ギャンブルみたいじゃなくて、実際にギャンブルだよ。ドルをチップ（トークン、カジノによってはチップをトークンって呼ぶところもある）に交換して、機械に入れて賞品を得るチャンスを得るんだ。レバーを引いてもうまくいかないかもしれないけど、2回目はうまくいくかもしれないし、そうじゃないかもしれない。どちらにしても、ハウスが勝つ。これはギャンブルとして規制されるべきだよ、だってそうなんだから。メタファーなんてない、スロットマシンと違うのはAIが現金を直接出力することはないってことだけで、ただお金を生む可能性のある出力をするだけ。だから、最初のギャンブルで運が良ければ、次のチャンスを与えてくれるんだ。ギャンブルは続くよ。

でも、何にでも同じことが言えるよね？スタートアップ、結婚、子供。解雇されたコーダーたちは、うまくいかなかったキャリアに賭けてたんだ。人生にもっと確実性が欲しいなら、政治に関わらなきゃいけない。たとえそうしても、未来がどうなるかなんて保証はない。社会は30年後、100年後に崩壊するかもしれない…これはすべて、前の世代の物語に基づく幻想を満たすためのロールプレイに過ぎない。

イメージジェネレーターに自分の思い通りにやらせようとするのは、まるで「ギャンブル」みたいな感じだよね。特に、ヌードみたいに明確に生成しないって言われてるものを生成させようとすると、ハッキングしてる気分になる。

まあ、記事にはそれが精度を下げるって書いてあるね。そういう問題にしょっちゅう直面するの？

一方、Geminiは超防御的なコーディングをする傾向があるね。絶対に起こらないような状況でも、すべてのエッジケースを個別にチェックするし、もし起こったとしてもNOPだし。

アンドレイ・カルパティの元ツイートで気になったのは、「雰囲気に身を任せて」って言ってたことで、これが結果にも当てはまるのかなって思った。

同意するよ、最近Cursorを使ってReactアプリを作ってるから、最初の主張についてよく考えてる。フロントエンド開発ではフィードバックループがかなり短縮されるから、より一般的だと思う。ポジティブなフィードバックを多くもらうほど、コードを書くときにそれを使うことに慣れてくるんだ。ここにはもう一つの逆説的なインセンティブがあると思う - 組織は機能や製品を早く生産したいと思っていて、LLMがそれを助けるけど、長期的には開発者の認知能力やスキルが低下するリスクがあるんだ。使わないことでそれを失ってしまうからね。

プロセスに対するコントロールがどれだけ少ないかを本当に捉えている一方で、コントロールの幻想を持っている。これは実際、人生についての大きな洞察で、いくつかの東洋の哲学では、私たちはそれに到達することが求められている。私たちはコントロールの幻想を愛しているけど、実際にはそれを持っていない。人生はほとんど、私たちが経験するように展開されていくものだ。

でも、ギャンブルと同じように、正しいやり方もあるよね。確かに、スロットマシンにコインを突っ込んでトランス状態になってるおばあちゃんもいるけど、ブラックジャックをプレイして平均を上回る人たちもいる。どうやってプレイするかを知っていたり、デッキに「感覚」を持っていたり（カードを数えることも…）、最も重要なのはいつ降りるか、立ち去るかを知っていること。同じように、LLMを使うにはコンテキストサイズやプロンプトを理解する必要があるし、モデルが自分の尻尾を追いかけているだけなのか、ユーザーを喜ばせるために「解決策」を強引に作ろうとしているのかを見極める感覚が必要だよ。

まだ歪んだインセンティブはないと思う。今はお金を燃やして、赤字で運営する時代だから。防壁はなく、トークンあたりの質と価格だけで、リーダーはすぐに移動する。あと、著者は無制限の遅いリクエストで20ドルのCursorを検討すべきだと思う。ゴミを吐き出すときにトークンごとに支払うのは痛いだろうし、十分なコンテキストを提供したと思っても、実際には足りなかったりする。捨てられたコードやプロンプトの行数をカウントするプラグインを誰か作る必要があるね。

最近の「広範なイベント」がログやメトリクスに取って代わるトレンドが好きなんだ…ギガバイト単位で課金する会社が先導して広めてるよね。

自分でソフトウェアやモデルを動かすと、インセンティブが合うんだよね。電力を少なく使ったり、メモリを少なく使ったり、ディスクを少なく使ったり。でも、うちのチームの時間はめっちゃ貴重なんだ。ほんとにほんとに貴重。あ、他の人を雇う余裕もないしね。でも、やっぱり私たちの時間は超貴重。これらのツールが必要なんだよ！

