はじめに
人間が10年前に書いたコードに、仕様と食い違うバグが残っているとする。当時の担当者なら「これはバグだ」と分かるが、コードだけを読むAIには分からない。
その状態でAIに機能追加を依頼し、何度か積み重ねたらコードはどうなるか。本記事はこの問いに、エンジニアとマネージャーの両方の視点で答える。
AIによる技術的負債は、「理解負債」といった言葉とともに盛んに語られている。一方で「既存のバグをAIが仕様として固めていく」という角度の議論は、日本語ではまだ多くない。
なぜAIは既存バグを仕様として扱うのか
仕様が渡されないと、AIは「今動いているコード=正しい振る舞い」と推論する。正しさの基準をコードしか持っていないからだ。
- 意図と偶然を区別できない:「わざとそうしている」のか「たまたまそうなっている」のかを、コードだけでは判断できない。
- 既存パターンへの整合を優先する:AIは周囲のコードと矛盾しないように書く。それは通常は美徳だが、周囲が間違っていれば間違いに合わせる。
- 暗黙知はコードにない:「この計算は本当は税込みのはず」といった知識は、当時の担当者の頭の中にしかない。
機能追加を重ねると起きる5段階の劣化
バグは一気に深刻化するのではなく、機能追加のたびに依存が一つずつ増えていく。
- バグを前提にした実装が増える:新機能が誤った値や挙動に合わせて作られ、依存先が増える。
- テストがバグを固定する:AIが書くテストは現状の挙動を期待値にしがちで、バグが「正解」として刻まれる。
- 回避策が散らばる:違和感が出るたびに、根本原因ではなくその場しのぎの補正が足される。
- 一部だけ直る不整合:ある機能では正しく、別の機能ではバグのままという二重基準が生まれる。
- 直すと壊れる状態:バグが構造を支える柱になり、本来の仕様に戻すだけで大規模な改修が必要になる。
段階5は「Hyrumの法則」と同じ状態だ。GoogleのエンジニアHyrum Wrightによるこの法則を訳すと、次のようになる。
利用者が十分に多ければ、仕様で何を約束したかは歯止めにならない(筆者補足:仕様書に書いたことより、実際の動きが「本当の仕様」になる)。システムのどんな挙動にも、それに依存している「誰か」が必ずどこかにいる。
(原文:hyrumslaw.com。訳と補足は筆者による意訳)
では、その「依存している誰か」とは誰か。外部の利用者だけではない。あなたが指示を出しているAIこそが、その「誰か」だ。
AIは機能追加のたびに、既存の挙動を前提にしたコードとテストを書き、依存する「誰か」を一人ずつ増やしていく。人間の利用者が増えるのを待つまでもなく、Hyrumの法則はAIによって加速する。
最新調査が示す「既存コードが手入れされない」傾向
GitClearとGitKrakenが2023〜2026年の約6億2,300万件のコード変更を分析した結果、AI時代には既存コードを直さず新しく作る傾向が強まっている。これは「バグを前提に上物を重ねる」構造と一致する。
| 指標(2023年比) | 変化 | 本記事の段階との関係 |
|---|---|---|
| レガシーリファクタリング(12か月以上触られていないコードの修正) | −74% | 古いバグが直されず残る |
| コードの重複 | +81% | 似て非なる実装が増え、一部だけ直る(段階4) |
| 原因を評価しないエラー握りつぶし | +47% | 違和感のその場しのぎ(段階3) |
| 既存関数の呼び出し(機能的接続性) | −35% | 既存資産を活かさず新規に書く |
GitClearのCEOは、AIは「欠陥として扱われないコード」を強く好むと指摘している。ただしこの調査は時期やチーム構成など他の要因を切り分けておらず、AIだけが原因とは断定できない。
これまでソースコードを書いてきた人は、上記4つがいかに危険かは肌感で察するだろう。
バグを「正解」にするテストは研究でも確認されている
段階2(テストがバグを固定する)は、2026年10月の研究SpecGuardBenchで直接測られている。4つのコーディングエージェントに仕様と参照実装を渡して検証コードを書かせると、仕様に忠実な検証を作れたのは最良でも63%のタスクだった。
参照実装に仕様違反を仕込むと、どのエージェントも忠実さが19〜31ポイント下がった。エージェントは仕様よりも、見せられた実装に合わせて検証を書く傾向がある。
既知のバグを含むコードを補完させた別の研究では、GPT-4oが82.61%の確率でそのバグを再現した。
人間のレビューも安全網になりきらない。2026年のMSRで発表された東京科学大学などの研究では、AIエージェントのプルリクエストは人間より冗長なのに、レビュアーの反応は人間の変更より中立的か好意的だった。負債は「静かに」積み上がる。
エンジニア向け:正しい振る舞いをAIに渡す
