LLM時代のソフトウェア開発：どれほどのチームがいまだに2021年のようにコードを書いているのか？

TL;DR

多くのエンジニアは、特に規制の厳しい業界、政府、およびニッチな領域において、依然として大規模言語モデル（LLM）なしでコードを書いていますが、一方で企業の圧力や経営陣の指示により、ほとんどのソフトウェアチームでAIの導入が進んでいます。

規制セクターは変化に抵抗する – 米国の医療機器開発チームは、法的審査とコンプライアンスが新しいツールの導入を遅らせるため、AIを使用していないと報告しています。（cowanon77 によるコメント）
政府および公共セクターの業務は手動のまま – 州および連邦政府の開発者は、未検証のツールを導入する前に5年のラグがあると言及しており、ワークフローは2021年と同様の状態を維持しています。（bthallplz によるコメント）
組み込みおよび安全性が重要なコードはAIを禁止することが多い – 政府向けの組み込みデバイスを開発する請負業者は、著作権や責任問題が未解決であるため、契約によりLLM生成コードの使用が禁止されています。（voakbasda によるコメント）
ニッチな技術領域はモデルのカバー範囲が不足している – 低レイヤーのネットワーキングやカスタムのビットバンギング・ドライバのデバッグでは、学習データがそれらの詳細をカバーしていないことが稀であるため、LLMの恩恵はほとんど得られません。（mysterydip および dotdi によるコメント）

経営陣によるAI義務化 – 一部の企業では、1年以内にAI生成コードの割合を70〜80%に到達させるという明確な経営命令が出ていますが、内部ポリシーが日々変動しているため、開発者はどのツールが許可されているか確信が持てません。（timbaboon によるコメント）
パイロットプロジェクトと段階的な展開 – 組織は、本格的な導入の前に、テスト、検証、および要件管理におけるAIの実験的な試行を行っています。（cowanon77 によるコメント）
トークン制限とライセンスのボトルネック – LLMが許可されている場合でも、トークン割り当てにより開発者は戦略的に動く必要があり、一部のスタッフのみがライセンス（例：Codex vs. GitHub Copilot）を受け取っています。（francisofascii によるコメント）

コーディングを精神的なトレーニングとして扱う – AIの支援があるかどうかに関わらず、問題解決能力を維持するために、一部のエンジニアは日常的にLeetCodeの問題を解いています。（andreybaskov によるコメント）
LLMを周辺的なタスクにのみ使用する – 開発者は、ドキュメント作成、APIの参照、テストの雛形作成、または簡単なコードスニペットの作成にモデルを使用し、出力を厳密にレビュー（正確性約80%）しています。（ww520 によるコメント）
「ソクラテス式」のワークフローを維持する – スキルの転換は、コードをタイピングすることから、正しい質問をすることへと移っています。このアプローチには、依然として深い文脈の知識が必要です。（jolt42 によるコメント）
AIを非コア業務に留める – 独立した請負業者は、セキュリティ監査、リファクタリング、またはログ分析にLLMをを使用用していますが、アーキテクチャや設計の委任は意図的に避けています。（voakbasda によるコメント）

短期的な試行はしばしば失望を招く – 自律型エージェントを用いた繰り返しの4ヶ月間の実験では、バグが多く、メンテナンスが困難なコードが生成され、多くのチームが手動開発へと回帰しています。（QuadmasterXLII によるコメント）
「Fable 5.1」を用いた最近の試行では、より良い結果が得られた – 最近の「Fable 5.1」を用いた試行では、より良い結果が示されており、ツールの成熟度とプロンプトエンジニアリングが重要であることを示唆しています。（QuadmasterXLII によるコメント）
コード品質への懸念 – チームは、AI生成コードがテストスイートを肥大化させ、ノイズの多いdiffを生成し、所有権の低下を招くことで、 codebase health を低下させる可能性があると報告しています。（localhoster によるコメント）

求人広告は依然として様々 – 一部の求人ではLLMの経験を明示的に要求していますが、他の求人では一切言及がないこともあり、移行期にある採用環境を示しています。（mikemarsh によるコメント）
請負業者にはより多くの裁量権がある – フリーランスはAIを導入するかどうかを選択できますが、クライアントとの契約によって制限される場合があります。（voakbasda によるコメント）
キャリアの転換 – AI中心のワークフローに馴染めない開発者は、導入が遅いセクターへの移動、または全く新しいキャリアへの転換を検討しています。（sph による元の投稿）

不可避な普及 – 規制の厳しい、あるいは保守的な領域であっても、著作権や責任の枠組みが固まれば、AIツールは法的に承認されるようになると予想されます。（voakbasda によるコメント）
人間の専門知識は依然として重要である – コアとなるアーキテクチャの決定、ドメイン固有のドライバ開発、および微妙なデバッグ作業は、依然として人間の洞察に大きく依存しています。（複数のコメント）
バランスの取れたアプローチ – 成功するチームは、コード生成を完全に自動化するのではなく、、厳密な人間のレビューと、選択的なAIの支援を組み合わせることになるでしょう。

この要約は Hacker News で共有された様々な経験に基づいたものであり、伝統的なコーディングが存続している理由、AIの導入が加速している理由、および開発者がどのように移行期を乗り越えているかについて焦点を当てています。