概要
AIにコードを生成させた後、設計意図や代替案、失敗条件を繰り返し質問することで、人間の学習効果を高めつつAIの潜在的ミスを防ぐ開発プロセス。
詳細内容
コーディングエージェントの普及に伴い、内容を理解せずに「動くから良い」と判断してしまう「認知的降伏」が懸念されています。本稿では、Anthropicの研究などを引用し、AIに全てを任せるのではなく「生成（Generation）した後に理解（Comprehension）」するステップを組み込む重要性を説いています。
主な内容は以下の通りです：
- **学習効果の最適化**: AIに丸投げする「AI Delegation」よりも、生成されたコードに対して「なぜ？」「欠点は？」と深掘りする方が、人間のコード理解度を有意に高めます。
- **AI側の自己修正（Self-Debugging）**: AIに説明を求めるプロセスは、AI自身が実装の矛盾や不要な設計に気づく「ラバーダック・デバッグ」として機能し、正答率の向上に寄与します。
- **効果的な質問技術**: 単なるコードの要約ではなく、「なぜQ（代替案）ではなくPを選んだのか」という対比的説明や、境界値での挙動予測、失敗条件の提示、独立した役割でのレビューを求めることが有効です。
最終的に人間側が理解した内容をAIに再説明し、齟齬を指摘させることで、AI時代におけるスキルの形骸化を防ぎ、品質を担保する手法を提示しています。