まず理解し後でコード：AI エンジニアが日常で頼るスキル｜Sentry のプリシラ・アンドレ・デ・オリヴェイラ氏

AI エンジニアが教える「Vibe Coding」の落とし穴：生成より「理解」に 67% を費やすべき理由

大規模なコードベースにおいて、AI は単なる「コード生成ツール」ではなく、開発者の「文脈理解力」を補完する対話的なメンターとして位置づける必要があります。Sentry のシニアソフトウェアエンジニアであり、現在は AI エージェント管理を担うプリシラ・アンドレ・デ・オリヴェイラ氏は、自身のプロンプト履歴を分析した結果、AI 利用の 67% がコードの「理解」に、わずか 2% が「生成」に使われていると明かしました。Vibe Coding（雰囲気だけでコーディングする手法）が流行する中、技術的負債や品質低下を防ぐためには、AI に任せる前に人間が深く文脈を理解し、計画を立てるプロセスが不可欠だと警鐘を鳴らしています。

67% が「理解」に：AI 利用の実態分析

プリシラ氏は、Sentry 内部で AI を活用する際の自らのプロンプト履歴を AI に解析させました。その結果、驚くべきデータが浮かび上がりました。

プロンプトの 67% がコードベースの「理解」のためであり、コード生成に使われたのはわずか 2% でした。

これは多くの開発者が抱いている「AI はコードを書くためのもの」というイメージとは対照的です。プリシラ氏は、複雑なリポジトリや長年の歴史を持つ Sentry のような大規模プロジェクトにおいて、AI が誤った方向へ進まないよう、あるいは間違った文脈に基づいて出力しないよう、人間が深い理解を持っていることが前提条件であると指摘します。

「Vibe Coding」のように雰囲気だけでコードを書き進めるアプローチは、小規模な個人プロジェクトやプロトタイプには有効かもしれません。しかし、15 年以上の歴史を持ち、400 名以上のエンジニアと外部貢献者が関わる Sentry のような環境では、質の低いコードをリリースすることは許されません。

「これは真剣なビジネスです。このコードベースに依存する組織が毎日稼働しており、私も給与をもらっているのですから、ゴミのようなコードをリリースしたくありません。」

複雑なリポジトリへの「Catch Me Up」スキル

大規模なコードベースで AI を活用する際、最大の障壁は「文脈の欠如」です。プリシラ氏は、この課題を解決するために独自のスキル「Catch Me Up（私に教えて）」を開発しました。

これは、複雑なリポジトリへの貢献や PR レビューを行う前に、AI にアーキテクチャ、規約、機能トレース、構文、テスト、そしてプロジェクトの歴史について質問するための専用プロンプトです。単なる質問ではなく、明確な目標を持つ構造化されたスキルとして設計されています。

例えば、新しいリポジトリに貢献する際、プリシラ氏は以下のように AI に問いかけます。

「私は新人です。このリポジトリの仕組みについて教えてください。また、これが Sentry のエンベロープをシミュレートしているのか、それともテスト中に実際にインターセプト（傍受）するのか、明確にしてください。」

AI は即座に要約と構造図を提供し、人間が理解しやすい形式で回答します。これにより、自分で時間をかけて調査するコストを大幅に削減できます。プリシラ氏は視覚的な情報（組織図や表）を好むため、このスキルは特に効果的だと語っています。

「Slop Code」のリスクと技術的負債

AI 生成コードを安易に採用することには、重大なリスクが伴います。プリシラ氏はこれを「Slop Code（ゴミコード）」と呼び、長期的な技術的負債やコードベースの崩壊を招く可能性があると警告します。

Sentry では過去 3 ヶ月間を「品質強化の四半期」と位置づけ、TypeScript の型除去や TODO の解消など、コードベースの健全性を高める活動に注力しました。これは、AI が生成するコードがすぐにマージされることで、後から修正不可能な複雑さやバグが蓄積することを防ぐための対策です。

「もっと多くの人が、『自分のコードベースにあるコードが何かわからない』と言うとき、それは非常にまずい状況だと感じます。」

Flask の創設者であり元 Sentry メンバーのアーミン・ローナッハー氏も同様の懸念を示しています。AI に頼りすぎて文脈を失うことは、開発者のメンタルモデルを崩壊させる恐れがあります。

理解こそが最大のスキル：Vibe Coding を超えるために

プリシラ氏が提唱するのは、Richard Hickey の哲学や Jack Nation氏の指摘に基づいた、より成熟した AI 活用プロセスです。これは単なる「リサーチ→プランニング→実装」のフローではなく、以下のステップを含みます。

1. AI によるリサーチの理解: エージェントが行った調査内容を人間が正しく理解する。
2. 方向修正: AI が間違った方向へ進んでいる場合、人間が舵を切る。
3. 計画と実装: 文脈を理解した上で、初めてプランニングと実装を開始する。

「AI はあなたの質問に疲れないチームメイトです。愚かな質問はありません。それは世界で最も安価なシニアエンジニアです。」

しかし、その「シニアエンジニア」が正しい方向を指し示すためには、人間側がまず文脈を理解している必要があります。プリシラ氏は、プロンプトを入力する前にメンタルモデルを整えることの重要性を強調します。

まとめ：AI を「副次的な作業員」から「対話的なメンター」へ

Sentry の事例は、大規模エンタープライズ環境において AI エージェントの導入が単なる生産性向上ツールではなく、人間の「文脈理解力」の重要性を再認識させる転換点であることを示しています。Vibe Coding の流行に流されることなく、AI に任せる前にまず理解し、計画を立てるプロセスを確立することが、技術的負債を防ぎ、高品質なコードを生み出す鍵となります。

開発者は AI を「代わって作業をする副次的な存在」ではなく、「対話的なメンター」として位置づけ、自らの理解力を高めることで初めて、AI の真の力を引き出せるのです。