#008 「バイブコーディングって何？」を、素人土木屋がディグってみた話【前編】

電源の切り方すらわからなかった、あの頃…

「バイブコーディングをディグる」
たいそうな題名である。

普通、プログラミングとは、設計書を書いて、型を考えて、テストを書いて…みたいに超真面目にやるものとされる。しかし、バイブコーディングは違う。

「いい感じのアプリ作って」
「はい、できました」
「動いた!勝ち!」
「なぜ動いてるのかは誰も知らない」
こんな世界をバイブコーディングと呼ぶらしい。この出会いをきっかけに、ちょっと過去を振り返ってみたい。

私、コードなんて打てないし、HTML？C言語？まったくわからない。
そもそもまず白状しておきたいことがある。私はかつては、パソコンの電源の切り方すらわからない人間だったということ。

当時、シャットダウンという概念を知らず、画面の×ボタンを押せば電源が落ちると本気で思い込んでいた。
それなのに、ミーハーだったため、iMacだけはどうしても欲しくて、バイト代を全部叩いてiMacを買った。届いた箱を開けて、電源を入れて、しばらく画面を眺めて、そして途方に暮れた。
はたまた、バナーの概念がわからず、何のリンクもしてない画像だけをぽつんとデスクトップに置いて満足していたような人間である。
あれは一体何がしたかったのか、今でもよくわからない。笑い話しにもならない。

ミーハーなので、当然ながら、iPhoneにも憧れた。まだ日本に上陸すらしていない頃から、雑誌の向こうの存在として指をくわえて見ていた。ところが、いざ日本発売という段になって、私が選んだのはSONYのXperiaだった。ガラケー勢だった日本人にとって、iPhoneは高かったんですよ。何よりも、奥さんの許しが出なかったんですよ。ただ、私が極度の方向音痴だったから、ガラケーからの脱出自体は比較的早くできた。外出のたびに紙の地図を印刷して持ち歩いていた人間にとって、スマホの地図アプリを開くだけで目的地まで無事にたどり着けることがあまりなも魅力的だったし、驚くべき技術革新以外の何者でもなかった。

そんな、テクノロジーに対してどこまでも不器用だった人間が、なんと今、生成AIに挑もうとしている。そして、今までとちょっと違うのは、ミーハーな近づき方ではないということ。人生というのは本当にわからないものだ。

「文系だから」で片付けたくない理由

いつも自己紹介をすると、こういう情報系やシステム系の話になると、たいてい「文系だからしょうがないですね」という空気になる。私自身、長らくその言い訳を便利に使ってきた自覚すらある。（いや、べつに文系でもできるやつはできてたか…）

けれど今回、生成AIまわりを調べているうちに、その言い訳がもうあまり意味を持たなくなりつつあることに気づいた。
理由は、「バイブコーディング」という言葉に出会ったからだ。この話は後編でじっくりしたいのだが、要するに、コードを書ける人と書けない人を隔てていた壁が、生成AIによってどんどん溶けてきているらしい。
だとすれば、「文系だから」「理系だから」という区分けそのものが、もうそんなに重要ではなくなってくる。

前編では、その手前の話として、まずは基本的な用語から、ゆっくり整理していきたい。

そもそも「AI」って何なのか――匠の技を盗む若手のように

AI(人工知能)というのは、人間の脳がやっている「認識する」「考える」「学ぶ」といった働きを、コンピューターにやらせようとする技術全般を指す、ふわっとした大きな傘のような言葉といえる。その傘の下に、もう少し具体的な仕組みがいくつもぶら下がっているイメージだ。

現場に入ったばかりの若手が、ベテランの型枠大工の手元をじっと見て、何も教わらなくても少しずつコツを盗んでいく、あの光景を思い浮かべてほしい。いわゆる、背中見て盗め、の世界観。マニュアルを読んで覚えるのではなく、大量の「見た目」の積み重ねから、勝手に感覚を掴んでいく。AIがやっていることも、規模はまるで違うけれど、あの若手の学び方に近いのではなかろうか。

そのひとつが「機械学習」。これは、大量のデータの中からパターンや規則性を見つけ出し、人間がいちいち「こういう場合はこうしなさい」と細かくプログラムしなくても、勝手にコツを掴んでいく手法のことだ。コンクリート診断士の卵が、最初はひび割れの写真を100枚、200枚と見せられて、「これは経年劣化」「これは施工不良」と一枚ずつ判断を叩き込まれていくのと、どこか似ている。

