【元記事】(https://scrapbox.io/kawasima/%E8%AA%8D%E7%9F%A5%E8%B2%A0%E5%82%B5)
3行まとめ
- AI生成コードの理解時間と引き換えにリリース速度を優先する構造を「認知負債」と呼ぶ
- Storeyの3層モデル: 技術的負債（コード）・認知負債（人間の頭）・意図負債（外部化された知識）
- 対策は既知だが、出力量指標プレッシャーと個人インセンティブの歪みがAIで増幅され実行されない
要約
背景・課題
- 生成AIがコード変更の速度と量を飛躍的に上げたが、人間の理解が追いつかない
- AI生成コミットの15%以上が問題を導入、22.7%が最新リビジョンまで残存
- AI委任でメンタルモデル形成が阻害され、理解度クイズで17%低下
アプローチ
- コードレビューを欠陥検出ではなく知識移転として運用（Bacchelli & Bird 2013）
- コードオーナーシップの維持（Bus係数の自動測定）
- 意図負債対策: ADR、ユビキタス言語、Living Documentation、アーキテクチャ適応度関数
- AI生成変更は出荷前に少なくとも1人の人間が完全に理解することを要求
成果・ポイント
- 「なぜ」を残す。AI出力を全受容も全拒否もせず小さく分けて検証する
- 自動化の逆説（Bainbridge 1983）の現代版。AI信頼が高いほど批判的思考が減退
- 技術問題が新しくなったのではなく、既存のインセンティブ歪みがAIで可視化された