AIコード問題の本質は「誰も何も知らない」こと
原題: The problem is not AI code, but not knowing about system architecture or intent
なぜ重要か
AIによる開発加速が組織の知識継承を断ち切るリスクは、ツールの性能向上とは独立して拡大しており、採用・育成・技術負債の観点で業界全体に影響する。
データエンジニアのSimon Spätiは2026年9月26日、自身のブログでAIが生成するコード自体よりも、チーム全体がシステムアーキテクチャや設計の意図を把握しなくなっている状況こそが本質的な問題だと指摘した。Claude Codeへの全面依存が広がる中、エンジニアが主体的に考えることをやめ、誰も仕様や判断の根拠を理解しないまま開発が進む実態を複数の事例とともに論じている。
Spätiは記事の中で、AIが生成するコードの品質そのものより、組織内の「知識の空洞化」を深刻な問題として取り上げた。コメント欄での議論を引用しつつ、「AIは平均的なコードを書く。もともと水準が低いコードベースなら底上げできる。しかし本当の問題は、誰も何も知らないまま全員がClaudeに聞いていることで、結果として計画がまったく存在しない状態になる」と述べている。
記事内で紹介されたエンジニアVoxiumのX投稿は特に生々しい。大企業に転職してから半月で、仕様書・コード・テスト・チケット・報告書がすべてClaude Codeで作られており、L1からL7まで全員が同じことをしていると告発。「12〜13時間働いてEnterキーを押すだけ」「バグを本当に直している人間がいない」「達成感がまったくない」という言葉は、AI主導の開発現場における疲弊感を端的に表している。
データエンジニアリング分野の違いについて、Hoyt EmersonはAI以前のデータ人材はビジネス全体を把握する必要があったと指摘する。しかしSPätiはその知識形成プロセス自体をAIが「不要に見せかけている」と反論し、今から入る人材が同様の基礎知識を身につけない可能性を懸念する。
一方でプロダクトマネジメントの観点からSean Behanは、「コードが書けなくてもチームを動かせるPMが製品を作れる時代になった」と指摘する。ただしSPätiはこれにも留保を付ける。基礎知識なしに始めた場合、言語選定やメンタルモデルの段階で誤りが生じやすく、後からのメンテナンスが困難になると述べる。AIの能力が上がっても、システム設計の意図や構造を理解する人間の存在は依然として不可欠だという立場だ。
記事の結論として、「システム思考・アーキテクチャ設計・設計意図を持つこと」がこれからのソフトウェアエンジニアにとって最後の差別化要素であり、最大の課題はコード生成ではなく「メンテナンス」だと締めくくっている。