AIにコードを書かせながら、理解を手放さない方法論――Shizen ConnectのAI Loop

AIがコードを書く。テストが通る。でも、「なぜこの実装なのか」と聞かれると答えられない。

この現象は、AIコーディング支援が普及した開発現場でじわじわと広がっている。動くことと、理解されていることは、まったく別の話だ。Shizen Connectが提唱する「AI Loop」という開発手法は、この分裂に対して、禁止でも放棄でもない形で向き合おうとしている。


AIにコードを書かせると、何が壊れるのか

Shizen Connectが開発しているのは、電力リソースを制御するVPP(Virtual Power Plant)のシステムだ。外部機器との連携、障害時の挙動が重要なミッションクリティカルな領域である。

記事の著者は冒頭で、「AIを使って、ほぼ一人で開発から会社の運営まで全自動で回している」という事例に言及しつつも、「現時点で全自動開発に踏み切るのは難しい」と明言している。理由は単純で、「外部機器との連携や障害時の挙動が重要」だからだ。

ここで大事なのは、「全自動はまだ無理」という結論ではなく、ではAIと人間の役割をどこで引くのかという問いに実際に答えようとしている点だ。

著者はこう書いている。「コードを書くことはAIに任せても、コードを理解することはまだ手放したくないし、手放せない」。この一文が、AI Loopという手法全体の設計思想を貫いている。


AI Loopとは何か――8ステップの構造

AI Loopは、人間が依頼・判断・承認・理解に集中し、調査・仕様の下書き・計画・実装・検証をAIに任せる開発手法だ。現在はClaude Codeを使って運用されており、全体は8つのステップで構成されている。

その中でも特に重要とされているのが2つの工程だ。「SpecをAIと人間で作り上げる工程」と、「AIが書いた実装を人間が理解する工程」である。

Specの作り方――「推測」に印をつける

まず、開発者はIssueに「何をしたいか」「なぜ必要なのか」を簡単に書く。たとえばこの程度だ。

やりたいこと:外部APIがタイムアウトした場合にリトライできるようにしたい。
理由:一時的な通信障害によって処理が失敗し、運用上の負担になっている。

これをAIに渡すと、独自の「investigate Skill」が既存コード・テスト・設計資料・Gitの履歴などを調査し、Feature Specの下書きを生成する。SpecにはGoal、Scenario、Acceptance Criteria(AC)、Failure cases、Constraints、Open questions、Decisionsといった項目が含まれる。

ここで注目すべきは、AIが「確認できなかった内容」には必ず**【推測】という印をつける**という設計だ。たとえばこう書かれる。

  • APIがタイムアウトした場合はリトライする
  • 【推測】リトライ回数は最大3回とする
  • 【推測】すべてのHTTP 5xxをリトライ対象とする

これにより、人間が確認すべき箇所が一目瞭然になる。正しい推測なら印を外す。間違っていれば仕様を修正し、理由をDecisionsに残す。判断できなければ追加調査に戻る。

AIが書く文章は「もっともらしく」見える。推測であっても確定事項のように読める。だからこそ、推測を推測として可視化する仕組みが要る。これは地味だが、かなり本質的な設計判断だと思う。

AIから人間に「質問させる」逆転の発想

さらに面白いのが、「interview Skill」だ。AIが仕様書を調査し、Open questionsを一つずつ人間に質問してくる。たとえばこんな形式で。

リトライの対象とするエラーは?
A. タイムアウトとHTTP 5xxのみ(AI推奨)
B. タイムアウトとすべてのHTTPエラー
C. その他
推奨理由:HTTP 4xxにはリトライしても改善しないエラーが含まれるため。

人間はAIの推奨案を採用してもよいし、別の案を選んでもよい。AIと異なる判断をした場合はその理由も記録される。

「人間がAIに質問して仕様を書かせるだけでなく、AIに質問させることで、人間自身も仕様を考え、決定していく」という構造は、単なる効率化の話ではない。開発者がシステムの振る舞いについて思考する機会を、プロセスに組み込んでいる。


計画・実装はAIに任せ、出口で人間が「理解」する

Specが承認されたら、Claude CodeのPlan modeで実装計画を作成する。AIはACごとのテストと実装Taskを考え、人間が計画を承認する。実装はTaskごとに新しいセッションで進め、テストを先に書いて失敗を確認してから実装するTDD(テスト駆動開発)を基本とする。テストコードにはコメントで対応するACを記録し、仕様とテストの関係を追跡できるようにしている。

そして、もう一つの重要な工程が「実装の理解」だ。

AIがコードを書き、テストが通っても、それだけではマージしない。かといって、すべてのdiffを一行ずつ読むのも現実的ではない。そこで、AIが作成した「Change Brief」を使い、以下の5つを確認する。

