Anthropicのコーディングエージェント研究者 Eric による、バイブコーディング（AIにコード作成を全面的に任せるやり方）を実サービス環境でどのように安全に活用できるかを扱った発表です。単にAIでコードを大量生成することとバイブコーディングは異なり、Andrej Karpathy の定義どおり「コードが存在するという事実そのものを忘れること」が核心だと説明しています。AIが処理できる作業規模が7か月ごとに2倍へ拡大している状況では、この流れを活用できなければ競争で後れを取らざるを得ない、という問題意識から出発します。
核心的な主張
- バイブコーディングの原則は「コードは忘れても、プロダクトは忘れるな」です。コンパイラが生成したアセンブリをいちいち読まないように、AIが書いたコード自体よりも成果物の品質と正確性を検証することに集中すべきだとしています。
- 開発者の役割は、直接実装する人から Claude のプロダクトマネージャー（PM）へと転換すべきです。新米エンジニアに仕事を任せるときのように、要件やコードベースの文脈、制約条件を十分に整理してAIへ伝える工程に15〜20分以上かかったとしても、その投資が成功率を大きく高めるといいます。
- バイブコーディングはコードベースの リーフノード（他のコードが依存していない末端機能）に集中すべきです。中核アーキテクチャや他モジュールが依存する土台のコードは、依然として人間が深く理解し管理する必要があります。
- 検証可能性を設計することが不可欠です。Anthropic内部で22,000行規模の強化学習コードを Claude で書いて本番にマージした事例では、ストレステストと入出力ベースの検証チェックポイントを設計することで、コードをすべて読まずとも安定性と正確性を確認できたといいます。
現在の限界
- 技術的負債（tech debt）は、コードを直接読まずに測定・検証するよい方法がまだありません。この点こそが、バイブコーディングをリーフノードに限定すべき最大の理由です。
- 非開発者がセキュリティや決済のようなセンシティブな領域までバイブコーディングで本番システムを構築するのは危険です。適切な問いを立てられる技術的判断力が前提になります。
差別化ポイント
- バイブコーディングを単なる流行ではなくソフトウェア産業の構造的転換として位置づけ、CTOが専門家を管理したり、CEOが会計士の仕事を検証したりするように、「実装を知らなくても結果を検証する問題」は文明と同じくらい古い課題だと指摘している点が印象的です。
示唆
- ソフトウェアエンジニアに求められる能力は、コードを一行一行書く力から、要件を精密に定義し、結果を構造的に検証する力へと移りつつあります。AIツールの性能向上の速さを考えると、この転換に早く適応するほど有利になりそうです。
2件のコメント
その話は末端の開発者たちにするんじゃなくて、Cレベルの連中にしろよ〜〜〜
もうみんなPMだよね