このレビューは、バイブコーディング に関する学術的な根拠と実務者の根拠を 1 つのプロトコルのもとにまとめたものである。表明されている動機は、この実践がどのように定義され、行われ、統制されているかについての知見が、査読付き研究、プレプリント、業界レポート、ブログ、ベンダーのドキュメント、動画、実務者の議論に散在しており、既存のレビューはスコープ、根拠のカバー範囲、方法論の透明性のいずれかにおいて限られている、というものである。文書化された検索を伴わないナラティブなものもあれば、査読付き文献のみに依拠するもの、プロセスは文書化しているがグレー文献しか扱わないものもある。著者らの報告によれば、両方の流れを 1 つのプロトコルのもとで統合し、定義、ワークフロー、開発者の役割の変化、成果、リスク、セーフガード、ツールエコシステム、未解決の課題を合わせて統合したレビューはまだなかった。
手法は Garousi らのガイドラインに従った多声的文献レビューで、Goal–Question–Metric パラダイムを用いて 8 つのリサーチクエスチョンを中心に構成されている。クエリの作成は 2 段階で行われた。まず 2025 年 8 月に完全一致のフレーズでシード兼スコーピング検索を行い、31 件の文献を得て、繰り返し現れる同義語を洗い出した。続いて 2025 年 10 月に、データベースとグレー文献のチャネルにわたって洗練された系統的検索を実行した。「AI ペアプログラミング」や「エージェント型コーディング」のような広い用語も検討されたが、はるかに広い文献を拾ってしまうとして、最終的なクエリからは意図的に除外された。スクリーニング、信頼性評価、スノーボーリングを経て 47 件（査読付き 28 件、グレー 19 件）が残り、抽出された各コードはちょうど 1 つのリサーチクエスチョンに割り当てられたため、クエスチョンごとの件数が二重に数えられることはない。
この統合を特徴づける点が 2 つある。1 つは、各リサーチクエスチョンに、強い・中程度・弱い・萌芽的という 4 段階の定性的な根拠の強さの評価が付されていることである。この評価は、寄与した文献の数、その質と信頼性、2 つの流れの間での一貫性を組み合わせたものである。もう 1 つは、すべての文献がすべてのクエスチョンにコード化可能なデータを提供したわけではないため、分母を前提とせずクエスチョンごとに明示していることである。レビューは、2 つの視点からなる概念フレームワークと研究アジェンダで締めくくられている。
要点
- 寄与した 36 件の文献から導かれた 5 つの概念化カテゴリーのうち、最も多い 2 つの捉え方は、社会技術的な開発実践としてのバイブコーディング（69%、25 件）と、自然言語からコードへの開発、あるいはプロンプトベースの開発としてのバイブコーディング（67%、24 件）である。エージェント型あるいは半自律的な開発は 50%（18 件）、コパイロットまたはペアプログラミングとしての捉え方は 19%（7 件）、AI ネイティブな開発環境は 6%（2 件）に現れる。
- 査読付き文献は、自然言語プログラミングやエージェントを介した開発といった確立された研究用語に定義を結びつけることが多いのに対し、グレー文献は、素早い反復、実験、開発者による舵取りを重視する、実践のアイデンティティあるいはワークフローのスタイルとしてバイブコーディングを表現することが多い。
- ワークフローについて寄与した 43 件の文献では、主要なパターンは、中核ループとしての検証・評価パイプライン（72%、31 件）とチャットベースの反復的な開発ループ（63%、27 件）であり、明示的なコンテキストの供給（40%、17 件）、反復・プロンプト・パッチのループ（35%、15 件）、検索またはドキュメントによるグラウンディング（30%、13 件）がこれに続く。著者らはこの根拠を強いと評価し、検証とテストは任意の追加要素ではなくループの内側に位置すると結論づけている。
- 開発者の役割に関する知見は、寄与した 34 件の文献に基づくもので、コードを直接書くことから、モデルの出力を監督・検証・舵取りし、モデルに与えるコンテキストを管理することへの移行である。最も多く報告されている構成概念は信頼の較正と適応的な依存（68%、23 件）で、認知負荷の変化（38%、13 件）、理解の先送りによる 認知的負債（24%、8 件）、フローへの影響（20%、7 件）が続く。
- セッションレベルのダイナミクス ── 勢いの途切れ、収束しないプロンプト・パッチのサイクルの繰り返し、コンテキストウィンドウや状態保持の失敗 ── は、寄与した文献が 9 件しかなく、各現象を報告しているのは 2〜4 件にすぎない。著者らはこの根拠を萌芽的と評価し、確立された知見というよりは、未解決の研究の方向性として読むべきだと述べている。
- 成果については、生産性の向上とプロトタイプ作成までの時間短縮が最も多く報告されており（45%、47 件中 21 件）、コードや UI の品質（36%、17 件）、保守性への影響（23%、11 件）、欠陥リスクとエラーパターン（21%、10 件）、再現性と一貫性（6%、3 件）がこれに続く。著者らはこれを全般的な改善ではなくトレードオフと読み、品質と保守性は開発者の専門性、タスクの複雑さ、検証の実践に左右されるとして、根拠を中程度と評価している。
