TL;DR
- コンテキスト負債とは「今は進むが後で判断不能になる前提不足」のこと。技術負債と違い、レビュー段階で初めて痛みが出る。
- AIは与えられた前提だけで「もっともらしいコード」を量産するため、前提不足の影響が人間の数倍に膨れる。
- Issueテンプレで目的・非目的・受入条件を固定すると、実装精度とレビュー速度が同時に上がる。
テーマ全体の背景は親記事で確認できる。 👉 AIでコードは増えるのにプロダクト価値が伸びないのはなぜ？
コンテキスト負債の定義
コンテキスト負債とは、**「今は開発を進められるが、後工程で判断不能になる前提不足」**を指す。
技術負債との違いを整理する。
| 比較軸 | 技術負債 | コンテキスト負債 |
|---|---|---|
| 蓄積タイミング | 実装時の妥協 | 要件定義・Issue起票時の省略 |
| 痛みが出る場所 | 機能追加・リファクタ時 | レビュー・受入テスト時 |
| 検出しやすさ | 静的解析・テストで検出可能 | コードだけでは検出不可能 |
| AI開発での影響 | 中程度 | 致命的（AIは前提を推測で埋める） |
ポイントは「コードの品質」ではなく「判断に必要な前提セット」が欠落している点だ。ドキュメント量が多くても、判断に必要な前提が書かれていなければコンテキスト負債は増え続ける。
AI開発でコンテキスト負債が致命傷になる理由
AIは前提不足を「推測」で埋める
人間の開発者なら「この仕様、曖昧だから聞こう」と判断できる。しかしAIは違う。与えられたプロンプトの範囲で、もっともらしいコードを生成してしまう。
具体的な症状は以下の通りだ。
- 要件解釈が人ごとにズレる ― Issueに「検索機能を追加」とだけ書くと、AIは全文検索を実装するかもしれないし、タイトル一致のフィルタを作るかもしれない。正解がどちらかはコンテキスト次第であり、それが書かれていなければ当てずっぽうになる。
- もっともらしいが不要な実装が増える ― AIは「足りない情報」を補完する形でコードを書くため、依頼されていない機能やエッジケース処理が混入する。一見丁寧だが、レビュアーは「これは意図的な追加か？」を判断できない。
- レビューが仕様会議に戻る ― PRを開いた瞬間、「そもそもこの機能は何を解決するのか」という議論が始まる。レビューではなく「解読作業」になる。
この現象の詳細な診断は以下の記事で解説している。 👉 AI生成PRでレビューが詰まる本当の理由
前提不足の影響は「線形」ではなく「乗算」
人間のみのチームでは、前提不足の影響はせいぜい「手戻り1回分」だ。しかしAIが高速にコードを生成する環境では、前提不足のまま作られたPRが短時間で複数積み上がる。レビュアーの負荷は線形ではなく乗算で増える。
これがまさに「AIでコードは増えるのに価値が伸びない」構造の正体だ。AIペアプロの導入で逆に遅くなるチームの多くは、この負債を抱えている。 👉 AIペアプロが失敗する理由
対策：Issueテンプレで前提を固定する
コンテキスト負債を減らす最も再現性の高い方法は、Issueテンプレで必須項目を強制することだ。
必須5項目
Issueに最低限含めるべき項目は以下の5つに限定する。
- 目的 ― このIssueで何を達成するか（1文で）
- 非目的 ― このIssueでやらないこと（スコープ制御）
- 受入条件 ― 完了判定の基準（テスト可能な形式で記述）
- 制約 ― 技術的・ビジネス的な制約条件
- 変更境界 ― 変更してよいファイル・モジュールの範囲
この5項目が揃っていれば、AIは「何を作るか」「何を作らないか」「どこまで触ってよいか」を判断できる。結果として、レビュアーも「Issueの受入条件を満たしているか」だけに集中できる。
テンプレの具体的な書き方と運用ルールは以下の記事で詳しく解説している。 👉 Issueテンプレで要件解像度を上げる
受入条件を「先に」書く効果
5項目の中でも特に重要なのが受入条件だ。受入条件をIssue起票時に書くことで、以下の効果が得られる。
- AIへのプロンプトに受入条件をそのまま含められる
- 実装完了の判定が属人化しない
- レビュアーが「何を確認すればよいか」を即座に把握できる
受入条件を先に書く実践手法（Acceptance-First TDD）については以下の記事で解説している。 👉 受入条件を先に書くTDD実践
まとめ：コンテキスト負債を減らすことは「価値変換率」を上げる施策
コンテキスト負債の解消は、レビュー速度の改善ではない。AIが生成するコードの「価値への変換率」を上げる施策だ。
今日からできるアクションは3つ。
- 直近のIssueを1つ開き、上記5項目が揃っているか確認する
- 足りない項目があれば、テンプレとしてリポジトリに追加する
- 次のAI生成PRで、受入条件との一致率を計測する
全体像に戻る: AIでコードは増えるのにプロダクト価値が伸びないのはなぜ？
組織装置として暗黙知の表出化サイクル全体を整えたい場合は、暗黙知を減らす組織設計とナレッジ共有の仕組み で4本柱（オンボーディング／Decision Log／レビュー／文脈ファイル）を整理した。
