AIエージェント能力アトラス › 仕事ごとの一覧 › ソフトウェア開発 › アーキテクチャ設計・要件定義・レガシー移行

長期保守性を見据えた技術選定・負債管理

Technology selection and debt management for long-term maintainability

0 できない ／ 1 デモ止まり ／ 2 補助 ／ 3 実務品質（要確認） ／ 4 専門家並み ／ 5 専門家超え。「予」は予測。

専門家と比べて

この観点では現状のAI導入はむしろ逆効果（技術的負債を増やす）との報告が複数ある

できること

個別の負債項目（重複コード、複雑度）を検出しスコアリングする

まだできないこと

『今は正しいが3年後に破綻する設計』を見抜く長期的視点、負債を意図的に許容すべき場面の判断

なぜそうなのか

AI導入後にリファクタ活動が60%減少し重複が48%増加、技術的負債が30〜41%増加という報告があり、短期速度と長期保守性の間にトレードオフが生じている

これからの予測の根拠

この領域は技術の進歩よりも組織的なガバナンス（AI利用ルール、レビュー基準）の整備が律速であり、モデル性能が上がっても自動的には改善しないため長期停滞と判断

いま使える主な道具

SonarQube AI、CodeScene

根拠

• AI-Assisted Programming Decreases the Productivity of Experienced Developers by Increasing the Technical Debt and Maintenance Burden 2025-10
  AI支援プログラミングが熟練開発者の生産性を技術的負債・保守負担の増加を通じてむしろ低下させると報告
• Vibe Coding Technical Debt 2026: The 90-Day Reckoning 2026-03
  管理されないAI生成コードは2年目までに保守コストが従来の4倍に達し、8000以上のスタートアップが部分/全面的な再構築を要する（総額4億〜40億ドル）

同じ分野のほかの仕事（アーキテクチャ設計・要件定義・レガシー移行）

• 曖昧な要求からの仕様策定
• システム設計のトレードオフ判断（マイクロサービス vs モノリス等）
• COBOL等レガシー基幹系の大規模移行

AIエージェント能力アトラス 2026（2026-09-06 時点・v1.0）の1マスです。レベルは公開された実験・ベンチマーク・報告から付けた目安で、2027年以降は予測です。全マスに根拠のリンクがあります。作者は個人で、AI（Claude）と一緒に調べて作っています。