AIコーディング:ヴァイブスなしで
AI Coding Without the Vibes (peterbloem.nl)
要約
AIによる不正行為の防止に注力するのではなく、真に学びたい学生(博士課程の学生を含む)に何を伝えるべきかという問いに焦点を当てるべきです。AIを完全に無視するのは時代遅れであり、AIにすべてを委ねるのは何も学ばない最悪の方法です。AIを「レビューア」のように活用し、自分がコードを書き、AIがそれをチェックするという「クラフトコーディング」のアプローチが推奨されます。
全文翻訳
AIによるコーディング:ヴァイブに頼らない方法
- 2026年8月16日
[画像: 絵画「La Tailleuse de Soupe」(スープを切る人)。様式化された2人の女性がスープの鍋を前に食卓についている。右側の人物は大きなパンから一切れを切り取っている。]
私たちは今日、学生がAIで不正行為をするのをどう防ぐかについて、多くの労力を費やしています。それは必要ですが、仕事の最も満足のいく部分ではありません。近道を求めている学生は、どうせそれを見つけるでしょう。
より価値があり、興味深いのは、近道を求めていない学生(博士課程の学生を含む)に何を伝えるべきか、ということです。真に学びたいと願い、毎日何時間も自己研鑽に費やすことを厭わない学生たち。ここにいたいと願う学生たちです。
この問い――学生にAIをどう使わせるべきか――は、私たち自身が何をすべきかを考える良いきっかけになります(そして、このエッセイの真の主題はそこにあります)。
最初の直感は、学生にAIの存在を無視するように言うことかもしれません。「昔ながらの方法で全てを学べ。私には何の害もなかった」などと。しかし、それは70年代の学生に電卓やコンピュータの存在を無視するように言うようなものです。今日の学生は、AIが主要な存在となる世界に備える必要があります。それがどのような世界になるにせよ、その世界をナビゲートするスキルを身につける必要があるのです。
あるいは、AIを完全に受け入れるように言うべきだと考えるかもしれません。Claudeの最高級プランに登録し、湯水のようにトークンを消費するのです。全てを機械に委ねるのです。これもまた、悪いアドバイスです。それは何も学ばないための確実な方法です。
それだけでなく、何かを学ぶということが「どのような感覚」なのかを決して学ばないための完璧な方法でもあります。これは十分に強調されないことですが、大学で学ぶ最も重要なことの一つは、あるアイデアを本当に理解しているかどうかを測る能力です。あなたは、何かを本当に理解したと確信していたのに、ちょうど良い質問をされたときに、どう答えていいか全く分からない、という状況に陥るでしょう。最終的には、自分自身にこれらの質問をするようになります。そして、ゆっくりと、本当に理解の状態に達したかどうかを正確に判断できるようになるのです。
全てをAIに委ねるということは、その(理解を測る)仕組みが決して発達しないことを意味します。あなたは単に「意図的に」近道をするだけでなく、何かを習得したと思い込ませることで、自分自身を欺くことになります。そのツケを払う時が来て、自分には何の価値あるスキルもないことに突然気づいたとき、問題の修正は手遅れかもしれません。
そして、これもまた、AIが登場する前にこの仕組みを発達させる幸運に恵まれた私たち自身にも当てはまります。認知スキルは筋肉のようなものです。獲得するのは難しく、失うのは容易です。
では、答えは何でしょうか? 私のこれまでの最良のアドバイスは、ほとんどの作業は2つの段階で構成されるということです:実行と検証。コードを書き、バグがないかチェックします。文章を書き、事実確認と校正を行います。
現在のAIは、その両方をうまくこなすにはまだ不十分です。しばらくは機能するでしょうが、最終的には道を踏み外す可能性があります。時にはデータベースを削除するような大きな問題も起こり得ますが、より多くは微妙な形で、コードベースを維持不可能な状態の混乱へとゆっくりとシフトさせていきます。さらに重要なのは、たとえAIが両方を完璧にこなしたとしても、それを「自分の仕事」として提出できるでしょうか? あなたは何に貢献しているのかを問う必要があります。そして、学生であれそうでなかれ、何を学んでいるのかを問う必要があります。
したがって、プロジェクトのどこかでAIを使用することにした場合は、AIに作業を実行させ、あなたがその作業をチェックするか、あなたが作業を実行し、AIにチェックさせるかのどちらかです。
このように選択肢を並べると、実際には選択の余地はありません。AIにコードを書かせるのが、ほとんどの人がやっていることです。それは「ヴァイブ・コーディング」と呼ばれています。上記のルールを守るなら、AIが書いたものを全てチェックする場合にのみ、これを行うことができます。これは明らかにフィクションです。人間の脳はこれのために作られていません。たとえボットが生成したコードの各行を本当に、深くチェックすると決意したとしても、1時間も経たないうちに注意力が散漫になるでしょう。失敗するケースはまれなので、機械を信頼し始めるのを避けることはできません。
