オープンソースコミュニティでは、問題追跡システムが開発者間の協力を促進するはずだが、現在は新たな課題に直面している。Armin Ronacherは最近のブログ投稿で、特にAIツールによって書き換えられた問題レポートの質の低さに強い不満を表明した。彼が指摘する最も苛立たしい失敗パターンは、提出者が自分の言葉で問題を説明せず、観察した現象をAIに投げ込み、AIが言い換えた結果、ひどい混乱を招くというものだ。
Ronacherによると、プロンプトが非常に悪いため、AIが生成する結論は多くの場合不正確でありながら、常に自信に満ちている。その結果、根本原因に関する完全な推測、偽の最小再現手順、実装戦略の提案、隣接するがしばしば間違ったコードへの類推、そして関連するかどうかわからない長いエラークラスのリストが含まれることになる。このような「AIスロップ」問題レポートは、メンテナーの時間を浪費するだけでなく、問題解決の方向性を誤らせる可能性がある。
したがって、Ronacherは個人的に、問題レポートを人間が実際に観察した内容に要約することをますます望んでいる。彼はシンプルな4ステップのフォーマットを提案する。まず、実行したコマンドを説明する。次に、期待した結果を説明する。第三に、実際に何が起こったかを説明する。最後に、正確なエラーメッセージやログを提供する。このフォーマットは事実と再現性を重視し、主観的な推測やAIによる過度な加工を避ける。
この見解はSimon Willisonのブログで引用・共有され、オープンソースコミュニティの共感を呼んだ。多くの開発者が同様の問題に遭遇している。AI生成の問題レポートは一見専門的に見えるが、実際には空虚で誤解を招く。Ronacherの提案はAIの役割を完全に否定するものではなく、問題レポートにおいて人間の声と誠実な観察を維持することの重要性を強調している。結局のところ、効果的な問題レポートはオープンソース協力の基盤であり、正確な情報は華やかな推測よりも価値がある。