AIが「動く」コードを作る時代に、人はどこで判断するのか——Findyの講座に695人

平日の昼休み、わずか1時間のオンラインセミナーに695人が集まりました。
テーマは新しいAIモデルの性能比較でも派手なプロダクト発表でもなく、「AIコーディング時代の設計判断力を鍛える」という、地味にも見えるテーマです。
それでもこれだけの人数が昼休みを削って参加した背景には、多くのエンジニアが漠然と抱えている不安が透けて見えます。

登壇したのは、株式会社ウルフチーフ代表取締役の川島義隆さんです。
SIer（システム開発を請け負う企業）大手のTIS株式会社で20年間アーキテクトとして現場に立ち、2018年に独立。
以来、データモデリングを軸に企業の設計支援や技術者育成に携わってきた人物です。
7月1日、Findy主催のこのオンライン講座で、川島さんは「Decision Quality（意思決定の質）」という枠組みと、16個の設計判断失敗パターンを軸に、AIコーディングエージェント時代に人間が担うべき役割を語りました。

「先輩の背中」が見えなくなった時代の共感

講座には、単なる技術解説を超えた反響がありました。
参加者からは「AIのおかげでコードは早く書けるようになったが、先輩の判断を横で見て学ぶ機会が減った」「暗黙知の伝承が課題になっている」といった声が上がったと伝えられており、講座後に公開されたアーカイブ動画にも反響が続いているようです。

これは特殊な悩みではありません。
これまでの現場では、優れたエンジニアの判断力は設計レビューやOJT（実務を通じた教育）を通じて、いわば「背中を見て」継承されてきました。
ところがAIコーディングエージェントが日常的に使われる「Vibe Coding（AIに大枠を任せて素早く動くものを作る開発スタイル）」の時代には、その継承の場そのものが崩れつつあります。
AIエージェントは代替案やメリット・デメリットを提示できても、自分がいまどの失敗パターンにはまっているかを自覚しない——この指摘こそが、参加者の共感を呼んだ核心だったのではないでしょうか。

Decision Qualityと16の失敗パターン、実際の中身

川島さんが軸に据えた「Decision Quality」は、意思決定コンサルティング企業SDGが体系化したフレームワークで、良い意思決定の条件を「Frame（解くべき問題の枠組み）」「Alternatives（選択肢）」「Information（情報）」「Values（評価基準）」「Sound Reasoning（論理的推論）」「Commitment to Action（実行へのコミット）」の6要素に分解します。
ポイントは、全体の質は一番弱い要素で決まるという考え方で、意思決定そのものの質と、その結果の良し悪しを分けて捉える点にあります。

川島さんによると、設計判断の現場で繰り返し観測される失敗の多くは、この6要素のうち特に「Frame」と「Values」の取り違え、つまり「いま何を優先すべきか」という支配的な判断軸を見誤ることに集約されるといいます。
評価の軸は「目的適合性」「制約適合性」「実現可能性」「品質影響」「時間効果」「リスク・不確実性」「整合性」「合意可能性」の8つに整理され、そこから16の失敗パターンが導かれています。

具体例もわかりやすいものでした。
たとえば「車輪の再発明」は、標準的な認証ライブラリがあるのに独自のトークン認証を一から作ってしまうようなケースです。
「普通これは自作しない」という判断は、AIからは自然には出てきません。
また「牛刀をもって鶏を割く」は、社内30人規模の管理画面をいきなりマイクロサービス4分割で設計するような、過剰なアーキテクチャの採用を指します。
AIは文脈に依存しない「よくあるベストプラクティス」を提案しがちで、規模や運用体制に見合わない構成へ寄りやすいという点は、講座を通じて繰り返し語られた重要な警告でした。
ほかにも、コマンドが通っただけで目的達成と錯覚する「早合点」、変化点が一度も観測されていない段階で抽象化してしまう「早すぎる抽象化」など、AIが生成したコードの見た目の完成度に人間の判断が引きずられる場面が次々と挙げられています。

川島さんはGitHub上でも「evolutionary-naming」などClaude Code向けのスキル（AIエージェントに特定の作業手順を学習させる仕組み）を継続的に公開しており、失敗パターンを見抜く力そのものを鍛えるトレーニング教材も準備を進めていると見られます。
実務知を言語化し、AIエージェントの訓練材料として再利用する取り組みは、今後さらに広がっていきそうです。

さらに深掘りしたい方へ

• AIコーディング時代の設計判断力を鍛える（Findyイベントページ）
• イベント申込ページ（connpass）
• Decision Quality と設計判断失敗パターン（川島義隆さんによる一次資料）

SocialReport編集部の考察

今回のニュースを追う過程で、X（旧Twitter）上に直接関連する投稿がほとんど見つからなかった点が印象的でした。
695人規模の集客がありながら、拡散の起点はX上のバズではなく、Findyの登録者基盤やconnpassの告知だったと考えられます。
これは、SNS担当者が見落としがちな示唆を含んでいます。
エンゲージメントの総量はSNS上の可視データだけでは測れず、ウェビナー参加やアーカイブ視聴のような「閉じたチャネル」に相当量が流れているケースがあるということです。
技術系イベントの効果測定では、インプレッションだけでなく登録者数・視聴継続率といった自社チャネルの指標もあわせて追う設計が欠かせません。

まとめ

AIが「動く」コードを高速に生成できる時代だからこそ、何を優先し、何を捨てるかという設計判断の質が、これまで以上に問われています。
695人が昼休みを費やしてまで耳を傾けた事実そのものが、その危機感の広がりを物語っているのではないでしょうか。