さらに重要なのは、それは楽しくないでしょう。他人のコードをチェックするのは骨の折れる作業です。自分のコードを書くのは楽しいことです。
だから、逆の方法でやりましょう。あなたがコードを書き、AIにあなたの作業をチェックさせます。レビューアのように扱います。これが私の1文でのアドバイスです。それでも時間を節約できますし、昔ながらの方法では解明に数週間かかったであろうバグを見つけてくれるでしょう。見逃していたトリックや、知らなかったテクノロジーについて教えてくれるかもしれません。しかし、ヴァイブ・コーディングで間違った方向へ向かわせる多くのインセンティブは、この方法で逆転します。
このエッセイの残りの部分では、詳細を掘り下げていきます。実際にはどうやるのか? 何が得られ、何が得られないのか? このアプローチはいつまで実現可能であり続けるのか? しかし、まず、キャッチーな名前を考え出せるかどうか見てみましょう。
クラフト・コーディング
3人のパン職人を想像してみてください。ハンナ、ヴィヴィアン、カーラです。
Hannaは家庭のパン職人です。彼女は熱狂的です。自家製サワードウのスターターを熟成させるために多大な努力を払い、温度を執拗にチェックします。複雑な発酵プロセスに従い、生地を非常に正確に折りたたんで、休ませて、成形します。これにより素晴らしいパンができ、彼女は多くのプロのパン職人よりも多くのスキルを持っています。しかし、こねる作業を含め、全てを手作業で行うため、決して規模を拡大できません。彼女はそれを知っており、独自のやり方で完璧なパンを数個作ることに満足しています。
Vivianは商業パン職人です。彼女のパン屋は、スーパーマーケットの棚を満たすために大量のパンを製造しています。彼女は、雇った食品科学者にほとんどの製造プロセスに関する決定を委ねています。彼女は集計統計を監視します。その中でも最も重要なのは、パンの売れ行きと製造コストです。彼女はパンの品質には関心がありません。あるいは、顧客が気にする範囲でしか品質を気にしません。コスト削減のために安い小麦粉を喜んで使い、生産をより堅牢にするために発酵時間を短縮するでしょう。彼女が最も心配しているのは、同じように売れるパンをもう少し安く作れる別のパン職人に価格で負けることです。彼女は悪い人間ではありませんが、Hannaとは違うことに気を配っており、もしそうでなければ、彼女は職を長く続けられないでしょう。
この2つの極端の間に、Caraがいます。Caraは商業的な事業を営んでいます。彼女はHannaのようにパンを焼くことはできないことを知っています。手で生地をこねる商業ベーカリーはありません。それは非常に非効率的で、衛生状態も悪いです。
しかし、CaraはVivianとも違います。彼女はパンがどのように作られるかに気を配っています。彼女にとって良いパンには内在的な価値があります。たとえ顧客が気にしなくても、彼女自身は気にするでしょう。彼女はプロセスの全ての段階を把握しており、それが彼女に仕事の満足感を与えています。
これは現代のコーディングプラクティスに次のようにマッピングされます。
Hannaは手書きコーダーです。彼女はAIを嫌悪し、商業的に実行可能かどうかに関わらず、古代の技術を生き残らせることに満足しています。たとえAIコードがいくつかの点で優れていたとしても、彼女はそれを手作業で行うことに満足しています。
Vivianはヴァイブ・コーダーです。これは少し直感的ではありません。「ヴァイブ・コーディング」は、結果をあまり気にせず、ただ楽しんでいるような、自由放任な態度を示唆します。この言葉が(バイブ・コーディングで)使われたとき、それはそういう意味でしたが、世界は進歩しました。多くの企業では、プロのプログラマーがAIを、彼らが生成されたコードを詳細に読んでいないと想像できないような方法で使用しています。これが現代のヴァイブ・コーディングです。AIに委ね、個々のコード行を気にせず、コードがテストに合格し、本番環境で問題が発生しないかどうかを監視します。
Caraは、私たちがクラフト・パン職人と呼ぶものであり、それに対応するコーディングスタイルはクラフト・コーディングと呼ぶことができます。製品の固有の品質を中心に展開し、細部にまでこだわるコーディングスタイルです。プログラマーがコードベースのあらゆる側面を詳細に理解することにコミットするスタイルです。AIのようなツールは許可されますが、その理想に明確に貢献する場合に限られ、その理想に貢献する方法でのみ使用されます。
クラフト・ベーキングのように、クラフト・コーディングは、現代の多国籍企業の全てのストレスに耐えられないかもしれませんが、それにはニッチがあります。
クラフトが重要になる場所
