
バイブコーディング?【3】「90%合ってる」は幻想──Claude Codeへの期待と限界
元々「バイブコーディングがどう破綻するか見よう」といった企画で始めたのが今回の実験だった。
それが途中から、「どうやれば楽に実用に耐えられるソフトができるか」に趣旨が変わった。
その中で破綻する構造が理解できたことは成果があった。
設計は人間が握り、main はクラス呼び出しだけ、1機能1クラス1ファイル、DB操作は専用クラスに集約する。
このルールを徹底した結果、コードは破綻せず、かなりきれいに動いた。
一方で、機能追加を雑に丸投げした瞬間、
「今は動くけれど、次の変更で確実に壊れる」 設計案もちゃんと出してくれた。
AIは構造の形は増幅してくれるが、その背後にある「なぜ」までは理解していない──そこまでが前回までの話だった。
最終回となる今回は、そこから一歩引いて、
なぜ多くのバイブコーディング記事は「作れました」で終わるのか
AIにコードを書かせるとき、どこまでは任せてよくて、どこからは人間が握るべきなのか
そのうえで、Claude Code をどう評価すればいいのか
を、わたしなりにまとめてみたい。
「作れました」で終わるバイブコーディング
最近のバイブコーディング記事を眺めていると、だいたいこんな構成になっている。
こんな要件をAIに投げてみた
めちゃくちゃ早くプロトタイプができた
すごい、AIやばい、おわり
これはこれで、使い捨て前提なら合理的だと思う。
自分で使う小さなツールや一発ネタのサービスなら、壊れたらまた1から作り直せばいい。
そのとき重要なのは「きれいな設計」ではなく、「どれだけ早く形になるか」だ。
ただし、この発想は業務システムや長期運用が前提のサービスにはそのまま持ち込めない。
業務システムは、リリースしたら終わりではない。
むしろそこからが仕事が始まる、仕様変更と保守が始まる世界だ。
「作れました」で終わるどころか、そこがスタートラインである。
プロダクト開発の現場からすると、
「作れました」は、あくまで1合目の通過地点に過ぎない。
どれだけ早くそこにたどり着けても、そのあとの「直せるか」「読み続けられるか」が伴わなければ、結局コストは跳ね上がる。
今回の実験は、そのギャップをかなりはっきりと見せてくれた。
今回たどり着いた「AIに任せてはいけないところ」
ここだけは人間が握り続けないと破綻する、厳守すべきルールをまとめると以下のとおりだ。
DB設計は人間が握る
テーブルをどう分けるか、1:1と1:nをどう扱うか、どこまで正規化するか。
ここをAIに任せると、「今は動くが後から詰む」案が平気で出てくる。1機能1クラス1ファイルを絶対守らせる
機能の境界が曖昧になると、AIはためらいなく既存クラスの中に処理を足し始める。
「とりあえずここに書いておくか」が積み重なると、一気にスパゲティになる。DB操作はDB専用クラスに集約する
放っておくと、AIは各画面や各機能の中に直接SQLやORマッパーの呼び出しを書き散らす。
そうなると、後からDBを変えたくなった瞬間に制御不能になる。設計の「なぜ」を人間が持ち続ける
mainDataとimagesを分けたのは「画像が1記事1枚とは限らないから」だった。
その理由を設計書には書かなかったし、AIも理解していなかった。
同じように、閲覧数も本来は別テーブルで持つべきだったが、AIはそこまで踏み込んでこない。機能追加したら、仕様書も必ず書き換えさせる
これはAIのためではなく、後で読む人間のため。
対話でぽんぽん機能追加していくと、「なぜそうしたか」が一瞬で行方不明になる。目的だけを伝えない
「閲覧数を表示したい」「◯◯を保存したい」だけを伝えると、AIは最短で要件を満たすルートを走る。
そのとき、どのテーブルにどう保持するか、どのクラスに責務を持たせるかを必ず一緒に話す必要がある。コードの置き場所まで指定する
「この処理は◯◯クラスのこのファイルに足して」と毎回言う。
DB操作なら「DBClassに書いて」と明示する。
これはAIの整理整頓の問題というより、構造を崩さないためのガイドレールだ。
言い換えると、
AIに任せるのは「実装の肉付け」までで、骨格(境界・責務・制約)は人間が決め続ける必要がある
