「雰囲気税」：技術選定におけるエモーショナルな落とし穴

エンジニア界隈でまことしやかに囁かれる「Vibe Tax（雰囲気税）」。これは技術的に優れているかどうかではなく、単に「最近流行っているから」「なんとなくかっこいいから」という理由だけでツールやフレームワークを採用した際に支払うことになる、見えない代償のことです。本来不要な複雑さを抱え込み、後から保守性に苦しむ羽目になるこの現象。最新技術の導入に迷ったら、一度立ち止まって冷静にコストを計算してみましょう。

めっちゃわかる。結局、私が求めてたのはゼロからイチを作るエージェントじゃなくて、ペアプロしてくれる相棒なんだよね。残念ながら最近のモデルはその逆のタイプがほとんどで、おかげで私の仕事の仕方がめちゃくちゃにされたよ。20個もファイルを読み込ませて変更させて、さらにテストまで書かせるなんてことより、こっちが頼んだ特定の箇所をサクッと修正してくれる軽量モデルの方がよっぽどありがたいわ。

試してみたけど、いまいちピンとこないな。「Vibe税（雰囲気でコードを書かせるコスト）」ってのは、モデルが何でも一発で完結させようとして、そのせいで不必要なテストまで作っちゃうってこと？それと、Vibeコーダーたちはどうやって数ヶ月かけてモデルをトレーニングしてるの？もしかして、彼らのセッション履歴や好みが強化学習（RL）にフィードバックされてるってことか？

これすごく共感する。モデルが賢くなればなるほど、なぜかトークンの消費量も増えてない？ClaudeだろうがCodexだろうがCursorだろうが、やり方を任せるとトークンの上限まで使い切ろうとするよね。今、piベースで広告モデルのHarnessを自作してる（www.freepi.ai）んだけど、それはpiの方が圧倒的にトークン効率がいいからなんだ。ただ、piは応答が遅いし、必要ないことまで長々と喋る傾向があるのが難点かな。でもまあ、広告でインファレンスを無料で提供しようとしてる身としては、Vibe税がかさむとビジネスが死ぬからね。トークンコストを抑えるために、「原始人」スキルを組み込んでやろうかとすら考えてるよ。

こういう投稿を読んでると、まるで自分が別の宇宙に生きてるみたいに感じるよ。私の使ってるエージェントがゴミみたいなコードを吐き出したことなんて一度もないし、1週間分のトークンをドブに捨てたこともない。AIコーディングに対する絶え間ない不満には、全く共感できないな。それに、私のメインプロジェクトはただのHello Worldアプリじゃない。セルフホスト型のプライバシー重視な個人向け財務管理アプリで、将来的にオープンソースにするつもり。126k行のコードに240k行のリグレッションテストと30k行のCI/CDパイプラインを組んでる。会計エンジンと時間管理システムに対して専用マシンで24時間365日ミューテーションテストを回してるし、Regulation Z（米国の銀行法）の基準を満たすように監査専門のエージェントまで動かしてるよ。私が文句を言うとしたら、LLMの過剰に冗長で密なコミュニケーションスタイルとか、エンジニアリングは「引き算」が重要な場面が多いのに、何でもかんでも足し算しようとする癖くらいかな（まあ、それに対するガードレールは構築済みだけど）。

なぜみんな、プロンプトひとつでエージェントが完璧な一発回答をくれると期待するのか不思議だわ。ソフトウェア開発ライフサイクルや設計、アーキテクチャ、テストが存在するのには理由があるんだよ。それは、それがソフトを開発・リリースする上で最も信頼できる方法だからだ。それを無視してエージェントにいい仕事しろなんて無理がある。私はLLMエージェントを、たまたまソフトウェアエンジニアリングの膨大な知識を持ってるジュニア開発者として扱ってる。チームリーダーとして、計画、実装、バグ出しのサイクルを厳格なワークフローで回させてるんだ。これでかなりうまくいってるよ。100万行を超えるJava、TypeScript、C++の大規模プロジェクトをいくつも抱えてるけど、どれも健全そのものだね。コードが最高に美しいとは言えないし、自分ならもっとうまく書けると思う箇所もあるけど、それでも十分すぎるほどだよ。宣伝になっちゃうけど、大規模プロジェクトをワークフローで管理するために自分が作った「kodfactory（https://kodfactory.com ）」も公開に向けて調整中なんだ。

エージェントが実装自体を書いてくれないなんて経験、一度もないな。下手くそなコードを書くことはあるけど、「テストしか書かない」なんてことはない。これは一般化できない特殊なケースじゃないかな。仮に「エージェントがテストを書きすぎる」のが共通の悩みだとして、それが何か問題ある？「テストが多すぎる」なんてエンジニアリングの失敗例とは言えないでしょ。普通、ソフトウェアってテスト不足になりがちだしね。それに、エージェントの強みの多くは自己検証と修正能力にあって、テストループはその一部だよ。誰かに強制されてそのコストを払ってるわけじゃないんだから、テストを書くなと指示すればいいだけの話じゃない？

この記事、自律型エージェントを使ったコーディングに関する私の体験とかなり重なるわ。いくつか実験してみたけど、結果は似たようなものだった。エージェントはトークンを全部使い切る割にほとんど前進しないか、受け入れられないようなゴミを出してくるか。だから結局、ステップバイステップでマイクロマネジメントする方がマシだという結論に至ったよ。時間はかかるけど、結果は自分が求めていたものに遥かに近いものになる。

LLMのおかげで、私が書くよりもずっと質の高い「使い捨てソフト」が作れるようになったよ。エッジケースの処理もしてくれるし、バグも見つけてくれるし、自分じゃ絶対書かないようなテストも書いてくれる。でも、たとえこれで平均的なソフトウェアの質が上がったとしても、この「一発完結型の複雑性」は大規模プロジェクトと同じ問題を抱えてる。コードが増えれば増えるほど、舵取りに時間がかかるようになるんだ。「情けは人のためならず（rising tide lifts all boats）」みたいな考え方は、優れたソフトウェアを今よりもっと希少なものにしてしまうだろうね。明日の『RollerCoaster Tycoon』開発者たちに期待してるよ。

AIで一発で完璧なアプリを作るなんて無理だよ。でも、作ってるものにもよるけど、数日か数週間あれば、かなり複雑で美しい製品レベルのアプリをAIで作ることは間違いなく可能だ。私は今、自分のリンクカタログと「後で読む」アプリ、RSSリーダーを全部AIで作って使ってる。完全に自分の好みにカスタマイズされてるし、自動バックアップ付きでRSSアプリは外部ユーザーも使えてる。ちゃんと動いてるよ。学習は必要だし、専門用語や高度な設計思考、設計手法を知っておく必要はあるけど、コードは一行も書いてないね。

「過剰なまでに能動的」というのが、最先端モデルを表現するのに一番正しい言葉かな。モデルたちは人間のフィードバックに基づいた強化学習で訓練されてる。人間は当然、バグのないものを好むよね。だからこそ、今のモデルはやたら冗長で、狂ったようにテストを連発するんだ。訓練環境ではトークンは事実上タダだったし、回答する人間側は価格なんて意識してない。無料で選べるなら、みんな贅沢な方を選ぶでしょ。ビュッフェで皿から溢れるほど盛り付けて、結局残しちゃうのと同じ。ただAIの場合は、それが自分の財布を焼き払うトークン消費になってるってわけ。