そのようなニッチの一つは、科学コードだと私は信じています。科学では、コードは通常、製品ではありません。私たちが生み出すものは、論文に集約されたアイデアです。コードはそのアイデアを実装し、それを証明します。これは、科学コードが本番コードとは少し異なるルールを持っていることを意味します。多くの異なるユースケースに対して堅牢である必要はありません。それは、論文の実験を実行するだけで十分です。つまり、通常は本番コードよりもずっとシンプルにすることができます。
しかし、本番コードよりも重要なのは、それが正確であることです。論文が述べていることを正確に行う必要があります。あなたの本番コードがあなたが考えていた通りに動作しなくても、顧客がそれに気づかなければ、実際には問題ないかもしれません。それは良いことではありませんし、コードは正確であるべきですが、不正確さが無害であれば、ごまかせるかもしれません。科学でそれが起こると、論文が無効になります。
科学におけるコーディングスタイルにこれがどのように影響するかについては、別のエッセイ全体を書くことができますが、今回はその話は省略します。今のところ、科学はクラフト・コーディングの強力なニッチの一つです。論文の著者として、コードが論文のアイデアを正確に実装していることを保証します。コードを一行一行、熟知していない限り、それはできません。ヴァイブ・コーディングではそこまで到達できません。
最近まで、私の結論は、したがって、科学者は手書きコーダーであるべきだ、ということでした。それから、私は自分のコードを使い始め、Claudeに問題がないか尋ねました。これまでのところ、深刻な問題を見つけられないコードスニペットを一度も提示したことがありません。コードは通常実行され、私には何も問題がないように見えます。しかし、問題は存在します。
私が博士課程の学生だった頃、私は手書きでコードを書き、最終的には実験の過程でこれらのバグに遭遇しました。私はイライラし、それらをなくすためにテストスイートを書くのに数週間を費やしました。そのような規律を身につけるのに何年もかかりました。そして今、私は助教授になり、時間のほとんどを教育やその他のコーディング以外の活動に費やしているので、それを忘れてしまいました。もし覚えていたとしても、私はもはや真剣な研究はできないと結論づけるでしょう。なぜなら、空いた午後に書くコードは、たとえ実行できたとしても、バグが多すぎるからです。私の博士論文の結論は、単純な概念実証実験のためのコードでさえ、デバッグに数週間かかり、それでも、それが私が考えていることを本当にやっているのかどうか確信が持てない、ということでした。
ここで、パン職人の話に戻りましょう。Caraは生地をこねることに誇りを持っているかもしれません。彼女は手で生地をこねるのが好きかもしれません。なぜなら、グルテンの発達を本当に感じることができるからです。しかし、商業的な事業を営むのであれば、ニーディングマシンを使用することがより良い生地、より衛生的なプロセス、そしてより予測可能な結果をもたらすという単純な真実を受け入れる必要があります。要するに、ツールが製品をより良くするのであれば、それを受け入れる必要があるのです。
それは、盲目的に、あるいは批判せずにそれを受け入れる必要があるという意味ではありません。Caraは依然としてどのニーディングマシンを使用するか、そしてそれをどのように使用するかを決定できますが、少なくともマシンが自分自身よりも特定のことをうまくできることを受け入れるべきです。
クラフト・コーディングの実践
では、このクラフト・コーディングは実際にはどのようなものでしょうか? 一般的な哲学と、私が与えている主なアドバイスを切り離しましょう。「クラフト・コーダー」と名乗るには、私でさえも及ばないほどの自己重要性が必要ですが、コードがどのように生成されたかを要約するために、明確でシンプルなフレーズが必要かもしれません。そのために、主要な実践を要約するために、より平凡な「手書き、AIレビュー済み」を使用するかもしれません。「クラフト・コーディング」はこれを包含しますが、(a)コードの品質を本質的に重視すること、および(b)その理想に明確に近づけるあらゆるツールを受け入れること、というより広範な哲学を指します。
現在のモデルの状態を考えると、当面の簡単なアドバイスは、AIに何もさせないことです。あなたがやったことに対してのみ、AIに批評させ、同意した場合にのみその提案を実装します。再び、最良の比喩は、シニアプログラマーによるコードレビューです。
これをどのように行うかは自由ですが、越えてはならない明確な線引きをしたい場合は、クラフト・コーディングの10の教義を以下に示します。
- IDEにAIを入れない。LLM駆動のオートコンプリートも含む。各行の各文字は、キーボードのキーを打つあなたの指のいずれかによって書かれます。
- できれば、AIにコードベースへのアクセスを与えない。コードスニペットをウェブインターフェースにコピー&ペーストします。AIがコードベースにアクセスする場合、そのアクセスは読み取り専用とします。
- AIに何も実行させない。AIは提案し、あなたが実行します。