あなたが言ってるのは、バイブコーディングの「正しい」やり方だね。バイブコーディングの問題の多くは、ユーザーが使っている技術の能力を誤解していることから来てる。彼らは現在のシステムの能力を過大評価していて、実質的に魔法が起こることを期待してる。適切なガイダンスやコンテキスト、価値のある情報をコーディングIDEに提供していないんだ。2030年代の考え方を2025年のシステムに適用しようとしてるけど、まだそこには至ってないよ。できるだけ多くのガイダンスとコンテキストを提供すれば、もっと良い体験ができるよ。

何か見落としてるのかな？使い方が間違ってる？その話がもっと理解できるのは、ほとんどの開発者が主にCRUDウェブアプリやアドウェアを書いてることを思い出すときだね。これは基本的に解決済みの問題だから。

おそらく、コーディングに費やす時間の80%は、先月読んでないコードファイルの中にいる。理解する前にコードのセクションを30秒以上読む必要があるなら、AIに説明してもらう。大体、1〜15分かかるような複雑さのコードをうまく説明してくれるけど、もっと複雑な質問にはうまく答えられないし、複雑なコードを理解するのも苦手。僕にとってはまあまあ役立つツールだと思う。最も使いこなしているのは、僕が10分で読むコードを1時間以上かかる人たちだと思う。つまり、経験が少ない人たちが最も価値を得ているってことだね。

昨日、Cursorを試してみて、初めての（意図的に非常に怠惰な）バイブコーディングアプローチをやってみたんだ（シンプルなthreejsプロジェクト）。タスクを受け入れて、いろいろやってみたけど、失敗して、またやってみて、また失敗して、結局はダメだった。魔法の呪文をちょっといじって、うまくいくまで頑張ることもできるけど、正直、あまりハマらなかった。LLMは、分解された孤立したサブタスクには価値を感じるけど、LLMに聞く方がググるより早いからね。私にとって、AIが本当に役立つのは、自分の複雑なコードベースをスキャンして統合できるようになったときだと思う。そうすれば、そこで動く解決策を提供してくれて、APIポイントを妄想したり、互換性のないライブラリのバージョンを行き来したりしなくて済むから（これが私の主な問題）。

使った経験は良かったけど、注意点としては、Gemini Pro 2.5だけが役に立って、しかも「スポット」タスクにしか使えなかったって感じ。通常は、ちょっと面倒なことをやるためにCLIツールやスクリプトを作るのに使ってる。Teamsのミーティング中に、RoslynコンパイラSDKを使って、コードベースから非常に繰り返しのパターンを取り除くCLIツールを作ったこともある。あるOCDな人が同じ無駄なことを何千回も繰り返してたんだ。ツールは数秒でそのゴチャゴチャを片付けてくれたよ。

ここで最初に聞くべき最も重要な質問は、コーディングエージェントを使ってるかどうかだね。LLMを使ったコーディングであまり成果が出ていない人は、ClaudeやGPTにコードスニペットを求めて、それを自分で貼り付けてビルドしてることが多い（あるいは、エディタでLLM拡張のオートコンプリートを使ってる）。真剣にLLMを使っているほとんどの人はエージェントを使っていて、つまりLLMがファイルを作成したり、リントしたり、コンパイルしたり、問題を見つけたら反復したりしてる。LLMをうまく使うにはもっといろいろあるけど、これが基本的な部分だね。

プロトタイピングには非常に役立つと思う。これらのツールはすぐに複雑さの限界に達して、質の低いコードを出力するけど、グリーンフィールドのプロトタイプにはそれで十分だ。AIコーディングツールを使って新しいライブラリをテストしたり、迅速に探索したりすることができて、その動作する例を手動で修正して、自分のコーディング基準に合わせることができる。クリーンなカプセル化でより良く機能するから、手動でコードをクリーンアップするサイクルを行うことでコーディングツールの寿命を延ばすこともできるし、一度に一つのスコープのコンポーネントに取り組むことができる。アイデアを試したり、より早く学んだりするのには素晴らしいけど、私の目標は自分でプロトタイピングしている技術をよりよく理解することだから、プロダクション品質のコードを出力させようとは思っていない。LLMが適切な型安全なコンパイル、リント、テスト、カプセル化、コードレビューなどを持つしっかりしたアーキテクチャのプロダクションコードベースで動作できる未来があると思うけど、監視や品質管理、修正がないとすぐにコードベースが劣化しちゃうから、かなり厳しく管理する必要があるね。

