AI駆動開発での指摘を資産化する —— 資産化率の定義と運用

AI生成コードは見た目が整っていても暗黙の業務ルールを欠落させやすく、テストが通ることは仕様の正確性を保証しない。仕様段階のレビュー、リスク分類に基づく検査強度の設定、人間が理解可能な粒度への分割、自動品質ゲート、専門領域別のAI一次レビューを組み合わせることで、安全に活用できる。

Qiita ユーザーが Claude Haiku / Sonnet / Opus に 42 問の問題を出題して、モデルの知識の偏りを測定。古典的な引っかけ問題と無名の仕様問題を混ぜた結果、Sonnet は「外科医=母親」という訓練済みの記憶に支配され目の前の「父親」を読み落とし、Haiku は Python の連鎖比較で日によって正誤が反転。知識が多いほど谷は深くなり、谷の位置も固定されていない可能性を示唆。

LINE連携の秘書Mで会話記憶とデジタルツイン機能を実装し、単なるAIアシスタントから「ユーザーの価値観・状態を学習し先回りするAI参謀」へ進化させた。Supabaseに会話履歴とユーザープロフィール（JSON）を保存し、Claudeへ毎回文脈として渡すことで、前後の関係を理解した提案が可能に。

Vibe コーディングを「AIにコードを書かせること」と単純に理解するのではなく、人間の認知資源をどこに配分するかというエンジニアリング的問題として捉え直す。構文や定型実装などの「自動的な思考」をAIに外部化し、仕様判断や設計検証などの「意識的な思考」に人間の熟慮を集中させることが本質である。