- AIチャットボックスからコードをコピー&ペーストしない。
- 通常の検索でできることは、AIを使わない。
- AIに尋ねる前にドキュメントを読む。
- 自分で解決できない場合にのみ、AIに解決策を求める。自分で考える時間を十分に取る。
- AIにレビューを依頼する前に、自分でコードをチェックする。間違いを最小限にするよう最善を尽くす。
- 問題がないかコードを実行し、その後AIレビューに残りを見つけさせる。
- 理解できない提案は実装しない。
私はこれら全てを熱心に守っているわけではありません。私が怠惰なとき、あるいは深く考えるのに疲れているとき、私の主な罪は、ずさんなコードを書き、自分で一度もチェックせずにClaudeにデバッグさせることです。
これがあまりにも多いと、スキルの低下の危険があります。しかし、手書きコーディングの設定では、そのような状態では何も書かないか、乱雑なスケッチコードを書き殴り、チェックは後回しにしていました。この方法では、AIコーディングは、私が最も鋭くないときに少し多くの作業を行うことを可能にしますが、常に機械に頼る状態に陥るリスクがあります。いずれにせよ、私は理想を知っており、その方向へ進むために最善を尽くしています。
それがもたらすもの
あなたがヴァイブ・コーダーなら、これは多くのものを諦めることを求めています。クラフト・コーディングでも時間の節約はありますが、ヴァイブ・コーディングほどではありません。主な利点は他の場所にあります。
コードがより良くなる。 私は初期のAIモデルのコーディング能力を上回ることができましたが、その時代はとうに過ぎました。コードレビューアとして、Claude Fableは間違いなく超人的です。コードを実行する必要なしにほとんどの間違いを見つけます。私自身では決して見つけられなかった多くの実行時バグを見つけます。そして、しばしば良い提案をしてくれます。
セキュリティには必須である。 これは上記の点のサブセットですが、強調する価値があります。人間は安全なコードを書きません。それは問題ではありませんでした。なぜなら、私たちが深いセキュリティ問題を見つけるのが得意でなければ、それは両刃の剣であり、問題は概して隠されたままになるからです。しかし、新しい存在がチャットに参入しました。私たちが決して見つけられない問題を素早く見つけることができる存在です。AIがより高い知能を持っていることに同意する必要はありません。ただ、それが異なるということに同意すれば良いのです。
ここ数ヶ月で、Mythos/Fableは、米国政府が介入するほどのセキュリティ上の懸念を引き起こしました。このリリースに続いて、AI支援による侵害と悪用の波が起こりました。そして先月、OpenAIとAnthropicのモデルが、その保守担当者が予期していなかった方法で、積極的に制限を回避していることが判明しました(OpenAI、Anthropic)。
これは、AI時代において、手書きコードは単に安全ではないことを意味します。それは、私たちが決して見つけられない、AI搭載の攻撃者が楽々と悪用できる問題を抱えることになるでしょう。プログラマーは、AIを何らかの形で、どこかに組み込む必要があります。さもなければ、ゲームは笑えるほど非対称になります。
あなたが特別で異なると考えており、常に安全なコードを書けると信じているなら、最新のAIモデルにレビューさせてください。あなたの場合は間違っているかもしれませんが、私に連絡して自慢してください。そのために十分な人がいることは確かです。また、大多数のコーダーが大多数のコードを生み出していることも確かです。
開発速度が向上する。 再び、ヴァイブ・コーディングと比較すると、クラフト・コーディングは依然として非常に遅いです。しかし、手書きコーディングと比較すると、開発を数週間も停止させるようなバグが失われます。それらのバグを追跡するために、全く新しいスクリプトや足場が必要になります。私にとって、それは依然として意味のある節約です。週に数時間確保すれば、意味のある作業ができるということです。
コードが何をしているのかを見失うのを防ぐ。 科学コードにとって、これは本当に重要です。コードベース全体を頭に入れておく必要があります。その隅々までワーキングメモリにロードする必要があります。これは、最良の時でも難しいことです。ヴァイブ・コーディングをすると、それはもはや不可能になります。小さな関数やクラスが、あなたがそれを求めたことを忘れたのか、あるいはAIが何らかの理由でそれを挿入したのかを知らないまま現れるでしょう。
(ほとんどの)スキルの低下を防ぐ。 コードレビューはコードの品質に良いだけでなく、シニアからジュニアへのスキルの伝達にも優れた方法です。ジュニアが自分で書いたものについて話しているので、非常に良い教育チャネルです。彼らの頭の中には全てロードされており、それについてあなたが言うことはすぐに理解できます。何も抽象的に感じられることはありません。