- 成果に関する主張は対象者とタスクによって異なる。初心者向けの文献では生産性が大半を占める（12 件）一方、熟練者向けの文献では生産性（7 件）、品質（7 件）、欠陥（4 件）がよりバランスよく扱われている。タスク領域の根拠では UI やフロントエンドのタスクが大半を占め、データや機械学習のタスクは 2 件の文献にしか現れない。
- 最も多く報告されている失敗モードは、ハルシネーションや誤った生成である（28%、47 件中 13 件）。残りのモードはわずかな文献に基づくもので、ライセンスと来歴の不確実性（6%、3 件）、累積的なコンテキストの誤りと反復によるドリフト（4%、2 件）、十分な確認を経ない最小限のレビューでのコミット（4%、2 件）がある。著者らは最後のものについて、実務者由来であり査読付き文献による裏付けを欠くと報告している。
- セーフガードに関する 33 件の文献では、検証・テストパイプラインが最も多く推奨されており（88%、29 件）、ヒューマン・イン・ザ・ループ のレビュー（48%、16 件）、サンドボックス化または制約付きの実行環境（15%、5 件）が続く。バイブコーディングを避けるべき場面についての明示的なガイダンスと、来歴の追跡は、それぞれ 1 件の文献にしか現れない。著者らは、検証パイプラインと人間によるレビューは頻繁に提案されているものの、実際の開発現場での効果は十分に検証されていないと指摘している。
- 利用コンテキストは最も手薄なクエスチョンで、寄与した文献は 8 件である。内訳は、プロトタイピングと初期段階の開発（6 件）、本番運用へのデプロイ（2 件）、プライバシーやデータ露出の制約（2 件）、コストや利用上限の制約（1 件）である。著者らはこれを弱いと評価し、この非対称性そのものを知見として扱っている。すなわち、本番へのデプロイと運用上の制約は、査読付き文献の流れにおいて実証的な研究が不足している。
- ツールへの言及（39 件）は、GitHub Copilot（26 件）が最も多く、OpenAI のモデルを含むチャットベースのアシスタント（18 件）、Cursor（14 件、主にグレー文献）、エージェント型フレームワーク（10 件）、Claude（7 件）が続く。著者らはエコシステムを、ノーコード／ローコードのビルダー、デザインからコードへのツール、AI 統合型の開発環境、自律的なエージェント型システムの 4 つのカテゴリーに整理し、これらの件数は比較上の有効性ではなく文献における露出度を示すものだと述べている。
- 寄与した 20 件の文献から得られた未解決の課題は、AI 生成コードによるセキュリティリスク（50%、10 件）が筆頭で、コンテキスト管理の限界（30%、6 件）、標準化された評価フレームワークと長期的なベンチマークの欠如（30%、6 件）、ガバナンスと組織への統合（20%、4 件）、信頼の較正（20%、4 件）が続く。著者らは、研究はワークフローやツールの記述では、長期的な影響の評価よりも速く進んできたと結論づけている。
補足
このレビューの中心的な解釈上の貢献は、バイブコーディングを反復的な制御システム、すなわち開発者が意図を指定し、生成された出力を評価し、観察された振る舞いから次のプロンプトを洗練することを繰り返す、フィードバック駆動のプロセスとして捉えた点にある。著者らは、「制御システム」という言葉を形式的な制御理論のモデルとしてではなく、フィードバック、監視、修正、繰り返しの調整を強調するための概念として用いていると明言している。この読み方では、生成された出力は統合の前に確認、テスト、実行時の検証を必要とする暫定的な提案であり、バイブコーディングは検証作業をなくすというよりも再配分するもの、つまり労力をコードを書くことから生成された出力のレビューと検証へと移すものである。
付随する概念フレームワークには 2 つの視点がある。プロセスの視点は、1 つのセッションを意図・生成・評価・洗練のループとして捉える。構造の視点は、この現象をワークフロー、役割と経験、成果、リスクとガバナンスの 4 つの層に分解し、それらがコンテキスト要因とツールエコシステムの特性によって調整されるものとする。各層は対応するリサーチクエスチョンに根拠を持つ。
著者らは自らのコーパスを、初期段階で提案主導のものと特徴づけている。手法の提案、探索的研究、概念実証の研究が、統制実験、サーベイ、事例研究を上回り、ほぼすべての文献が 2025 年のものであり、40% がグレー文献である。著者らはこれを、実務者の議論が査読付き研究に先行している表れと読んでいる。リサーチクエスチョン間のカバー範囲は不均一であり、知見は確定した結果というよりも初期の兆候として扱うのが適切だと述べている。あるセーフガードのカテゴリーについてグレー文献の根拠がほぼすべて中位のものだったことから、著者らは主要な各カテゴリーを査読付き文献の根拠と照らし合わせ、どれが裏付けられ、どれが実務者由来のままかを報告している。