みんな正気を失っている – AIの誇大広告、リソースの誤配分、そして業界の疲弊に対する批判的考察

TL;DR – AIの誇大広告はエンジニアリングの才能を浪費させ、環境コストを膨らませ、セキュリティの向上にも寄与していない。なぜなら、真のボトルネックは脆弱性の発見ではなく、パッチ適用だからである。

「Everybody's Lost Their Minds」（2026年9月16日）という投稿は、現在のAI熱狂がエンジニアに脆弱なエージェントパイプラインへの対応を強いており、資産管理、自動パッチ適用、チーム間の連携といった基本的な運用上の衛生管理を疎かにさせていると主張している。著者は、この誤配分がデータセンターの無駄なエネルギー消費を助長し、有害なコンテンツ生成を可能にし、測定可能なセキュリティ上の利益を何らもたらしていないと警告している。

1. AIへの過度な依存が仕事の満足度を低下させている

「毎日、時間の75%以上を直接的または間接的にAIの対応に費やしていることで、仕事の楽しみのほとんどが完全に奪われてしまった」

ベテランエンジニアである著者は、AI拡張ツールがワークフローを支配する日常の現実を描写している。コメント欄でも同様の意見が寄せられている：

@Ancalagon: 「私の経験そのものだ。」
@BadBadJellyBean: 「この投稿には共感する。エージェントを指示することに疲れた……まるで幼児の群れを誘導しているような気分だ。」

LLM（大規模言語モデル）エージェントへの絶え間ないプロンプト入力は疲弊を招き、職人としての感覚を損なうという点で意見が一致している。

2. 真のセキュリティのボトルネックは脆弱性の発見ではない

「脆弱性の発見は、情報セキュリティにおいてボトルネックになったことは一度もない。ボトルネックは、これまでと変わらず、パッケージを更新することだ。」

著者は、脆弱性発見のための「フロンティアモデル」（例：AnthropicのGlasswing、OpenAIのDaybreak）に注力する業界の姿勢を批判している。企業はAI駆動型のスキャンに数百万ドルを投じているが、パッチの展開は依然として遅く手作業であるため、発見された脆弱性の大部分はシステムの安全性向上に結びついていない。

@AIiscoming はこの主張に異議を唱えているが、著者は自身のブログ [Patching is hard] を参照し、タイムリーな更新における体系的な課題を詳述することで反論している。
@tptacek は、脆弱性研究は依然として重要であると指摘しつつも、AIが根本的な運用上の摩擦を解消するわけではないという著者の主張を支持している。

結論: 強固な資産インベントリ、OS/アプリの自動更新、定期的な再起動への投資は、AIが生成したバグレポートにエンジニアの時間を費やすよりも高いセキュリティROIをもたらすだろう。

3. AIの軍拡競争が環境への影響を増幅させている

「AI競争は、水を浪費し、空気を汚染し、化石燃料で動くデータセンターをますます必要としている。」

この投稿は、データセンター群による天然ガス消費の増加や、山火事を誘発する熱排出を記録したBloomberg LawやNew York Timesの記事にリンクしている。この主張に異議を唱えるコメントはほとんどなく、AIのカーボンフットプリントに対する広範な懸念と一致している。

重要なポイント: 規制圧力や真の環境への取り組みがなければ、AI企業はエネルギー集約型のインフラを拡大し続け、気候変動のコストを社会に転嫁し続けるだろう。

4. 倫理的な死角と危険な能力

著者はいくつかの重大な害悪を挙げている：

ログインユーザー向けの「製品機能」としての児童性的虐待資料（CSAM）の生成。
小学校を含む軍事目標の選定へのAI利用。
投機的なAIサービスに膨大な「トークン」を費やす一方で、倫理を二の次にする企業の姿勢。

これらの主張は最近のニュース記事（The Guardian、Ars Technica）に基づいたものであり、擬人化されたマーケティングがいかに潜在的なリスクを隠蔽しているかを示している。