  1. どこに何を作ったか
  2. 主要な処理はどこを通ってどう流れるか
  3. SpecやPlanに書いていない、AIが自分で決めたことは何か
  4. 失敗したとき、コードはどう動くか
  5. テストで確かめていないことは何か

特に重要なのが3番目だ。AIは仕様に書かれていないことも自分で判断して実装する。例外をどう扱うか、トランザクション境界をどこに置くか、リトライをどう実装するか。こうした判断は必ずしも人間が指示したものではない。そして「AIが何かを勝手に決めたこと自体に気づかない」ことが、最も見落としやすいリスクだと著者は指摘している。

「口頭試問」としてのAI質問機能

Change Briefで説明を聞いた後、開発者は Claude Codeに「確かめて」と一言打ち込む。すると、AIがコードの中身について具体的な質問を2〜3個出す。

APIがタイムアウトした場合、どの関数で例外が処理され、最終的にどうなるか?

自分の言葉で答えられなければ、もう一度コードを調べてAIと会話し、理解し直す。これはいわばAIによる「コード理解の口頭試問」だ。変更リスクが中・高の場合は、重要なコードを人間が自ら読み、別メンバーによるレビューも行う。


ここからは見方の話――この手法が示す構造的な意味

事実の整理はここまでにして、少し視点を引いてみる。

AI Loopが示しているのは、「AIを使う量」の問題ではなく、AIと人間の接続点をどこに設計するかという問題だ。コードを書くことはAIに渡す。でも、仕様を理解すること、実装の判断を把握すること、テストで確かめていないリスクを認識することは人間が担う。その境界を「なんとなく」ではなく、プロセスとして明示的に設計している。

開発のボトルネックが「コードを書くこと」から「コードを理解し判断すること」へ移動しつつある、という著者の見立ては正確だと思う。AIが高速にコードを生成できるようになっても、人間の理解速度はそれほど変わらない。生産性の上限が「理解する速度」に規律されるなら、理解を促進するプロセスを設計することが開発効率の本質的な鍵になる。

もう一点、「【推測】という印をつける」という設計が興味深い。AIは「もっともらしい文章」を出力する。推測と確定を見分けることは、人間にとって認知的に難しい。だからこそ、AIが自ら推測に印をつけるよう設計することは、AIの弱点を設計でカバーするという発想だ。AIを過信しないための仕組みを、AIに組み込ませているわけだ。


実務への示唆:誰がこれを使えるか、使えないか

率直に言うと、AI Loopのような手法が最も効果を発揮するのは、品質の失敗コストが高い領域だ。VPPのようなミッションクリティカルなシステム、金融・医療・インフラに関わるソフトウェア、あるいはチームの認知負荷が高い複雑なドメインで、このアプローチの設計思想は強く響く。

逆に、プロトタイプの爆速開発、スタートアップの初期フェーズ、探索的な実装など、「とにかく動かして検証する」フェーズには重すぎる可能性もある。SpecのどこまでAIに書かせるか、どの推測を人間が確認するかのコストは、プロジェクトの性質によって変わる。

記事が「まだ試行錯誤の段階であり、開発速度や品質への効果はこれから検証していきます」と明記していることも、正直で重要だ。これは実績報告ではなく、設計思想と現在進行形の実験の共有だ。その点を踏まえて読む必要がある。

今後の論点として気になるのは、「AIへの判断移譲をどこで止めるか」という問いの立て方そのものだ。著者も「将来的にはAIに委ねられる判断の範囲もさらに広がっていく」と書いている。その変化に合わせて、AI Loopの「人間が担う工程」は縮小されていくのか。あるいは別の形で再設計されるのか。この手法が一つの静的なフレームワークではなく、継続的に見直される動的なものであるべきだ、という著者の姿勢は正しいと思う。


まとめ

AIにコードを書かせることで速くなる。でも、速くなった分だけ「何が起きているか理解する機会」が飛ばされていく。AI Loopはその飛ばされる部分を、仕様策定と実装確認の2つの入口・出口として設計し直そうとしている手法だ。

「推測に印をつける」「AIから人間に質問させる」「口頭試問でコードを理解させる」という具体的な工夫は、いずれも「AIを制限する」ではなく「AIと人間の接続を設計する」発想から来ている。

この記事を読んで次のニュースを見るときに持っておきたい軸は一つだ。「AIにどこを渡すか」ではなく、「人間が何を理解し続けるかをどう設計しているか」。その設計があるかないかで、AI駆動開発の成熟度はかなり変わってくる。


参考元: AIにコードを書かせても、理解は手放さない ― Shizen ConnectのAI Loop開発