No AI Slop マニフェスト – ソフトウェア開発における人間中心のAIへの呼びかけ

TL;DR – No AI Slop マニフェストが宣言すること

このマニフェストは、AIE Code Summit 2026のスピーカーと参加者によって執筆され、スロップを、生産者が作成に費やした労力よりも、消費者が理解するために多くの労力を必要とするAI生成出力と定義しています。AIは人間の判断を増幅すべきであり、置き換えるべきではないこと、そしてチームは生のトークン数やPRサイズよりも、成果、理解、システムレベルの修正を優先しなければならないと主張しています。


1. スロップの核となる定義とその重要性

結論: スロップとは、最小限の生産努力と最大限の消費努力の間の非対称性であり、コード品質、保守性、人間の主体性を脅かします。

  • 定義(マニフェストより): 「スロップとは、消費者がそれを理解するために費やす労力よりも、私たちが何かを生産するために費やす労力が少ない場合です。」 これは、AI支援開発の核心的なリスクを捉えています。すなわち、大規模な成果物(例:数千行のPR、10ページのドキュメント)の安価な生成であり、それらはレビューに高コストがかかり続けます。
  • なぜ重要か: AI出力の生産コストはゼロに近づく一方で、人間によるレビューのコストは一定であり、システムの信頼性とチームの士気を低下させる可能性のあるボトルネックを生み出します。
  • コミュニティの反響: コメンテーターの @seizethecheese は、このようにスロップを定義するとAIの生産性に上限が設けられる可能性があると指摘し、テレンス・タオの見解(数学者は現在、AIが生成した証明を理解することにほとんどの時間を費やしている)を引用しています。この緊張関係は、生産性と理解の間の微妙なバランスの必要性を浮き彫りにしています。

2. 指針となる価値観 – 著者が優先すること

結論: マニフェストの5つの価値観は、生のAI出力よりも人間中心の成果を優先します。

価値観 意図された効果
成果を出力よりも コード行数や消費トークン数ではなく、ユーザーへの影響で成功を測定する。
理解をスピードよりも 出荷前に深い理解を促す。
モデルの最初のドラフトよりも自分たちの思考を AIの提案を最終決定ではなくドラフトとして扱う。
より良い仕事をより簡単な仕事よりも AIを使用して品質を向上させ、努力を省略しない。
出力のパッチ適用よりもシステムの改善を 症状を修正するのではなく、ツール、プロセス、ガードレールに投資する。

解説: @gwbas1c は、成果中心の考え方を賞賛し、大量のトークン消費にもかかわらず「結果だけが重要である」と強調しました。


3. 主要な信念 – 価値観の背後にある根拠

結論: マニフェストの12の信念は、なぜスロップが蔓延するのか、そしてなぜ人間による監視が不可欠であり続けるのかを説明しています。

  1. AIは強力なツールですが、群衆は人間のレビュー能力を上回る生産が可能です。
  2. スロップは、生産に費やされる労力が消費に必要な労力よりも少ないときに発生します。
  3. AI出力は本質的にスロップではありません。誤用がスロップです。
  4. AIは人間の判断(またはその欠如)を増幅します。
  5. 生産コストはほぼゼロです。レビューコストは一定です。したがって非対称性が生じます。
  6. AI以前でも、「追加する代わりに削除する」ツールはスロップを生成していました。
  7. 組織的なプレッシャーがスロップの生成を促進します。
  8. スロップは複利で増加します。各スロップな成果物が、さらにスロップな成果物の種をまきます。
  9. スロップが蓄積すると、チームの士気が低下し、コミュニケーションと品質が劣化します。

解説: @BrandoDev_it はスケーリングの問題を強調しています。LLMがより多くのコードを生成するにつれて、人間によるレビューが重要なボトルネックになります。


