エンジニアリングだけでは不十分 ソフトウェア工場が失敗する理由

エンジニアリングだけでは不十分：AI ソフトウェア工場が失敗する本当の理由

生成 AI を活用した「ソフトウェア工場」は、コード生成速度を劇的に向上させる一方で、コードベースの品質低下や保守性の欠如という深刻な問題を引き起こしています。これは単なるハーンエンジニアリング（ツール側の調整）やプロンプト最適化の問題ではなく、現在のモデルが長期的なコード品質を維持する能力に根本的な限界があるためです。

「ライトオフ」幻想と崩壊するコードベース

現在、多くの企業が「誰もコードを読まない」完全自動化された「ライトオフ・ソフトウェア工場」の実現を目指しています。この考え方の根底には、「モデルは十分に進化しており、ハーンエンジニアリングやループの強化で品質を担保できる」という楽観的な前提があります。

しかし、現実にはその兆候が崩れ始めています。AI エージェントによる自動化が進むと、コードベースの品質は急速に低下し、保守性が損なわれます。実際に多くの企業で、コーディングエージェントのミスアウトが原因でのサービス障害が発生しています。プルリクエストのレビュー品質は低下し、コメント数は増加する一方で、レビューなしでマージされるケースも急増。開発者あたりのバグ数やインシデント発生率も上昇傾向にあります。

「コードベースが崩壊しているスピードは、かつてないほど速くなっている」

この状況に対し、「あなたが使い方を間違えている」「もっとトークンを消費するべきだ」という声もありますが、それは本質的な解決策ではありません。モデルのトレーニング上の欠陥、つまり「品質維持能力の不足」を、ハーン側の調整で補うことはできないのです。

なぜモデルはコードの保守性を保てないのか？

現在のコーディングモデルは、特定のタスク（例：新規機能の実装やバグ修正）においては非常に優秀ですが、長期的なコードベースの品質を維持・向上させる能力には限界があります。これは、モデルが「次のトークンを予測する」仕組みであるという根本的な性質に起因します。

モデルは一度に一つの文脈しか処理できず、システム全体の変化や、ある部分の変更が他の部分に与える影響（副作用）を長期的に追跡・管理することが苦手です。その結果、コードベースには「ショットガン・サージャリー」と呼ばれる深刻なコードスモッグが蓄積されます。

これは、一つの機能を変更するために、関連する複数のファイルや機能を無関係な部分まで手直ししなければならない状態を指します。数ヶ月運用すると、変更が困難になり、開発スピードは鈍化し、バグの温床となります。モデル自体がトレーニングされたデータやアーキテクチャの文脈を理解して「設計思想」を守ろうとする能力は、人間には及ばないのです。

解決策は「計画重視」への回帰

では、どうすれば安全に AI を活用できるのでしょうか。答えは、「ライトオフ」の幻想を捨て、事前のアーキテクチャ設計とプログラム設計（垂直スライス）を行い、人間がすべてのコードをレビュー・管理する「計画重視」のアプローチへと回帰することです。

1. 実装前の詳細な設計定義

AI に任せる前に、人間が主導して以下の要素を事前に明確に定義する必要があります。

• アーキテクチャ: システム全体の構造と責任分担
• コンポーネント契約: モジュール間のインターフェースとデータフロー
• プログラム設計: 呼び出しグラフやロジックのフロー図

これにより、AI が生成するコードが設計思想に合致しているかを事前に検証でき、レビュー時間を短縮しつつ品質を保つことが可能になります。

2. 垂直スライス（Vertical Slice）の実装戦略

システム全体を横断的に実装するのではなく、機能単位で縦断的に実装・検証する「垂直スライス」アプローチを採用します。これは、UI からデータベースまで、一つの機能を完結させる形で開発を進める手法です。

このアプローチの利点は以下の通りです。

• 段階的な整合性: 各機能が独立して動作するかを早期に確認できる
• リスクの局所化: 問題が発生しても、影響範囲を最小限に抑えられる
• 品質の可視化: 完成した機能ごとにレビューとテストを行い、全体の品質を保証できる

結論：人間の役割は「設計者」として再定義されるべき

生成 AI は強力なツールですが、万能ではありません。特に複雑な既存システム（ブラウンフィールド）や長期的なプロジェクトにおいては、AI の限界を認識し、人間が設計とレビューの責任を持つことが不可欠です。

「モデルに任せるのではなく、人間がすべてのコードをレビュー・管理する『計画重視』のアプローチこそが、ソフトウェア工場の真の成功への鍵である」

業界全体が「自動化万能主義」から脱却し、コード品質維持の難しさを再認識することが、技術的負債の蓄積を防ぎ、持続可能な開発を実現するための第一歩となります。