誇大広告の先へ：「バイブコーディング」のリーダーたちが直面するリテンション危機
Yunhao Jiao
2024年半ばに掲げられた「すべての創業者を開発者に」という約束が現実の壁に当たっています。AIコーディングブームが最初の真の試練を迎えている理由と、これからの展望を解説します。
2024年半ば、「バイブコーディング」は世界中の創業者の想像力をとらえました。Lovable、Bolt、Replitといったプラットフォームは革命的なことを約束しました——アプリのアイデアを普通の言葉で説明するだけで、AIが数分でそれを構築してくれる、と。コーディングの民主化がついに実現したという物語は魅力的で、Lovableは報じられるところによると66億ドルのバリュエーションで資金調達し、競合他社も次々と市場シェアを奪いに走りました。
それから2025年初頭。データは厳しい現実を物語っています。各プラットフォームへのトラフィックは急落し、ユーザーリテンションは低下し、初期の熱狂は残酷な現実に変わりつつあります——プロトタイプを作るのは簡単でも、ビジネスを作るのはそうではない、という事実です。
プロトタイプの壁
根本的な問題は技術そのものではなく、デモの後に起きることです。ユーザーは私が「プロトタイプの壁」と呼ぶものにぶつかります——AIが生成したMVPを、安全でスケーラブルな本番アプリケーションへと進化させなければならない瞬間です。ここで、バイブコーディングの夢は現実と衝突します。
私はこれらのプラットフォームから出発した数十人の創業者と話してきました。パターンは一貫しています——1週目の興奮、3週目頃の不安、そして2か月目には離脱。問題はAIがコードを書けないことではありません。AIが書くコードが長期運用を想定して設計されていないことが問題なのです。
危機を招く3つの要因
1. 経済性がスケールしない
AIコーディングプラットフォームは本質的に「トークン消費型」です。機能追加のリクエスト、反復作業、バグ修正のたびに、GPT-4やClaudeといったモデルへの高コストなAPIコールが発生します。Forbesが最近報じたように、これが高い解約率を生み出しています。
ユーザーにとって、これは痛烈な気づきをもたらします——プロトタイプを月20ドルで構築してくれた「無制限」のコーディングアシスタントが、今では維持するだけで月200ドルかかる。デモ段階でバイブコーディングを魅力的にしていた経済性が、本番環境では一転して負担となるのです。
2. セキュリティとテクニカルデット
AI生成コードには厄介な秘密があります——動くことは動くが、多くの場合はぐちゃぐちゃです。人間の監督なしには、これらのツールは開発者が「スパゲッティコード」と呼ぶものを生み出します——機能はするが脆く、修正が難しく、セキュリティ上の脆弱性に満ちたコードです。
GitHubは最近、重大なセキュリティ上の欠陥を引き起こすコードのパターンが発見されたとして、AI生成プルリクエストのキルスイッチを実装したことで注目を集めました。アプリケーション全体がAI生成で、適切にレビューされていない場合、未知のリスクの上に立つことになります。
問題は時間とともに悪化します。新機能を追加するたびにテクニカルデットが積み重なります。クリーンなMVPとして始まったものが、修正、デバッグ、セキュリティ対応がますます困難になっていきます。最終的に多くの創業者は苦渋の選択を迫られます——不安定な基盤にパッチを当て続けるか、適切なエンジニアリングでゼロから作り直すかです。
3. デモから本番へのギャップ
「自分のマシンでは動く」デモを作ることと、実際のユーザー、実際のデータ、実際のお金を扱う本番アプリケーションを作ることは、根本的に異なります。バイブコーディングプラットフォームは前者には長けていますが、後者には苦戦します。
本番アプリケーションには、堅牢なエラーハンドリング、セキュリティプロトコル、スケーラビリティのアーキテクチャ、保守ワークフローが必要です。既存システムとの統合、規制へのコンプライアンス、エッジケースへの対応も求められます。これらは「バイブ」で生み出せる機能ではありません——意図的なエンジニアリングとテストが必要です。
エージェンティックテスト：欠けていた検証レイヤー
ここから話が面白くなります。コードを生成できるAIの能力は、コードを検証するためにも活用できます。それがエージェンティックテストです。
エージェンティックテストとは、既存の開発ワークフローの上に乗る自律型検証レイヤーと考えてください。バイブコーディングツールや人間の開発者を置き換えるものではなく、面倒で時間がかかるために多くのチームが省略してしまう継続的なQAプロセスを追加するものです。
エージェンティックテストとは何か？
従来の自動テストでは人間がテストスクリプトを書きますが、エージェンティックテストでは、AIエージェントが自律的にアプリケーションを探索し、テストケースを生成し、エッジケースを特定し、明示的な指示なしに機能を検証します。Andrew NgはAI開発パターンに関する最近の議論でこれを強調しました——これらのエージェンティックなワークフローは、反復し、振り返り、改善できる。経験豊富なQAエンジニアの実際の働き方を模しているのです。
エージェントは事前定義されたテストを実行するだけでなく、能動的に探索します——「ここに特殊文字を入力したらどうなるか？予期しない順序でボタンをクリックしたら？このフォームは適切に検証されるか？この認証フローにセキュリティ上の脆弱性はないか？」AIコーダーも人間の創業者も確認しようとしなかった問題を発見します。これはテスト駆動開発の哲学を反映しており、本番環境のバグを40〜90%削減することが実証されていますが、手動のオーバーヘッドは不要です。
真の力は組み合わせにあります——AIが10倍の速度でコードを生成し、自律的な検証が本番環境で表面化するはずだった問題を捕捉するのです。
今後の展望
バイブコーディングの危機はAIの失敗ではなく、成熟のマイルストーンです。第一波は素早くコードを生成することでした。第二波は、実際にビジネスを動かせる信頼性の高いコードを生成することになるでしょう。
開発の民主化という約束はいまだ現実です。しかし、それにはコードを生成するだけでは足りません——コードが安全で、保守可能で、本番対応であることを保証する自律型システムが必要です。それが2026年に業界が直面する課題であり、AI支援開発の次のフェーズを定義する機会です。
朗報があります。技術はすでに存在しています。あとは、品質を伴わないスピードは本当の意味でのスピードではない——それは技術的負債を仮装させたものに過ぎない——とビルダーたちが認識するかどうかの問題です。
Forbesで詳細を読む。