スキルの萎縮とは、あるスキルが練習されなくなり、それを遂行する能力が徐々に低下していくことである。Addy Osmani のエージェント型エンジニアリング用語集は、この用語をソフトウェア開発に当てはめている。AI エージェントが開発者のエラー処理、デバッグ、アーキテクチャ上の判断、アルゴリズムの実装を担うと、その開発者は AI が使えないときに、自分が遅く自信のない状態になっていることに気づくかもしれない。それは能力がもともとなかったからではなく、スキルは鋭さを保つために定期的に使う必要があるからである。用語集は、オートパイロットを多用すると手動操縦の技能が衰えるパイロットや、定期的に手術をしないと精度を失う外科医になぞらえている。
この項目は、これが AI ツールの使用に反対する議論ではないことを明言している。スキルの萎縮は、AI ツールを思慮深く使う理由として提示されている。すなわち、重要なスキルは保ちつつ、人間の労力が最も価値を生まない作業を AI に任せるということである。
用法
エージェント型エンジニアリング において、この懸念は副作用ではなく依存関係として位置づけられている。用語集は、エージェント型エンジニアリングは強固なエンジニアリングの基礎を明示的に必要とすると主張する。なぜなら、コードを深く理解していない人は AI が生成したコードを効果的にレビューできず、技術的な制約を理解していなければ良い仕様は書けず、システムを設計したことのない人はエージェントによる欠陥のあるアーキテクチャ上の判断を見抜けないからである。Osmani はこれをパラドックスとして述べている。AI がコードを書くのが上手くなるほど、エンジニアがコードを深く理解することはより重要になる。人間の役割が書くことから評価することへと移り、評価には書くこと以上に強いスキルが求められるからである。
この項目は 6 つの対抗策を挙げている。意図的な練習とは、AI の方が速い場合でも、重要なタスクや学習のためのタスクについては定期的に手でコードを書くことである。深いレビューとは、AI の出力を流し読みするのではなく、それぞれの判断がなぜなされたのかを理解し、代替案を検討しながら丁寧に読むことである。デバッグのスキルは、壊れたものをそのまま AI に戻したい衝動に抗い、まず自分でデバッグすることで保たれる。この項目は、深い理解が育つのはまさにそこだとしている。教えることと説明することは、一種のテストとして提示されている。AI が生成したコードを同僚に説明できないなら、それは十分に理解されていないということである。バランスの取れた委任とは、ボイラープレート、テスト、ドキュメントといった定型的な作業には AI を使い、アーキテクチャや複雑なロジックの作業は人間の手に残すことである。新しいことを学ぶことは、AI を学習の代替ではなく学習の加速装置として位置づける。AI は開発者が構築できるものを広げるべきであり、開発者が理解しているものを狭めるべきではない。
この懸念は実践者自身の証言にも現れている。Anthropic が自社のエンジニアと研究者を対象に行った調査である AI は Anthropic の仕事をどう変えているか では、一部の回答者が「委任を増やすにつれてスキルが萎縮していく」ことや、問題を手で解いていく過程で得られる付随的な学習を失うことを懸念していた。付随的な学習とは、目の前の問題を直接解決しなくても、ドキュメントやコードを読むことでシステムがどう動くかのモデルが築かれるといったものである。この調査は、これを調査自身が 監督のパラドックス と呼ぶものに結びつけている。Claude を効果的に使うにはそれを監督する必要があり、それを監督するには萎縮しうるコーディングスキルが必要だというものである。調査はまた、これがどれほど重要かについてエンジニアの意見が分かれていたことも記録している。鋭さを保つために意図的に AI なしで練習する人もいれば、AI のおかげで学習が速くなった、失ったのはそれほど重要でないスキルだけだ、失ったスキルは必要になれば戻ってくる、と言って心配していない人もいた。さらにある人は前提そのものに疑問を呈し、コーディングがこれらのツール以前のあり方に戻ることはないと主張した。