というのが、今回の結論に近い。
「90%合ってるから10%だけ見ればいい」は本当か
生成AIでの開発について、NTTデータも面白いことを言っている。
設計書を人間が書き、AIにコーディングさせたとしても、
最低でも10%は人間のチェックが必要になる。
パッと聞くと、「じゃあ90%は見なくていいのか」と思ってしまう。
でも、今回Claudeとやり取りをしてみて、この感覚はかなり危ういと感じた。
10%だけ見ればいい、は工数の話であって、認知負荷の話ではない。
「どの10%を見るべきか」を決めるには、結局100%のどこに地雷がありそうかを把握しておく必要がある。
閲覧数カラム追加のような「今は動くが将来詰む設計」は、テストだけでは引っかからない。
コードの意図と構造を読まないと、危なさに気づけない。
今回の閲覧数の件も、「AIが書いたコードの10%が怪しい」ではなかった。
コード全体は一見きれいで、そのうち1つだけ「将来の破綻の入口」が紛れ込んでいた、という感覚に近い。
つまり、「10%だけチェックすればいい」というのは、
AIを使うことで総チェック量(工数)は減らせるかもしれないが、
どこを見るべきか判断するための理解コストはあまり減らない
という意味合いで受け取るほうが正確だと思う。
「設計さえあれば完璧」は幻想だ。
設計をきちんと握っても、AIがその通りに実装したように見えても、
最終的にはコードを読む力がないと、危ない10%を見逃す。
Claude Codeへの期待と距離感
ここまで書いておいてなんだが、わたしはまだClaude Code本体を触っていない。
Claude単体でここまでやってみて、「これならCodeもいけるだろう」と思っていたら、
そのまま最後まで走り切ってしまった。
それでも、今回の実験で見えたのは、Claude Codeに対してこういう距離感を取るのが良さそうだ、というイメージだ。
Claude Code は「コードを書く手」を爆速にしてくれるツールだと思う。
しかし「設計の意味を自動で推論して、未来の破綻も踏まえてベストな構造を選んでくれる」ツールではない。
だからこそ、設計ルールやDB設計を事前に食わせておき、破綻しにくいレールの上だけを走らせるのが正しい使い方に近い。
バイブコーディングが「作れました」で終わるなら、Claude Codeはそこからもう一歩先、
「作ったあとも触れるコードに近づける」ための道具になりうる。
ただし、それはあくまで人間側が設計の「なぜ」を握り続けた場合に限る。
AI時代のコーディングで変わるのは、
「全部自分で書くかどうか」であって、
「コードを読まなくてよくなるかどうか」ではない。
むしろ、読めないコードを高速で量産できてしまうぶん、
構造を決める力と、危ない10%を嗅ぎ分ける力の重要度は、昔より上がっている気さえする。
まとめ
このシリーズを通して、わたしが一番おもしろかったのは、
Claudeが「経験者ならやらない教科書的なミス」を、目の前で再現してくれたことだった。
それはAIの限界というより、わたしたちが普段どんな前提で設計しているのかを、逆照射してくれる瞬間でもあった。
AIは設計の形を増幅してくれる。
だが、設計の意味までは勝手には守ってくれない。
だからこそ、「なぜこの構造にしたのか」を言語化し、ルールとして握り続けることが、人間側の仕事になる。
Claude Codeがどこまでこのギャップを埋めてくれるのか。
実際に触ってみるのは、きっとこのシリーズのあとになるだろう。
そのときもまた、「壊れる前の危ない瞬間」を探しにいきたいと思う。
最後に
~非エンジニアでもアプリが簡単に作れる~
これは半分本当で半分嘘。
個人用の小さなアプリなら作れるが、業務で使うシステムは別物だ。
~AIコーディングが最適な人~
システムの構造が理解できる人。
コードが読める人。
変更の影響範囲を想像できる人。
壊れやすい箇所を見抜ける人。
この人にとっては、AIは神のツールと言っていい。
業務負荷を劇的に下げてくれる。
結局これは、エンジニア向けの道具だと思う。
現役時代にこれがあれば、かなり人生は変わっていたはずだ。