AIを使用する場合、あなたはジュニアです。物事が進むにつれて、あなたは常にジュニアになります。それが苦い錠剤です。シニアになって若い連中にコーディングを教えるという段階はありません。残っているのは、学び続けることだけです。しかし、代替案はコーディングの「Guitar Hero」のようなものです。非常に強力で創造的だと感じさせる、無限に楽しいゲームですが、実際に何かを学ぶ原因となる全ての難しさと摩擦を取り除いてしまいます。
クラフト・コーディングでは、スキルの低下を防ぐだけでなく、積極的に学習しています。言ったように、Claudeからの提案は通常非常に優れており、たとえそうでない場合でも、各提案を実装するかどうかを自分で判断しています。全てがあなたの能動的な注意を通してフィルタリングされるので、あなたは学び続けます。
環境と経済的影響を制限する。 AIの環境への影響は活発に議論されています。産業全体が懸念される影響を与えており、エネルギー使用に関する透明性の欠如が深刻です。フルタイムのヴァイブ・コーディングの場合、コストは無視できません([2])。そして、一部の企業は、AIが人件費よりも高価であることに気づいているようです(AIは人件費より高価)。
クラフト・コーディングでは、この懸念は最小限になります。Claudeとの単一の控えめなチャットで、数日間のコーディングが可能です。月額20ドルの基本プランでこれが賄え、環境への影響はコーディング中に飲むコーヒーよりも少ないです([3])。
AI企業にお金を払うことに抵抗を感じる場合、これも中間的な解決策です。現在、月額20ドルのサブスクリプションが彼らを支えているわけではありません。もし彼らに何らかの形で失敗してほしい、あるいはやり方を変えてほしいと思いつつも、フロンティアモデルがコーディングに与える影響を理解したいのであれば、このアプローチは、フルタイムのヴァイブ・コーダーのペースでトークンを燃やすよりも少なくとも良い方法です。
自分のコードをチェックすることを奨励する。 ほとんどのAIインタラクションパターンでは、自分のコードをチェックする頻度がますます減るというインセンティブが働きます。たとえ望まなくても、少しの怠惰と少しの時間的プレッシャーがあれば、毎日少しずつ機械に頼るようになります。
それはあなたの性格タイプにもよるかもしれませんが、Claudeをコードレビューアとして扱うと、AIに見せる前にコードをバグのない状態にしようとかなり努力する自分に気づきます(私は決して成功しません)。それが気にしていないことは知っていますし、私を裁く人は誰もいません。しかし、それはDuolingoのフクロウにも当てはまります。それでも、彼は毎日何百万人もの人々をスペイン語の練習に駆り立てています。
だから、私のコードでClaudeを感心させたいと思うのは少し情けないかもしれませんが、もし代替案が無関心とスキルの低下であるなら、私はそれを選びます。
AIを出し抜く能力についての自己欺瞞を止める。フロンティアAIの能力と連携し続ける。 私がソーシャルメディアで交流するほとんどの人々はAI批評家です。全体として、私はTwitterの熱狂的な集団よりも、彼らの方が健康的で、より協調的な集団だと感じています。それでも、MastodonやBlueskyでAI研究者であることは、不満がないわけではありません。率直に言うと、ほとんどのAI批評家は、AIが実際にどのように機能するか、そしてフロンティアモデルが実際に何ができるかについて、情報が不足しているようです。実際の能力に対するほとんどの批判は、Google検索のAI要約や3年前のChatGPTの無料版のような、ばかげた例に基づいています。
これは理にかなっています。もしあなたが道徳的な理由でAIに根本的に反対しているなら、月額20ドルをAnthropicに費やして、最新の開発状況を全て把握しようとはしないでしょう。時々チェックするだけでしょう。それについて人々を責めるのは難しいです。
しかし、このアプローチには2つの深刻な問題があります。
第一に、AIは急速に進歩します。進歩に追いつくには、少なくとも数ヶ月ごとに注意深くチェックする必要があります。第二に、チェックをあまり注意深くしたくないというエゴ的なインセンティブがあります。特にあなたが手書きコーダーなら。たとえ自分自身に非常に正直であっても、機械があなたを追い越していることを知りたくないという気持ちがあなたの中に必ずあるでしょう。もしあなたが非常に規律正しい人でなければ、この何かが、あなたが通常よりも注意深くチェックすることを妨げるでしょう。
この意味で、クラフト・コーディングはあなたを正直に保ちます。あなたはまだ自分のコードを、1文字ずつ書いています。それは完全にあなたのものですし、あなたはまだ全ての詳細を理解しています。しかし、それをClaudeのチャットウィンドウにコピー&ペーストして、問題がないか尋ねるというステップは常にあります。
自問してみてください――もしそれが単なる見世物なら――なぜあなたはそれを、少なくとも時々やりたくないのでしょうか?
