このプレプリントは、バイブコーディング と 仕様駆動開発 を AI 支援による実践の 2 つの典型として対置し、そのどちらがエンタープライズ水準のソフトウェアを担いうるかを問う。方法はデザインサイエンスであり、設計された成果物である 仕様ガバナンス参照モデル を、体系的に検証された証拠のコーパスから構築し、外部の品質標準に照らした根拠ある議論によって評価する。新たな実験データは収集していない。コーパスは、LLM ベースのソフトウェアエンジニアリングに関する体系的レビュー、2 つの実践の基礎となる論考の引用グラフ、そして AI 支援開発の品質に関する実証研究を対象とした絞り込み検索から集められた。候補となる参考文献はすべて、採用前に一次情報源と照合して検証され、検証可能な出典のない主張は誰かに帰属させるのではなく除外された。論文によれば、こうして得られたコーパスは、統制実験、ユーザー調査、グレー文献のレビュー、ベンチマーク研究、エンタープライズの事例研究、方法論的論考、標準、基礎的著作にわたる 44 件の検証済み情報源からなる。
論文は 3 つの研究課題を軸に構成されている。第一に、検証可能な証拠は、統制されていない対話的生成のどのような失敗モードを、エンタープライズの品質特性との関係で特定しているか。第二に、仕様ガバナンスはどのような形式的な仕組みによってそれらの失敗モードに対処し、それらの仕組みをツールに依存しない参照モデルにどう統合できるか。第三に、公表された証拠は、AI ネイティブなエンタープライズ・ソフトウェアエンジニアリングの基盤としての仕様駆動開発をどの程度、どのような境界条件のもとで支持しているか。失敗モードは、少なくとも 2 件の独立した検証済み情報源によって裏付けられた場合にのみ採用され、反証となる証拠は破棄されずに記録された。
論文が表明する立場は、絶対的なものではなく意図的に条件付きのものである。バイブコーディングは、アイデア出し、プロトタイピング、学習、アクセシビリティのための正当で価値ある手段として肯定され、仕様ガバナンスには、より単純な文脈では見合わない作成・保守のコストがかかるとされる。擁護される主張はより限定的である。すなわち、テスト容易性、スケーラビリティ、セキュリティ、保守性、トレーサビリティ、規制遵守といったエンタープライズ水準の品質特性が求められる場面では、仕様ガバナンスこそが確率的な生成器からそれらを得るための仕組みである、というものである。
要点
- 統制されていない生成に繰り返し現れる 4 つの失敗モードが特定され、それぞれが因果的な仕組みにまで遡られている。生産性と信頼性のパラドックス、局所的なモデルコンテキストに起因するアーキテクチャの侵食、セキュリティ上の露出、技術的負債の蓄積である。「統制されていない」という語は厳密に用いられており、AI 支援そのものではなく、受け入れが明示的な契約に照らした検証ではなく振る舞いの観察的なサンプリングによって決まる実践に対して用いられる。
- 4 つの失敗モードは 1 つの因果構造を共有していると論じられる。局所的なコンテキストを最適化する確率的な生成器が、エンタープライズが求める品質特性よりも厳密に弱い受け入れ基準、すなわち観察された振る舞いと結びついているという構造である。
- 仕様は、4 つの構成要素からなる機械可読なタプルとして形式化される。機能的義務（事前条件・事後条件・不変条件を伴うインターフェースシグネチャ、受け入れシナリオ、振る舞いの例）、品質制約（ISO/IEC 25010 の品質特性に対する測定可能なしきい値）、憲法的制約（交渉の余地のないセキュリティ・プライバシー・規制上のルール）、アーキテクチャ構造（モジュール境界、境界づけられたコンテキスト、インターフェース契約、依存関係のルール）である。
- 生成器は仕様とコンテキストから実装成果物への確率的な関数として、検証器は静的解析と憲法的分析、仕様から導出したテスト、契約と証明義務、アーキテクチャ適合性に分解される決定論的かつ決定可能な手続きとして定義される。プロセスが仕様によって統制されていると言えるのは、統合されるすべての成果物が現在の仕様の受け入れ集合に属し、かつ意図された振る舞いの変更がすべて仕様の変更によって開始される場合に限られる。
- 論文は、この語彙によってバイブコーディングとの対比が厳密になると論じる。バイブコーディングでは仕様は潜在的であり、作業記憶と会話履歴に分散した暗黙の意図としてしか存在しない。そのため受け入れ集合は定義されず、受け入れは観察的なサンプリングへと退化する。これはその集合への所属よりも厳密に弱い基準である。