そして「深層学習(ディープラーニング)」。この「深層」という文字を見たとき、私は思わず自分の仕事を思い出した。橋の診断をするとき、私たちは表面のひび割れだけを見ているわけではない。そのひびが、どこまで内部の鉄筋に達しているのか、何層も奥を透かして読み解こうとする。深層学習も、表面的な情報だけでなく、人間の脳の神経回路を真似た仕組みを何層も重ねることで、より複雑なパターンまで捉えられるようにしたものらしい。画像を見て「これは猫だ」と判断したり、人の言葉を理解したりするのは、この「層を重ねて読む」仕組みが得意とするところだそうだ。

「生成AI」と「LLM」――言葉を紡ぐ相棒

その中でも、私たちが日々おしゃべりしているChatGPTやClaudeのようなものは「生成AI」と呼ばれる。既存のデータから学んだことをもとに、まったく新しい文章や画像、音声を作り出せるAIのことだ。

そして、その言葉を扱う部分を担っているのが「LLM(大規模言語モデル)」。インターネット上の膨大な文章を読み込んで、「この言葉の次には、どんな言葉が続くと自然か」というパターンを覚え込んだモデルだと理解している。かつて文学部生として、三島由紀夫やニーチェを読み漁っていた頃、私は誰かに「文体とはこういうものだ」と教わったわけではなかった。ただひたすら量を読むうちに、気づけば「らしい言い回し」が体に染み込んでいた。LLMがやっていることも、規模はまるで違うけれど、あの頃の読書経験と、驚くほど近い理屈な気がしている。

ちなみに、AIが文章を読んだり書いたりするとき、実は文章をそのまま扱っているわけではなく、「トークン」という細切れの単位に分解して処理しているらしい。これは、見積書を作るときの「積算」の感覚に近い。橋の補修工事一件をまるごと一つの塊として扱うのではなく、「足場工」「はつり工」「断面修復工」というふうに、細かい工種にいったん分解する。そうやって単位ごとに数字を積み上げていくからこそ、最終的に一件の見積もりとして成立する。
AIも、文章をトークンという細かい工種のような単位に分解してから、また積み上げて言葉を紡いでいるのだと思うと、急に他人事ではなくなってきた。

プロンプト――お願いの仕方ひとつで返事が変わる

AIに何かを頼むときの入力文は「プロンプト」と呼ばれる。これは、AIへのお願いの仕方そのものだ。

これは、現場での指示出しにとてもよく似ている。以前、若手に「あそこ、いい感じにやっておいて」とだけ伝えて現場に送り出したことがあったのだが、案の定、帰ってきたのは「いい感じ」とはほど遠い仕上がりだった。一方で、作業指示書に「どの支間の、どの高さまで、どんな仕上げで」ときちんと書いて渡した現場は、驚くほど狙いどおりに仕上がってくる。
AIへのお願いの仕方も、まったく同じ理屈だった。「何を」「どこまで」「どんな形で」欲しいのかを具体的に伝えるだけで、返ってくる答えの質がまったく変わってくる。

AIが「もっともらしい嘘」をつくとき

生成AIを使っていて、最初にびっくりしたのが「ハルシネーション」という現象だった。これは、AIが事実に基づかない情報を、あたかも本当のことのように自信満々で答えてしまう現象のことだ。まるで幻覚(ハルシネーション)を見ているかのように、もっともらしい嘘を出力することから、この名前がついたらしい。

これは、経験の浅い若手が、自信満々に「これは経年劣化ですね」と言い切ってしまうときの感覚に近い。本人はまったく悪気がなく、むしろ堂々としているからこそ、こちらもつい信じそうになる。けれど実際に断面をはつってみると、原因はまったく別のところにあった、ということがある。頼りになる後輩ほど、実は時々うっかり者だったりする。

これを知ってからは、AIの答えを鵜呑みにせず、「本当にそうかな?」と一呼吸置くようになった。若手の診断を鵜呑みにせず、最後は自分の目で断面を確認する。それと同じ距離感で、AIとも付き合うのがちょうどいいのだと思う。

前編はここまで。後編では、AIに仕事を頼むための「API」、AIと道具をつなぐ「MCP」、そして本題の「バイブコーディング」について書いていく。文系だから、理系だから、という区分けが、この先どう溶けていくのか――ぜひ後編もあわせて読んでほしい。

→ 後編はこちら