Human-AI協働パターン
概要
Human-AI協調開発には、効果的な協働パターン（繰り返し使える問題解決アプローチ）が存在します。このページでは、実践で有効なパターンと避けるべきアンチパターンを解説します。
推奨される協働パターン
パターン1: 段階的精緻化（Iterative Refinement）
基本パターン概要：大きなタスクを小さなステップに分割し、各ステップでAIと協調しながら段階的に完成させる。
ポイント：
- 一度に大量のコードを生成させない
- 各ステップで動作確認・レビューを行う
- 問題があれば早期に修正指示を出す
パターン2: コンテキスト提供型（Context Engineering）
重要パターン概要：AIに十分なコンテキスト（背景情報、制約、既存コード）を提供してから生成を依頼する。
提供すべきコンテキスト：
- プロジェクトの目的・背景
- 使用技術・フレームワーク・バージョン
- コーディング規約・命名規則
- 関連する既存コード
- 制約条件（パフォーマンス、セキュリティ等）
Karpathyの定義：
"Context Engineering: the delicate art and science of filling the context window with just the right information for the next step"
パターン3: レビュー駆動開発（Review-Driven Development）
品質パターン概要：AIが生成したコードを必ずレビューし、理解・修正してから採用する。
Simon Willisonの基準：「AIが全行を書いても、レビュー・テスト・理解すればVibe Codingではない」
パターン4: テスト先行型（Test-First with AI）
品質パターン概要：先にテストコードを（人間が）設計し、それを満たす実装をAIに生成させる。
パターン5: ペアプログラミング型（AI as Pair）
協調パターン概要：人間が主導しながら、AIをペアプログラミングのパートナーとして活用する。
活用例：
- 「このアプローチの問題点を指摘して」
- 「この設計の代替案を3つ提案して」
- 「このコードをリファクタリングする方法を説明して」
- 「このエラーの原因を分析して」
避けるべきアンチパターン
❌ アンチパターン1: 丸投げ（Blind Delegation）
問題：「○○を作って」と曖昧に依頼し、生成されたコードをそのまま使用する。
リスク：要件との乖離、セキュリティ脆弱性、保守困難なコード
対策：具体的な要件を提示し、生成コードは必ずレビューする
❌ アンチパターン2: エラー丸投げ（Error Forwarding）
問題：エラーメッセージをそのままAIに渡して「直して」と依頼し、原因を理解しない。
リスク：根本原因の未解決、さらなる複雑化、学習機会の喪失
対策：まず自分でエラーを分析し、AIには具体的な質問をする
❌ アンチパターン3: コンテキスト不足（Context Starvation）
問題：プロジェクトの背景や制約を伝えずにコード生成を依頼する。
リスク：既存コードとの不整合、規約違反、再利用困難
対策：関連コード、規約、制約を明示的に提供する（Context Engineering）
❌ アンチパターン4: 一括生成（Big Bang Generation）
問題：大規模な機能を一度に生成させる。
リスク：レビュー困難、バグの混入、修正の複雑化
対策：段階的精緻化パターンを適用し、小さな単位で生成・検証
パターン選択ガイド
| 状況 | 推奨パターン |
|---|---|
| 新機能の実装 | 段階的精緻化 + コンテキスト提供型 |
| 既存コードの修正 | コンテキスト提供型 + レビュー駆動開発 |
| バグ修正 | ペアプログラミング型 + テスト先行型 |
| リファクタリング | テスト先行型 + 段階的精緻化 |
| 設計検討 | ペアプログラミング型 |
| 本番環境向けコード | すべてのパターン + レビュー駆動開発（必須） |
参考文献
- MIT Technology Review "From vibe coding to context engineering" (Nov 2025)
- Thoughtworks Technology Radar Vol.32
- IEEE Software - AI-assisted development patterns (2025)