- 実務者の文献から取られた 3 つの厳密さの段階、すなわちスペックファースト、スペックアンカード、スペック・アズ・ソースは、仕様と実装の組に対する段階的に強くなるプロセス不変条件として述べ直される。論文はこれらを美徳の序列ではなく、コストを伴う設計空間として示しており、一段進むごとに、より高い作成コストとツールコストと引き換えにより強い保証が得られる。
- 参照モデルは、仕様、生成、検証、ガバナンスの 4 つの層で構成され、それらをトレーサビリティの背骨が貫く。運用上の中核は棄却サンプリングのループとして述べられており、検証器の診断情報が修正のためのコンテキストとしてフィードバックされ、予算を使い果たした場合は基準を黙って引き下げるのではなく人間によるガバナンスへとエスカレーションされる。
- 6 つの反証可能な設計命題がモデルの実証的なコミットメントを述べており、決定論の境界、セッションやモデルバージョンをまたいだ再現性、構成による検証、アーキテクチャの完全性、保守の経済性、プロセスの副産物としてのトレーサビリティを扱う。
- ISO/IEC 25010 のすべての製品品質特性が、統制されていない生成のもとで記録されたリスク、それに対処するための仕組み、その仕組みに関わる証拠と対応づけられている。論文は、仕様が義務の系統ごとに構成要素を持つため、標準の各特性には、それを要求するための決められた場所と、それを確認するための決められた検証器の構成要素があると指摘している。
- 証拠は成熟度によって明示的に 3 段階に重み付けされている。再現された実験的知見（AI 支援による生産性への効果、レビューされていない生成のセキュリティリスク）、再現を待つ単一の厳密な研究（正しさのギャップ、実務者が感じる信頼性の低さ、保守性に関する差のない結果）、そして再現されていない事例証拠である。最後の段階に、論文は仕様を支持する最も目を引く定量的結果を置いている。憲法的制約のもとでセキュリティ欠陥が 73% 減少したという報告と、ある金融機関の単一の事例研究から得られたエンタープライズのデリバリー倍率である。著者は、論証の重みをこれらに置いてはいないと述べている。
- 反証となる結果は破棄されずに記録されている。ある事前登録された統制実験では、AI アシスタントと共同開発されたコードを後から新しい開発者が発展させた場合に、コードレベルでの保守性の系統的な不利は検出されなかった。論文による調停、すなわち調整変数は AI の存在ではなくガバナンスであるという説明は、直接検証された知見ではなく、両方のデータセットと整合する仮説とされている。
- 境界条件は表にまとめられている。アイデア出し、プロトタイピング、学習、MVP の組み立てには対話的生成、単体のユーティリティや短命なツールにはスペックファースト、継続的に進化する複数開発者のプロダクトにはスペックアンカード、そしてエンタープライズ、規制対象、あるいはセーフティクリティカルなシステムには憲法的制約を伴うスペックアンカードからスペック・アズ・ソースまで、である。
補足
論文は仕様駆動開発を、LLM 時代の発明ではなく、4 つの成熟した伝統の適応として位置づけている。プログラム合成、モデル駆動エンジニアリング、契約による設計、要求の経済学である。特にそのうちの 2 つの統合としてこの実践を読み解いており、言語モデルの流暢さと仕様の厳密さを結びつけるものだとする。仕様駆動の手法は歴史的に、まさにモデルがもたらすスケーラビリティと表現力の点で苦戦してきたというのがその論拠である。
妥当性への脅威の節では、構成概念妥当性、内的妥当性、外的妥当性、コーパスの信頼性という 4 つの限界が挙げられている。中心となる構成概念は新しく議論の余地があるため、論文はそれぞれを公表された定義に結びつけ、評価が曖昧にならないよう仕様ガバナンスを形式化している。評価は分析的なものであり、論文中の因果的な主張はいずれも、そのために行われた実験によって検証されてはいない。挙げられている最も鋭い内的な脅威は、調整変数に関する推論である。コーパスは特定の設定に偏っている。範囲の限られたタスクでの統制実験、シナリオ群に対するセキュリティベンチマーク、規制下にある 1 つの金融企業、そして 1 つの銀行マイクロサービスの事例である。そのため一般化は、もっともらしいが確立されてはいないとされる。コーパスの信頼性については、論証を支えるいくつかの情報源が査読中のプレプリントであることを認め、その影響を抑える 2 つの規律を挙げている。採用前にすべての参考文献を一次情報源と照合すること、そして再現されていない結果が論証を担わないようにする証拠の成熟度による重み付けである。研究課題としては、調整変数の切り分けを最も価値のある次の実験として挙げ、あわせて事例結果の再現、人間が作成でき、機械で検証でき、かつモデルが読み取れる仕様言語の設計、そしてこの分野がコードについて持っているものに匹敵する仕様作成の労力の測定手段を挙げている。