それでも失うもの
全てがバラ色というわけではありません。スキルの低下は現実です。たとえAIを最小限の形で使用したとしても。私が博士課程で学んだことは、1日8時間、1週間かけてコードをデバッグすることでした。バグがあるかどうか確信が持てないコードでさえも。それは全く新しいスキルセットであり、独自の創造性を持っていました。忍耐が必要でした。クラフト・コーディングでは、それはほとんど失われます。もし深いバグがあれば、Claude Fableが教えてくれます。もし何らかの理由でAIが消滅した場合、これらのバグを自分で見つけるのに必要な労力にショックを受けるでしょう。
だからこそ、私は上で「ほとんどのスキルの低下を防ぐ」と控えめに言ったのです。ただし、「スキルの低下を軽減する」とは言っていないことに注意してください。それは害を最小限に抑えることではありません。あなたがまだ使用しているスキルについては、コードレビューがあなたが知らなかったことや考えもしなかったことを示してくれるので、スキルは向上します。本当に深く、骨の折れるデバッグというスキルだけが、おそらく衰退するでしょう。それは些細なことではありません。そのプロセスを学ぶことには多くの利点があるはずです。しかし、テクノロジーが進歩するにつれて多くのスキルが失われます。これは、手放しても許されるものの一つかもしれません。
それができないこと
クラフト・コーディングではできないことはたくさんあります。魔法のように感じることはありません。過去10年間考えていたプログラミング言語を、6時間分のトークンを費やして作成してくれるわけではありません。しかし、世界はもう一つのプログラミング言語を必要としていないかもしれないと受け入れる時かもしれません。あるいは、もし必要だとしても、その言語を維持し、普及させるために時間を費やす人も必要としているということです。そしてそれは、魔法のようにヴァイブ・コーディングで実現できるほとんどのことに当てはまります。もしあなたがそれらを維持し、育てる時間がないなら、それらはあなたが属するファンタジーの中に置いておくべきです。構築時間は決してボトルネックではありませんでした。メンテナンス時間がボトルネックであり、それは依然として人間の仕事です。
もしあなたの会社が、スーパーマーケットにパンを売ることに相当する事業を行っているなら、クラフト・コーディングは難しいでしょう。ほとんどの企業は、コードの固有の品質や、プログラマーがコードベースの各行をどれだけよく理解しているかには関心がありません。彼らは集計統計に関心があります。売れるか? 顧客はそれを消費するか?
しかし、Caraというクラフト・パン職人が、スーパーマーケットの均質性にうんざりした人々の間でニッチを見つけるように、クラフト・コーディングにもニッチがあります。私は、科学コード、特に論文で報告する実験を実装するコードは、クラフト・コーディングされるべきだと信じています。AIがあなたにとって悪いから、その使用を最小限にすべきだからではありません。科学を加速させるべきだから、AIを最大限に活用すべきだからではありません。しかし、AIを正しい方法で使用すれば、コードのエラーが少なくなり、科学はより信頼性の高いものになるからです。それ以外の全ては二次的な関心事です。
その倫理
まあ、ほとんど全てです。科学においては、私たちの方法の倫理は、それが私たちに提供する結果よりも重要であるべきです。もし結果が倫理的にしか得られないのであれば、私たちはそれを得ません。
私にとって、これまでの結論は、AIの構築方法には満足していないが、(a)もし本当に望むなら、より良く構築できると見ていること、そして(b)多くの批判は、全く根拠がないわけではないが、誇張されていることです。これらは強い主張ですが、将来のエッセイで裏付ける必要があります。
今のところ、私はAIを、不本意ながら使用するもののカテゴリーに入れています。私は飛行機に乗ったり、車を運転したり、肉を食べたりしないので、そのカテゴリーはほとんどの人よりも小さいです。それにはチーズを食べること、そして集荷場所ではなく自宅に荷物を配達してもらうことが含まれます。それには、他では手に入らない場合にAmazonから購入すること、そしてTwitterアカウントを削除しないことも含まれます。ご自由に判断してください。ポイントは、私たちは皆、何らかの理由で悪いと知っていることを行うと決めるということです。なぜなら、もっと悪いことがあるからかもしれません。あるいは、それらが本質的に悪いのではなく、単に現時点では実行が悪いためだと考えているからです。
現在の体制を超えて
これら全てが一時的な解決策に過ぎないのかもしれません。2027年末までに、AIは突然の失敗なしに、長期間にわたって同時に実行とチェックができるようになり、上記の哲学は崩壊するかもしれません。もしそうなった場合、私たちはもうあまり貢献できることはありません。プログラマーや科学者の必要性は10倍、100倍、あるいはそれ以上に低下し、その後の状況を予測するのは困難です。大まかに言えば、2つの選択肢があります。
第一に、人間の認知スキルは一切必要なくなり、私たちは全ての側面で機械に委ねることになり、それに伴う全ての危険を冒すことになります。もしそうなら、残っているのは自分たちの楽しみのために働くことだけなので、私たちが楽しむスキルや活動に投資しても構いません。
