0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

10年前のバグが仕様になる、既存コードを「正」とする危険なAI駆動開発

0
Last updated at Posted at 2026-11-20

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。

  1. 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。
  2. 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。
  3. 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。
  4. 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。
  5. 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。

0
0
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?