4. 決議 – チームのための具体的なコミットメント

結論: マニフェストは、価値観を日々の実践に変換する実行可能な決議をリストアップしています。

  1. 人間の時間を希少なリソースとして扱い、その使用を最適化します。
  2. AIが仕事を改善すべきであり、単に容易にするだけではないため、スロップと戦います。
  3. 効率的な意図の引き出しと理解のためのツールとプロセスを設計します。
  4. モデルの提案を受け入れる前に、自分自身で考えます。
  5. AI支援の有無にかかわらず、出荷された作業の意図、センス、結果に対して責任を持ちます。
  6. AI生成コンテンツを開示し、リリース前に重要な部分を検証します。
  7. スロップを受け取った場合は、丁寧なフィードバックを提供し、レビューを要求します。
  8. どのレビューにもある程度の「アルファ」(価値)が残ることを受け入れ、重要度の高い成果物に焦点を当てます。
  9. リンター、エージェント、検証ツールを使用しますが、それでも選択的な人間によるレビューを実行します。
  10. 表面的な指標(行数、PR数、トークン使用量)よりも、出荷された影響を優先します。
  11. すべての未レビュー出力が悪いわけではないことを認識します。結果が確実である場合、影響力の高いワンショットプロンプトは許容できる場合があります。
  12. 繰り返し発生する間違いが表面化した場合は、その場しのぎの修正に頼るのではなく、体系的なガードレールを改善します。

解説: @courtcircuits は、AI生成PRに元のプロンプトを添付してレビュアーの作業を容易にすることを提案しています。これは決議8の実用的な拡張です。


5. コミュニティの反応 – Hacker Newsディスカッションからのテーマ

結論: ディスカッションでは、測定への焦点、レビューのスケーラビリティ、より明確な用語の必要性という3つの繰り返し発生するテーマが浮上しています。

  • 成果中心の指標: 複数のコメンテーター(例:@gwbas1c、@a3w)は、市場の圧力がスピードベースのKPIからの移行を許容するかどうかを疑問視しています。トークン数よりも影響を重視するマニフェストの強調は、一般的なパフォーマンス指標に挑戦しています。
  • 人間によるレビューのスケーリング: @BrandoDev_it と @random_cat_8745 はどちらも、AI出力量が増加するにつれてレビューをスケーリングすることの難しさを指摘し、決議9の選択的な人間による監視の呼びかけを強化しています。
  • 命名とフレーミング: @wauter は「Human-Serving Engineering Manifesto」のようなより肯定的な名前を提案し、@ozgung は冒頭の質問プロンプト自体が「スロップ」であると批判し、スロップを定義することとメタスロップを避けることの間の微妙なバランスを浮き彫りにしています。
  • 「アルファ」の解釈: @InexSquirrel は決議8の「アルファ」の明確化を求めており、より広範な採用には用語の明示的な定義が必要であることを示しています。

6. チームのための実用的なポイント

結論: チームは、3つの低摩擦な実践を採用することで、今日からマニフェストの実装を開始できます。

  1. プロンプトの透明性: AI生成のPRまたはドキュメントに、正確なプロンプト(またはプロンプトテンプレート)を含めます。これにより、レビュアーのコンテキストへの欲求が満たされ、決議8と整合します。
  2. 影響レビューチェックリスト: マージする前に、次の質問をします。これはどのような問題を解決しますか?誰が利益を得ますか? 答えが曖昧な場合は、その成果物を潜在的なスロップとして扱います。
  3. 定期的なスロップ監査: 少人数のグループが最近のAI生成成果物を明確さ、正確さ、不必要な複雑さについて監査するための定期的な(例:隔週の)時間枠を割り当てます。

7. 最終的な考察 – マニフェストは進行中の作業です

結論: 著者らは、マニフェストが生きた文書であることを認めています。その価値は、責任あるAIの使用についての継続的な対話を促進することにあります。

「私たちの誰もこれを完全に理解しているわけではありません。私たちはそれぞれ、何を受け入れ、何を受け入れないかを再学習しており、単一の正解はありません。」 – マニフェストの結論。

熱狂的な支持から懐疑的な批判まで、コミュニティの多様な反応は、AI駆動のスロップについての会話が始まったばかりであることを示しています。上記の具体的な定義、価値観、決議に基づいて議論を行うことで、チームはAIが人間の判断を侵食するのではなく増幅する文化を形成し始めることができます。

Sources