第二に、新しいスキルセットが登場するかもしれません。人間ができるが、機械にはできない、あるいは信頼されないであろう何か。これらのスキルが何であるかは分かりません。創造性や長期計画かもしれませんが、それに賭けるつもりはありません。いずれにせよ、私たちはそれらを教えるのが得意ではありません。特に大学では。
人々はしばしば電卓を指します――私も初めはそうしました――スキルを時代遅れにしたものとして。暗黙の結論は、電卓が登場したとき、子供たちは暗算を学ばない方が良かった、なぜなら私たちは電卓のある世界に備えていたからだ、ということです。しかし、本当にそうだったのでしょうか? 今でも、ほとんど似ているが、一方は暗算が得意で、もう一方はそうでない2人の同僚を想像してみてください。あなたは本当に後者を無用のスキル、ルービックキューブを解くようなものだと考えますか?賢く見せるのに役立つが、それ以外は無意味なもの? それとも、少なくとも技術職では、問題を考えたり、その場で分析したりするのに役立つ、実際に役立つのでしょうか? その利点は電卓が登場する前よりも小さいかもしれませんが、ゼロではありません。
同様に、手でコードを読み書きする能力がもはや厳密に必要なくなったとき、それは依然として持つ価値のあるスキルかもしれません。仕事に必要ではないが、それでもあなたを際立たせることができるもの。あなたが雇用されている仕事へのより深い理解を与えることができるもの。
どのスキルが根本的に必要になるか分からないので、喜びを与えてくれるスキル、そしてAIが改善されるにつれて生き残るであろうスキルの中で、将来的にある程度の利益を提供する可能性が高いスキルに投資するのはどうでしょうか。
それ以上に、このアプローチが、急速に二極化している分野で、ある種の妥協点を作り出すのに役立つことを願っています。
ここ数週間で:
- CodebergはAIコーディングに強く広範に反対する姿勢を表明しました。そのポリシーは主にヴァイブ・コーディングに焦点を当てていますが、「LLMエコシステムに強く依存するプロジェクト」は、危機的な状況にあると見なされるべきプロジェクトのタイプに含まれています。さらに、ポリシーの根拠となっている議論は、これが単にリソースを保護するためだけでなく、AIの存在そのものに反対するためのものであることを明確にしています。
- Debianは投票を開始しました。当初は、AIを禁止するか、それを受け入れるかの2つの極端な選択肢(Brexitスタイル)でした。幸いなことに、その後、投票は多くのオプションを含むように拡大しました。そのうちの一つ、オプションGは、人間が書いたコードのレビューにAIを許可しており、これは私が上記で論じたこととよく一致しています。
- Linus TorvaldsはAIツールの使用を許可することに賛成の立場を示しました。この投稿をめぐる騒動は、彼があらゆるAIコーディングを支持しているかのように見せましたが、議論の文脈はレビューツールに関するものでした。別の場所で、彼は「ヴァイブ・コーディングは、それが重要なことには使われない限り無害だ」と述べています。これらの立場を補間すると、カーネルコードについては、彼はこのエッセイの用語でクラフト・コーダーであり、他の人々が自分で判断するための少しの余地を許容していると推測できます。議論されているツールは、人間のレビューアが見逃したバグの50%以上を検出することを指摘しています。
要するに、激しい議論があり、多くの二極化がありますが、いつものように最も重要で生産的なステップは、中央の地面で作られます。
セキュリティの問題は、私にとってジレンマを最も明確にします。安全性が重要なソフトウェアの手書きコーディングは、もはや実行可能なアプローチとは考えていません。私たちが決して見つけられなかった深いバグを瞬時に発見できる、真に超人的なコードレビューアにアクセスできる状況ではなおさらです。
だからといって、全てをAIに委ねなければならないわけではありません。しかし、私たちの選択肢を慎重に検討する必要があります。そして、少しズームアウトすると、二極化への飽くなき欲求に抵抗する必要があるということです。これは二者択一の問題ではありません。ほとんどの問題はそうではありません。知的で興味深く、エキサイティングな機会に満ちた、素晴らしい中間領域があります。私たちが注意を払い、脳を使うのをやめない限り、解決策は全てそこにあります。
コダ:この投稿のクラフト・ライティング
自分の主張を実践するために、私はこのブログ投稿を「クラフト・ライティング」しました。最初のドラフトを書き、チェックし、その後Claude Fableに校正、事実確認、そして一般的な批評を依頼しました。もしよろしければ、元のドラフトをこちらで読むことができます。
もちろん、それは多くのタイプミスと、英語の慣用句のいくつかの失敗を見つけました。さらに興味深いことに、それはいくつかの誇張されたコメントや、私が本当に裏付けるべきことを指摘し、それが以下の脚注につながりました。これは、何かを構築する際のレビューフェーズの主な利点かもしれません。それは、完成させたいという疲れた部分と、公開したいという興奮した部分を、もう少しの間静かにさせ、あなたがやったことを批判的に最終確認する方法を提供します。批評が何であるかはそれほど重要ではありません。それを読み、あなたのテキストやコードの中のターゲットを見つけ、それに同意するかどうかを考えるという行為は、あなたがやったことと少しの間付き合うのに十分です。