これまで試すたびに同じ問題が発生してる。普段扱ってるコードは組み込みC/C++で、社内ライブラリを使ってるから、ツールがあまり役に立たないんだ。存在しないインターフェースを生成しようとしたり、手で書くよりも悪いコードを生成したりする。正確性が求められるし、コードを説明できることも重要だから、そういうツールの使用は説明の妨げにもなる。自分で全部書くまで手取り足取りしないといけないし。関数のドキュメント生成もあまり役に立たないし、生成されたコメントは全然洞察を与えてくれない。価値のあるものを生成するために書かなきゃいけない量は、自分でドキュメントコメントを書くよりも大変だし。個人プロジェクトのzigでは、完全に消えちゃったり、ひどいコードを生成されたりする（私のコードはそんなに悪くないのに！）。ここには中間地点がないみたい。ペアプログラマーとしてツールを使ってみたこともあるけど、しばしば迷ったり、すでに言ったことを繰り返すループにはまったりする（おそらくコンテキストウィンドウから外れちゃう）。他の人がそういうツールを使っているときは、思考するために使うのをやめるように頼まないといけない。そうしないと、私が言ったことをLLMに渡したり、作業をさせようとしたりするから、教えたりメンターしたりするのがほぼ不可能になる。数学やプログラミングのデバッグには自信があるけど、LLMが間に入ると、どこで間違ったのか、どうやって正しい道に戻すのかを推測するのが不可能になる。思考プロセスが失われちゃうから（そもそもなかったかもしれないし）。これは「バイブコーディング」でもないし、日常的にどんなタスクでも使うには十分に役立つとは思えない。私がphindを使う主な理由は、検索クエリをうまく操作できないときにqwantの代わりに使うためで、LLMの出力は無視して、参考文献だけを見ることが多い。

ここで気持ちを表明してくれてありがとう。前の職場では生産性向上のためにAIツールを試すように言われて、あなたが言ってるようなシナリオに似た状況に直面してた。生産性向上が期待できる部分は改善が見られなかった一方で、スピードアップがあった部分はそれほど重要なミッションではなかった。でも、AIが時々「ファジー」検索をしてくれるのは本当に助かった。例えば、ある機能の口語的な呼び方がソースコードの命名規則と合わないこともある。AIはコミットメッセージやレビュー情報の関連性を見つけてくれて、git-blameを探す時間を節約してくれた。ただ、そういう問題は必ずしもボトルネックではなく、同僚にSlackで聞けばもっと安く解決できることが多かった。

「グルーコード」や、本当に面倒なプロセスを自動化するための内部アプリには信じられないほど役立つ。ただ、通常はそういうツールを開発するのにかかる時間が積み重なって、コアな作業から時間を奪ってしまう。例えば、2つの3Dアプリケーション間で微妙に異なる実装のために、うまく動作しないファイルを扱うとき。ファイルが正しく動作するようにパッチを当てるPythonスクリプトを頼むと、問題を説明するだけでほぼ瞬時にできる。プロトタイピングにも役立つ。美しいコードベースを作るのに1ヶ月かける前に、まず何かを立ち上げて、時間をかける価値があるかどうかを評価できるようにする。アイデアに実現可能性があるかどうかを確認するためにね。プログラミングの問題の90%はラバーダッキーで解決できるし、これもまた貴重な領域だよ。AIが正しくなくても、LLMと話すことで解決策が見えてくることが多い。

彼らは生産性を上げているわけじゃない。短期的にはね。外国のコードやベースを学ぶのに役立つ便利なツールではあるけど、面倒なブロッカーにぶつかったときに助けてくれるんだ。通常は何時間もかかる問題や、別の視点が必要な時にね。彼らは意見を聞く場を提供してくれて、質問をしたり、コードについてもっと考えたりする手助けをしてくれる。ここで大事なのは「もし」だよ。「もし」ちゃんと読む気があればね。危険なのは、何も理解せずにただクリックして再プロンプトして、何かが動くまで続ける人たちだ。そういう人たちは、何が起こっているのか、どう動いているのか全く分かっていない。これがAIコードエディタの最大の問題になるだろうね。人々が「イエスに運転させる」状態になってしまって、その過程でツールの非効率的な使い方がスループットを遅くし、高い請求書につながるんだ。AIはトークンごとにかなりのコストがかかるし、それはどんどん上がっていく。確かに中毒性があると思うし、「生産性の向上」というのは人々が感じるものだけど、誰も測ってないよね。測るのは難しいし。でも、もし1時間問題にハマるのと3日かかるのを比べたら、確かに生産性は上がったって言えるよね。その特定のシナリオではね。平均すると？誰にも分からない。彼らは便利なツールだけど、誤解されていることも多いし、多くの人が理解するための時間を取るのが面倒くさいんだ。見出しや根拠のない主張を読んで、ハイプやFOMOに圧倒されちゃう。だから、こうなっちゃった。別のテックバブルだね。実際、スーパーバブルだよ。ツールが長く私たちと共にいるわけじゃないとか、役に立たないわけじゃないんだ。ただ、今は過大評価されすぎてるってことだね。