Cal Newportは、コーディングにおけるAI駆動のスピードが、優れたエンジニアリングを定義する批判的思考スキルを損なう可能性があると警告しています。開発者は、コードを積極的に理解する代わりに、受動的な認識に陥り、基礎的な理解から乖離するリスクを負います。手作業によるコーディングへの完全な回帰を主張する人もいますが、著者はバランスの取れたアプローチを求めています。この中間的なアプローチには、学習とスキル開発に不可欠な摩擦を意図的に組み込むことが含まれます。スキルの低下は、AI自体を使用することからではなく、内部モデリングプロセスを委任することから起こります。著者は、スキルの低下と、AIが微妙に間違ったコードを生成する可能性を区別します。所有権と理解を維持するために、開発者は複雑なコードパスを再導出し、すべての変更を説明できることを確認する必要があります。AIタスクを明確に定義された問題に絞り込むことは、エンジニアの関与を維持し、圧倒的なコードレビューを防ぐのに役立ちます。Corey Schaferの方法論、例えば詳細なプロンプトと徹底的なコードレビューは、この摩擦を維持するための実践的な方法を提供します。しかし、人間の注意は有限であり、残りのタスクの自動化が必要となります。ここで「設計による正しさ」が重要になり、強力な型付けやコンパイル時アサーションのような厳格なシステムレベルのチェックが採用されます。Rustは、無効な状態を表現不可能にすることで、AIのコンプライアンスを強制するという点でこれを例示しています。Pythonでは、型チェッカーや検証モデルが同様の目的を果たします。最終的に、開発におけるAIの責任ある使用は、判断力を磨くために重要な決定の制御を維持することと、AIの説明責任を確保するための厳格なルールの実装の両方を必要とします。ソフトウェアエンジニアリングは、AIが退屈な側面を自動化する、判断と経験のプロセスであり続けます。重要なのは、最も重要な決定をAIに委任しないことを特定し、真の所有権と堅牢なコードを確保することです。