70% 問題とは、Addy Osmani のエージェント型エンジニアリング用語集での位置づけによれば、AI コーディングツールはタスクのおよそ 70% をカバーする動作する初稿（構造、ボイラープレート、正常系のロジック、定番のパターン）をほぼ即座に安定して生成する一方、残りの 30%（空配列の代わりに null が返るエッジケース、負荷がかかったときにだけ現れる競合状態、見落とされたアクセシビリティ要件、もっともらしく見えるコードの裏に潜むセキュリティ脆弱性、扱いにくい統合箇所）には最初の 70% よりも長い時間がかかり、AI が単独では確実に提供できないエンジニアリング上の判断を必要とする、という観察である。
用法
情報源は、70% 問題をエージェント型エンジニアリングが一つの分野として存在する理由として示している。AI が 100% 全体を確実に届けられるのであれば、その周囲にエンジニアリングの実践は必要ないからである。このギャップを認識すると、エンジニアが時間をどう配分するかが変わり、労力はコードを書くことから、コードのレビュー、テスト、エッジケースへの対処、統合へと移る。これは、ゼロからコードを書くこととは根本的に異なり、おそらくはより難しいスキルだとされる。70% 問題は主に本番向けのコードに当てはまるものとして位置づけられており、AI はプロトタイプには非常に長けていて、そこでは 70% で十分なことが多いとされる。より良いプロンプト、仕様、コンテキストによって AI がカバーする割合を 70% から 80〜85% へと押し上げられるとされるが、ギャップを完全に埋めるには依然として人間のエンジニアリング上の判断が必要だと情報源は述べている。また、70% の地点に到達する方法しか知らないジュニア開発者は、残りの 30% を効率的に埋められるシニアエンジニアよりもチームにとって価値が低い、という位置づけも示している。
関連用語
情報源は、この用語と並べて ヒューマン・イン・ザ・ループ、理解の負債、スキルの萎縮、DefinedTerm/ai-assisted-code-review を関連する用語集・ブログの項目として挙げているが、そのいずれも定義してはいない。