AIがソフトウェアエンジニアリングの中間層を消失させる現状と課題

AIがエンジニアリング文化を弱体化させる

2020 年、あなたはチームの最上級者としてコード品質とアーキテクチャを担い、適切なエンジニアリングプラクティスを確立し、経験の浅いメンバーのプルリクエスト（PR）を徹底的にレビューしていました。

しかし休暇から復帰すると、チームは注意散漫になり、無秩序に PR をマージし、データベースに大量の新テーブルを追加したり、根拠のないサーバーレスや Kafka の導入まで行われていました。

AIの高速生成が招く混乱

2026 年、休暇なしで通常通りの月曜にコンピュータを開くと、7 件の PR が待っていました。最初の PR は +24 506 行、‑3 938 行という膨大な変更で、AI が生成した「何をすべきか」の説明が添付されていました。チームは金曜以降、あなたが不在だった期間よりも多くの変更を加えており、AI が速度制限を撤廃した結果、エンジニアリング文化が弱いプロジェクトは急速に失敗へと向かいます。

数時間エージェントに指示を出すだけで PR が作成できるようになり、素人目には機能しているように見えても、ブランチをプルしてテストすれば概ね動作する程度です。その結果、チームは何度も同じ手順を繰り返し、システム全体の挙動を把握できない状態に陥ります。

具体的な問題例

ユーザーが奇妙なバグを報告し、修正を試みるのは今回で 4 回目です。AI に修正を依頼しても、生成されたコード（例：Claude）が意図を正しく理解できず、会話は曖昧なままです。プロジェクトは多層・多サービス化が進み、誰も全体像を掴めなくなっています。

修正には膨大な作業が必要で、経営層に正当化することも困難です。さらに、同様の問題が数か月後に再発し、AI に依存した開発が循環的に繰り返されています。

AI活用の落とし穴と教訓

AI が生成した 25 000 行規模の PR は、途中でエージェントを停止し、作業を小さな単位に分割し、新しい抽象化に対して疑問を持つべきでした。また、Kafka の導入は明確な根拠を示す必要があり、データソースの説明なしに LLM の会話リンクだけを共有するのは不適切です。

技術的負債は必ずしも悪ではなく、近道であることを認識することが重要です。ただし、一度誤った決定を元に戻すのは極めて困難で、データベースへの大量テーブル追加や外部キーの整合性保持など、慎重な移行計画が不可欠です。

AI経済とエンジニアの価値

AI の普及により、実装コストは低減し、優秀なエンジニアの価値はさらに高まります。一方で、判断力不足のエンジニアは置き換えられやすく、企業は少数の信頼できる人材に資金を集中させる傾向が強まります。この現象はソフトウェアエンジニアリングに限らず、広範なナレッジワークでも顕在化しています。

結局のところ、AI が高速にコードを生成できても、最終的な判断と責任は人間にあります。適切なガバナンスとレビュー体制を維持し、AI の提案を批判的に検証する姿勢が求められます。

元記事: https://blog.florianherrengt.com/ai-removing-middle-class-software-engineering.html