね。
ええ。手綱を握っているのは一体誰なのか?あるいは、その手綱の先にある設計図は本当に人間が描いたものなのか?
それは、皆さんがご自身の仕事や生活の中で探究していくべき、本当に素晴らしい問いだと思います。
はい、ぜひ考えてみていただきたいですね。
AIという魔法の杖は確かに手に入りましたけど、その杖を振るう石だけは、私たち人間がしっかり持っていたいものですね。
いやー、今回も深く潜りました。
面白かったですね。
それでは、また次回の深掘りでお会いしましょう。