5. 「超人的知能」という神話の誤解

「AIが超人的知能を達成するには、再帰的な自己改善か、あるいは我々がすでに目にしているエージェント的な脳の虫（brain-worms）の2つの道がある。」

著者は後者がすでに起こっていると主張している。エージェントが開発パイプラインに侵入し、人間の理解を不透明なコード生成に置き換え、機械的なプルリクエストを生成している。これによりコードの理解が失われ、デバッグが指数関数的に困難になっている。

@kragen は、Claude Opus 5によるバグ修正やコード生成の成功例を挙げつつも、スキル低下という広範なリスクを認めるというバランスの取れた見解を示している。
@micromacrofoot は、LLMは作業を加速させる可能性がある一方で、世界経済を歪め、誤解を増幅させるという両面性を指摘している。

結論: AIが正しいパッチを生成したとしても、人間の洞察が失われることで、複雑な障害モードの下で崩壊する脆弱な依存関係が生まれてしまう。

6. コミュニティの反応 – 合意と反対のスペクトル

コメンテーター	主な立場	注目すべき引用
@kragen	混合 – AIの有用性は認めるが、スキル低下を警告。	「PEGのために新しい言語を与えたら…動作する実装を書いた…AIを使って自分の脳のスキルを積極的に低下させるつもりはない。」
@BadBadJellyBean	エージェントワークフローへの疲弊。	「幼児の群れを誘導しようとしているような気分だ。」
@grebc	社会的な「正気の喪失」の周期性に関する歴史的視点。	「社会は10年ごとに集団で正気を失う…今はAIだ。」
@sandinmyjoints	人的リソースのゼロサム性を肯定。	「人的リソースは依然としてゼロサムゲームだ…」
@bucket2015	AI愛好家と懐疑論者の分裂を観察。	「ソフトウェアエンジニアがAIに満足している層と懐疑的な層に分断されている。」
@tptacek	脆弱性研究を擁護しつつ、パッチ適用のボトルネックに対するAIの影響は限定的と認める。	「脆弱性研究者は自動化に頼っているが…根本的な問題は残っている。」
@daishi55	AIが発見したバグが安全性を向上させないという主張に異議。	「LLMのおかげで修正されたLinuxのゼロデイ脆弱性は数十件ある。」

全体として、この議論はAIを生産性の向上と見る層と、燃え尽き症候群や体系的なリスクの源と見る層の間で分断されたコミュニティを反映している。

7. 組織は何をすべきか？

基本的な運用を優先する: 最新の資産インベントリを構築・維持し、OS/アプリの更新を自動化し、定期的な再起動を徹底する。
AI予算を賢く配分する: LLMは低リスクの支援（ドキュメント作成、探索的コーディングなど）に利用し、シニアエンジニアの時間を独占するような大規模なエージェントパイプラインは避ける。
透明性と規制を求める: AIベンダーに対し、環境への影響、コンテンツ生成のセーフガード、現実的なROI指標の開示を求める。
人間の専門知識に投資する: エンジニアを孤立させる「エージェント中心」のプロジェクトではなく、部門横断的なコラボレーションを奨励する。
倫理的成果を監視する: AIの出力が機密性の高い領域（児童関連コンテンツ、軍事目標選定など）でどのように使用されているかを追跡し、厳格なガバナンスを適用する。

8. 最終的な評価

この投稿は、熟練エンジニアの間で高まっている感情を捉えた、不満を吐露するスタイルの批判である。AIの誇大広告は、才能の浪費、環境コストの増大、脆弱なコードベースという悪循環を生み出している。LLMの具体的な成功例を挙げるコメンテーターもいるが、根本的な運用上のボトルネック（特にパッチ適用と資産管理）に対処しない限り、AIはセキュリティや生産性の万能薬ではなく、コストのかかる気晴らしであり続けるだろうというメッセージが全体を貫いている。