AIコーディングの認知的コスト：生産性の向上 vs. 精神的な萎縮
Big Techの経営陣が語る物語は、勝利の物語です。Google、Microsoft、Metaといった企業では、リーダーシップ層が、AIによって生成されたコードの驚異的な割合（一部の部門では30%から、高いものでは75%にまで達する）を、新しい効率性の時代の証拠として頻繁に引用しています。経営層にとって、これは「tokenmaxxing」の勝利であり、AIエージェントが人員を削減し、デリバリーサイクルを加速させることを意味します。
しかし、企業のプレスリリースとは裏腹に、実際にコードを書き、レビューしているエンジニアの間では、異なる物語が浮かび上がっています。多くの人々にとって、AI支援による開発への移行は、自発的な生産性の飛躍ではなく、技術的なスキルと精神的な健康を損なう、強制的なシフトなのです。
指令：パフォーマンスレビューと「Vibe Coding」
FAANGやその他の主要なテック企業に勤める開発者からの最も衝撃的な事実の一つは、AIの導入が必ずしも自発的ではないということです。いくつかのケースでは、AIツールの使用がパフォーマンス評価に明示的に結び付けられています。使用率が成功の指標となったとき、その結果として「見せかけの導入（performative adoption）」が起こります。
あるUXデザイナーが指摘したように、出力の実際の品質は、AIエコシステムに参加する意欲よりも二の次になります。これにより、危険なインセンティブ構造が生まれます。開発者は、出力が欠陥を含んでいたり、安全でなかったりすると分かっていても、「速度（velocity）」を示すために、大量のAI生成コードをリリースすることへの圧力を受けています。
「認知的負債」現象
企業の圧力以上に、より深く、個人的な懸念があります。それは「脳が腐っていく」という感覚です。これは単に新しいツールへの熱意の欠如ではなく、文書化された「認知的萎縮」の現象です。コーディングという「機械的な行為」をモデルにアウトソーシング（外注）してしまうと、問題解決やアーキテクチャの推論に必要とされる精神的な筋肉が衰え始めます。
開発者は、いくつかの決定的な失敗のポイントを報告しています：
- メンタルモデルの喪失： コードが一行ずつ推論されるのではなく、大きな塊として生成されるとき、コードベースの複雑なメンタルマップを維持する能力が低下します。
- スキルの低下： 経験豊富なエンジニアが、数ヶ月間LLMに依存し続けた結果、基本的な実装の詳細（例えば、単純なAPIの構築方法など）を忘れてしまったと報告しています。
- レビューの負担： AIは数秒で数千行のコードを生成できますが、人間がそのコードを検証する能力は一定のままです。これは「レビューによるバーンアウト（燃え尽き症候群）」を招きます。エンジニアは、適切に監査する資格がないと感じたり、疲れ果てたりして、膨大なプルリクエストを前に圧倒されてしまいます。
"I feel my critical thinking and ability to sit and reason about a problem or a design has degraded because the all-knowing-dalai-llama is just a question away from giving me his take."
反論： 「エディター」への移行
すべての開発者がこの変化を否定的に捉えているわけではありません。ソフトウェアエンジニアリングの役割の性質が、単に進化しているのだと主張する人もいます。この見解では、開発者は「ライター（書き手）」から「エディター（編集者）」または「エージェントマネージャー」へと移行しています。
この変化の支持者は、AIが「退屈な作業」——JIRAの整理、ドキュメントの探索、ボイラープレートの作成——を処理してくれるため、人間はより高レベルな設計に集中できると主張します。これらの開発者にとって、速度の向上は、筋肉の記憶の萎縮というリスクを上回る、具体的なメリットです。ある元CTOは、AIへの依存が数ヶ月続いた後、面接で基本的な構文の質問に苦戦したものの、開発フェーズにおける全体的な生産性は大幅に向上したと述べています。
迫り来る清算
現在の軌道は持続不可能であるという合意が広がりつつあります。業界では、厳格な検証ではなく、AIの出力の「なんとなくの感じ（vibe coding）」に基づいてソフトウェアを構築する動きが急増しています。これは、システムの停止（outages）の常化と、膨大な技術的負債の蓄積を招いています。
ある開発者が述べたように、現在のシステムは「箸を使って、ロケットシップの舵を取るようなもの」です。速度は驚異的ですが、制御は不安定です。
結論：理解 vs. アウトソーシング
業界における緊張は、現在、根本的な違いに焦点を当てています。それは、「思考」のアウトソーシングと、「理解」のアウトソーシングの違いです。
AIは解決策を生成することはできますが、その解決策が「なぜ」機能するのかという深い理解を植え付けることはできません。
ジュニア開発者にとって、そのリスクは特に深刻です。手動での実装という苦労を経験せずに、AIが頻繁に導入する微妙で壊滅的なエラーを見抜くために必要な直感を生み出すことができないかもしれません。業界は、間もなく「清算」の時期を迎えるでしょう。AI生成コードの「見かけ上の速度」と、プロダクションシステムの実際の安定性の間のギャップが無視できないものになるでしょう。