来歴の負債（provenance debt）は、所有権の負債（ownership debt）とも呼ばれ、AI が生成したコードにおいて所有権が不明確なまま、あるいは帰属表示が欠けたまま積み重なっていくことを指し、法的な課題や説明責任上の課題を生む。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、これを自らが依拠する確立された技術的負債の分類体系の外側にある、LLM 特有の 6 つの負債カテゴリーの 1 つと位置づけ、その中で最も論じられていないものとしている。104 件を対象としたレビューのうち、該当するのはフォーマルな情報源 1 件とグレーな情報源 1 件にすぎない。
このレビューは、このカテゴリーが何を対象とするかを厳密に定めている。関心の対象はモデルの所有権やデータセットのガバナンスではなく、生成されたソフトウェア成果物そのものが、より大きなシステムの一部となった後のトレーサビリティ、帰属、ライセンスである。
用法
このレビューが依拠するグレー文献の情報源は、AI ツールの利用によってコードのクローンがより一般的になるにつれ、LLM が生成したロジックに対する責任と所有権が不明確になっていくという問題として捉えている。フォーマルな情報源は、LLM が生成したコードにその出典へのリンクや引用が含まれているかを調べ、そうしたツールには明確な帰属表示が欠けていることが多いと結論づけている。この用語はその研究に由来するものであり、この結論はコードの所有権とライセンスについての問いを提起する。
レビューは、このテーマがより伝統的な形態の負債と比べてまだ十分に探究されていないと指摘しており、レビュー自身の情報源の件数もそれを裏付けている。
これに関連するツールは、レビューが扱う証拠の周縁部に現れ始めている。GitHub Copilot は、安全でない出力や偏った出力のフラグ付けとともに、参照の引用を含む責任ある AI の機能を段階的に導入していると説明されており、レビューはこれを、生成以外の追加機能を提供する AI コーディングアシスタントの 1 つに挙げている。
適用される場面
来歴の負債は、生成されたコードがその出所の記録なしにコードベースに入り込む場所ならどこでも蓄積し、そのコストは特有の形で先送りされる。保守上の摩擦として表面化するコードの負債とは異なり、来歴の負債は、あるロジックについて誰が責任を負うのか、あるいはどのような条件で配布してよいのかを確定させる必要が生じた時点で、法的な問いや説明責任の問いとして表面化する。
レビューが挙げる実務者向けの緩和策は、安全策としての来歴レビュー、すなわちコードがどこから来たのかを問うことであり、ガバナンスチェックや体系的なプロンプトの文書化と並んで挙げられている。これらは帰属の問題そのものに対する解決策としてではなく、長期的なリスクを減らす方法として提示されている。
このカテゴリーは、このレビューの中では非常に乏しい証拠に基づいており、著者らはこれを確定した知見としてではなく、注意を要する領域として提示している。レビューが引用する関連するフォーマルな情報源は説明責任をより広く扱っており、倫理的負債を AI 支援開発において未解決の倫理的リスクが蓄積したものと説明し、開発者、AI システム、組織にまたがる説明責任のマッピングを、今後の研究でより注意を払うべきものとして強調している。