AIコードベース：誰も理解できないコード、LLMだけが保守できる未来

最近、AIを活用したコーディングツールを頻繁に使用している著者は、その実用性を認めつつも、潜在的な問題を提起する。これらのツールは、馴染みのないコードの説明や、行き詰まった時の解決、そして素早いプロトタイプ作成に非常に役立つ。しかし、著者はあるプルリクエストの例を挙げ、コードの品質に疑問を感じた瞬間を共有している。

問題は、誰も深く考えずに数千行ものコードを追加し続けた場合に何が起こるかという点だ。テストはパスし、PRはマージされ、一見問題ないように見える。しかし数ヶ月後、何かが壊れた時、そのコードがなぜ存在するのか誰も説明できない。最終的に、コードベースを十分に理解して作業できるのは、別のLLMだけになるかもしれない。

著者はAIを使って数え切れないほどのプロジェクトを開始し、驚くほど速く構築してきた。しかし、自分が書いていないコードを読むことはあまり楽しめないことに気づいた。特にコードベースが急速に大きくなると、プロジェクトへの愛着が薄れ、当初望んでいた小さな変更や改善を行う代わりに、プロジェクトを放棄する方が簡単だと感じるようになる。

さらに、現在のAIツールの価格設定は永遠に続くとは思えないと著者は述べる。新しいモデルはより優れているが、より多くのコンテキストを必要とし、トークン使用量は増加し続けている。トークン単価が安くなっても、結局はより多くのトークンを使うことになるかもしれない。すでに、AI予算を抑制しようとする企業が現れており、コストが制御不能になっている兆候がある。例えば、UberのAnthropic AI推進に関する報道や、MetaのAdam Mosseriがエンジニアごとのトークン予算制限を示唆したこと、ForbesのAIトークン消費速度の記事などが引用されている。

現時点では、これらのツールはその機能に対して信じられないほど安価であり、誰もがある程度活用すべきだ。しかし、無限に安価なAI労働力が続くという前提でビジネスを構築すべきではない。AIはコードを理解し簡略化するために使われるべきであり、単に量を増やすためのものではないと著者は結論づけている。