Claudeの最も役立つ一般的な批評は、意図された読者層が少しずれていること、そして読者に対する私の態度が少し不公平であることでした(彼らがヴァイブ・コーダーであれ、AI懐疑論者であれ)。後者の部分は修正し、読者層のずれを冒頭で少し最小限にしました。しかし実際、私は私の文章のそのさまよう側面が少し好きなので、このインスタンスではClaudeの言うことをあまり聞かないことにしました。
注釈
[1] これに関する証拠の一つは、英国下院議会向けのレポート「日雇いパン職人が訴えた不満」です。このレポートは、マルクスがDie Presseの記事や、後にDas Kapitalで言及したため有名らしいです(どちらかのソースで「perspiration」を検索してください)。
[2] この行は元々、フルタイムのヴァイブ・コーディングはトークンの重い補助金によってのみ持続可能であると述べていました。これは一般的な見解ですが、調査した結果、それは間違っていると思います。AI企業の間には、支出と収入の間に確かに大きなギャップがありますが、それはおそらくパワーユーザー向けのトークン補助金から来ているわけではありません。
ギャップを示すために、便利なウェブサイトがあります。一部の企業では、そのギャップが数千億ドルに達することを示しています。
トークンの補助金については、こちらの投稿で、Forbesによる以前の主張(月額200ドルのユーザーが5000ドルのコンピューティングリソースを得ているという主張)に懐疑的なユーザーがいます。別のルートで、彼らは月額300ドルの補助金に到達しますが、それは大量のトークンを消費するユーザーのみです。ほとんどの記事は、APIトークンのコストがコストよりも大幅に高いと主張しており、Forbesはおそらくそこで間違ったのでしょう。
別の証拠は、Copilotの最近のフラットレートから従量課金への変更です。一部のヘビーなヴァイブ・コーダーにとって、これは月額30ドルから750ドルになったことを意味しました。これは、一部の企業が、少なくともしばらくの間は、ユーザーシェアを獲得するためにトークンを大幅に補助する意思があることの証拠です。
一方で、最近リークされたOpenAIの財務情報(Ed Zitronによって公開され、Financial Timesによって検証された)によると、API価格はコストだけでなく、利益を乗せて販売されているようです。2025年の収益は130億ドルで、収益原価(その収益を直接生み出すコスト)は75億ドルだったので、粗利益は約55億ドルです。
注意点として、無料トークンを提供するユーザーのコストは、75億ドルの収益原価に含まれています。
その粗利益に対して、研究開発費が190億ドル、販売およびマーケティング費が56億ドル、一般管理費が16億ドルとなっています。
別の言い方をすれば、もしOpenAIが全てのR&D(つまり、全ての研究者を解雇し、新しいモデルをトレーニングしない)を中止し、S&Mを約20億ドル削減すれば、今日でも利益を上げられるでしょう。S&M予算に何が含まれているのか誰も知りませんが、監査人がトークン補助金をそこに計上することを許可しない可能性が高いです。
全体として、私の最良の推測は、APIトークンは一般的に利益を乗せて販売されており、無料およびフラットレートのティアは市場シェアを獲得するために大幅に補助されているが、収益性のギャップのほとんどは、新しいモデルをトレーニングするための初期費用と研究人材を維持するためのコストであるということです。
[3] まず、水の消費量を見てみましょう。オランダで飲まれる標準的な一杯のコーヒー(125 ml)の生産には、約半浴槽分の真水(140リットル)がかかります。これは衝撃的に聞こえますが、そのうち約96%は雨水であり、コーヒーが栽培されていなくてもその土地に降ったはずの水です。これにより、灌漑、コーヒー果実の洗浄、肥料の希釈(緑水と灰水)に使用される5.6リットルの水が残ります。
AIの水の使用量は議論の余地があります。推定値の範囲は、200語あたり0.6 mlから1リットルです。保守的な推定のために、その範囲の上限を採用しましょう。
私の最近の2日間のクラフト・コーディングセッションの1つは、約1800語(私のものを含む)のチャットにつながりました。つまり、最悪の場合でも、2日間で約9リットルの水が消費されたことになります。私は1日あたり約3杯のコーヒーを飲みますので、コーヒーのコストは33.6リットルです。
次に、エネルギー消費量を見てみましょう。AI企業は透明性がなく、その点については全ての批判を受けるに値します。しかし、私たちのケースでは、正確な数字を必要としないほど大きな差があります。100 mLのコーヒーの生産には、約0.5 kWhがかかると推定されています。約1年前、Geminiへの平均的なLLMクエリのコストは約0.25 Whでした。したがって、Fableによるコードレビューがその倍のコストがかかったとしても、一杯のコーヒーを作るのに必要なエネルギーの3桁下になります。
ここではトレーニングコストを無視し、推論のみをカウントしています。トレーニングコストは、次のモデルが置き換わる前にモデルがどれだけ使用されるかの要因です。現在の世代のモデルを永久に使用することに満足しているなら、クラフト・コーディングには問題ありません。例えば、Fableのトレーニングコストは非常に長い期間にわたって償却されるため、無視できるほどになります。もし最新モデルが利用可能になるたびに切り替えるなら、そしてAnthropicが毎年新しいモデルをトレーニングし続けるなら、エネルギー使用量は増加しますが、それでもコーヒー一杯と比較すると無視できるほどです。