ガバナンスの負債とは、LLM が生成したコードやロジックをソフトウェアシステムに組み込んだときに生じる、長期的な監督の負担である。より速いコード、より深い負債？ LLM 支援ソフトウェア開発における技術的負債とその初期兆候に関する多声的文献レビュー はこれを、LLM が生成したコードへの過度な依存から生じる長期的なリスクであり、ハルシネーションや非決定性といった問題のために継続的な監督を必要とするもの、と定義している。いずれも信頼性を損ない、AI 支援システムを長期にわたって維持するコストを押し上げる。このレビューが最も厄介なケースとして強調しているのは、意味的には正しく見えるが論理的には誤っているコードである。
このレビューは用語の範囲を意図的に狭く定めている。この用語が指すのは、組み込まれた出力に対する監督の負担に限られ、AI・ML モデルそのものの学習や運用におけるガバナンス上の課題は含まない。著者らはこの区別を明示的に行い、このカテゴリを AI/ML システムにおける技術的負債に関する既存の文献と切り分けている。
用法
ガバナンスの負債は、このレビューが調査したグレー文献の中で最も頻繁に論じられている LLM 固有の負債であり、19 件の情報源に登場する。これはレビューが特定した新たなカテゴリの中で最も多い。一方、対象となった正式な（学術的な）情報源には一件も登場しないため、集められた証拠に照らすと、これは学術研究がまだ取り上げていない実務家の関心事ということになる。
高速統合の負債 との関係は、このレビューの説明では単に主題上のものではなく因果的なものである。急速に統合された LLM の出力こそが継続的な監督を必要とするコード群を生み出すため、高速統合は将来さらに多くのガバナンスを必要とさせる要因として説明されている。これがレビューの指摘するドミノ効果であり、品質よりも速度を優先した統合からガバナンスの負債を経て、長期的な保守コストの増大へと至る。
レビューが引用するある数字は、実務家が報告する規模感を示している。International Data Corporation が収集したデータによれば、生成 AI ツールを使う開発者の 70% が、生成されたコードの最大 40% を修正する必要があるという。
適用される場面
この概念が当てはまるのは、生成されたロジックが、誰かが長期にわたって責任を負い続けるシステムに入り込む場合であり、その決定的な特徴は、負担がマージの時点で終わらないことである。根本原因であるハルシネーションと非決定性は、個々の出力ではなくモデルの性質であるため、監督の必要性は一度きりのレビューコストではなく継続的なものとなる。
レビュー対象の文献で報告されている緩和策は、技術的であると同時に組織的なものでもある。継続的な開発者トレーニング、コードベースにおける AI の関与の文書化、短期的な生産性向上よりも長期的な保守性を優先すること、さらにコード品質ツールや多層的なレビュープロセスが挙げられている。
このカテゴリは測定されたものではなく、実務家の情報源から帰納的に導かれたものであり、レビュー自身の結論として、LLM が生成したコードの技術的負債を評価するための標準化されたベンチマーク、データセット、LLM 固有の指標はまだ存在しない。著者らが挙げる今後の研究方向のうち、ガバナンスの負債を差し迫った懸念として特定したことは、ソフトウェアチームにおける AI 導入の社会技術的影響を研究すべきだという彼らの呼びかけの根拠の 1 つとなっている。