AIの出力品質は、「何が正しいか」を判断できる材料の質で上限が決まる。仕様書がなくても、正しい振る舞いの手がかりは分散して残っている。
| コンテキスト | AIに与えるもの |
|---|---|
| 受け入れ条件・ユーザーストーリー | 誰が何のためにどう動いてほしいか |
| 意図が書かれたテスト | 期待値の理由 |
| ADR、過去のIssueやPR | 「わざと」か「たまたま」かの区別 |
| ドメイン担当者の知識 | 文書化されていない仕様 |
渡すだけでは半分だ。次の運用をセットにする。
- 食い違いの報告を明示的に求める:「仕様とコードが食い違う箇所は、実装前に報告して」と指示やプロジェクトのルールファイルに書く。
- 現状の記録と仕様を分ける:既存挙動をテスト化するときは「現状記録であり意図した仕様ではない」とラベルを付ける。
- 着手前に棚卸しする:仕様が残っていない領域は、AIと一緒に「この挙動は意図通りか」を洗い出し、決まったことを文書化する。
- エラー握りつぶしをレビューで見る:catchやセーフナビゲーションが増えていたら、その奥に隠れたバグを疑う。
「特性テスト」との付き合い方
古のソースコード改修には「特性テスト(characterization test)」という定番の手法がある。Michael Feathersが『Working Effectively with Legacy Code』で名付けたもので、日本語版『レガシーコード改善ガイド』(翔泳社、2009年)では「仕様化テスト」と訳されている。「特性化テスト」「特性評価テスト」と書かれることもあり、英語ではGolden Master Testingとも呼ばれる。
やり方はシンプルだ。既存コードに入力を与えて実際の出力を観察し、その結果を期待値としてテストに固定する。たとえば配送料を計算する関数が、不正な引数に対して例外ではなく「-1円」を返していたとする。特性テストでは、それがあるべき姿かどうかは問わず「-1円を返す」をそのまま記録する。仕様が分からなくても書けるのが強みで、テストは「変更で挙動が変わったこと」を知らせる検知器になる。
この手法がAI時代に効くことを示す日本語の体験談がある。テストのない10年ものの注文処理をAIに「きれいにして」と頼んだところ、丸め処理が変わって請求額が1円ずつズレ、誰も気づかないまま3日が経ったという。筆者はそれ以来、先に特性テストで現在の振る舞いを固めてから、少しずつ置き換える進め方に切り替えた。
一見、本記事の主張と逆に見えるが矛盾はしない。上の事例はAIが「正しい挙動を壊す」リスク、本記事はAIが「バグを正解と思い込む」リスクで、同じコインの表と裏だ。特性テストは前者を防ぐ道具であって、正しさの基準ではない。「現状記録」とラベルを付けて仕様テストと分けておけば、両方のリスクに備えられる。
マネージャー向け:速度の証拠に騙されない
AIで機能追加が速くなっても、その分だけバグへの依存が速く積み上がる可能性がある。議論すべきは道具の導入より、「正しさの基準」への投資だ。
- 仕様の可視化をバックログに入れる:レガシー領域の棚卸しや受け入れ条件の整備を、機能追加と同じ重さの作業として扱う。
- 「完了の定義」を更新する:AIが報告した仕様との食い違いが解消されていることを、完了の条件に含める。
- ドメインの判断を人間に残す:「この挙動は正しいか」を決める権限と時間を、プロダクトオーナーやドメイン担当者に確保する。
- 速度以外の指標も見る:重複、既存コードの修正率、リリース後の障害率を併せて追う。
大手も同じ課題に直面している。Amazonは2026年3月、AIが関わった変更を含む重大インシデントが続いたことを受け、ジュニアと中堅によるAI支援の本番変更にシニアの承認を必須とする90日間のルールを導入した。ただしAmazonは公式には、原因は人のミスや権限設定であり、AIのミスが人間より多い証拠はないと説明している。
ボトルネックも移っている。GitLabの2026年6月の調査では、79%が個人の生産性は上がったが開発全体は同じペースで加速していないと答え、85%がボトルネックはコード作成からレビューと検証に移ったと答えた。「正しさの基準」への投資は、このボトルネックへの投資でもある。
まとめ
AIは「与えられたものを正とする」。コードしか与えなければ、バグも正として育ててしまう。
正しい振る舞いのコンテキストを渡し、食い違いを報告させ、ドメインの判断を人間が持つ。この3つがあって初めて、AIの速さが資産になる。
そして最後に、ハウスキーピングを習慣にする。バグに気づいたら、その場で記録し、依存が少ないうちに直す。放置するほど、AIの機能追加が依存を積み上げ、直すコストは増えていく。
AIが新しいコードを速く書く時代だからこそ、古いコードを手入れする時間をチームとして確保したい。