# バイブコーディングを監査する：生産性・セキュリティ・CVEの数字が示すもの（第321回）

- 番組: [Data Science at Home](https://ai-curator.jp/podcasts/shows/cmv8ukqpu000971100qh7ojw4)（Francesco Gadaleta）
- 元のタイトル: Vibe Coding, Audited: The Productivity, Security, and CVE Numbers Behind the Hype (Ep. 321)
- 配信日: 2026年11月13日
- 長さ: 26分
- 要約作成日: 2026年11月13日
- トピック: [#Vibe Coding](https://ai-curator.jp/topics/Vibe%20Coding) [#AIコード生成](https://ai-curator.jp/topics/AI%E3%82%B3%E3%83%BC%E3%83%89%E7%94%9F%E6%88%90) [#セキュリティ](https://ai-curator.jp/topics/%E3%82%BB%E3%82%AD%E3%83%A5%E3%83%AA%E3%83%86%E3%82%A3) [#CVE](https://ai-curator.jp/topics/CVE) [#生産性](https://ai-curator.jp/topics/%E7%94%9F%E7%94%A3%E6%80%A7) [#LLM](https://ai-curator.jp/topics/LLM)
- URL: https://ai-curator.jp/podcasts/cmwen7ck700004b114nw8b774

## 要約

ホストはAndrej Karpathyが2025年2月に提唱した「vibe coding」について、本人が「使い捨ての週末プロジェクト向けで本番向けではない」と述べていた点が忘れられていると指摘する。フロントエンド開発の弱点、コード品質やセキュリティの調査数値、METRの生産性研究、雇用統計、Claude Mythos Previewをめぐる議論を紹介。デモと検証済みの本番品質との間にリスクがあると結論づけた。

## ポイント

- Karpathyは元の投稿で、vibe codingは使い捨ての週末プロジェクト向けで本番システム向けではないと述べていたと、ホストは強調している。
- フロントエンドでAIが苦手な理由として、学習データの偏り（WordPress約43%とされる）、画面を実際に見られないこと、設計意図の理解不足、実行環境を制御できないことの4点が挙げられた。
- CodeRabbitの調査ではAI生成コードは問題が約1.7倍、セキュリティ脆弱性は2.74倍多いとされ、GitClearではコードの重複が増え、リファクタリングが減ったと紹介された。
- METRの研究では、経験豊富な開発者16人が、AIで24%速くなると予想し、終了後も約20%速くなったと感じたが、実測では19%遅くなっていた。
- Mythos Previewの脆弱性発見能力に対し、小型オープンモデルでも同じ脆弱性を検出できたという検証が紹介された一方、修正済みコードの誤検知が多く、単純比較はできないと補足された。
- 結論として、デモは本物でも、検証済みの本番品質との差にリスクがあり、レビューと検証こそコストが高いと述べている。

## 章立て

- [00:00] **vibe codingの原典と見落とされた注意書き** — Karpathyの投稿の中身と、本人が本番用途ではないと明記していたことを紹介する。
- [03:03] **フロントエンドでAIが苦手な4つの理由** — nerdy.devの記事に基づき、学習データ、視覚の欠如、設計理解の不足、環境の制御不能を整理する。
- [08:16] **コード品質とセキュリティの統計** — CodeRabbit、GitClear、SoftwareSeni、Veracode、Georgia Techの数値を挙げる。
- [12:26] **実際の侵害事例** — Maltbook、Lovable、Base44、RichLeadで起きた脆弱性・侵害の事例を紹介する。
- [13:28] **生産性の逆説と雇用データ** — METR研究の予想・体感と実測のずれ、および雇用統計の相反する傾向を述べる。
- [16:36] **Mythos Previewと反論** — Anthropicの主張と、小型オープンモデルによる検証、誤検知の問題を比較する。
- [24:02] **結論：デモと本番品質の溝** — 全体をつなぐ論点として、検証コストとKarpathyの元の警告に立ち返る。

## 解説記事

データサイエンス系ポッドキャスト「Data Science at Home」の第321回は、「vibe coding」をめぐる熱狂を、公開されている調査や事例の数字で点検する回である。ホストは、この言葉を広めたAndrej Karpathyの投稿が、実は「使い捨ての週末プロジェクト向け」という限定付きだった点を出発点に議論を進めた。

#### 忘れられた但し書き

ホストによれば、vibe codingは2025年2月にKarpathyが提唱した言葉で、「雰囲気に身を委ね、コードの存在すら忘れる」開発スタイルを指す。しかし同じ投稿でKarpathyは、LLMがバグを直せないときは回避するか、消えるまでランダムに変更を頼むとも書き、対象は本番システムではなく使い捨ての週末プロジェクトだと明言していたという。ホストは、発案者が注意した用途で業界がすぐに使い始めた点を皮肉っている。

#### フロントエンドでAIが苦手な理由

nerdy.devの記事「Why AI Sucks at Front End」を引き、AIが得意なのは定型的でありふれたパターン（移行作業、汎用リスト、足場づくり）だと説明する。一方、スクロール連動アニメーションや細かなインタラクション、ピクセル単位で対称な余白、アクセシビリティでは破綻しやすいという。

原因として挙げられたのは次の4点である。

- 学習データ：記事によればWebの約43%がWordPressで、古いテンプレート的なパターンに偏る。
- 視覚の欠如：言語モデルは描画結果を見られず、アイコンの場所に穴が空いていても完成と言い切ることがある。
- 設計意図の理解不足：ステートマシンなどの判断の「なぜ」を理解せず、次トークン予測で補っている。
- 環境の制御不能：ブラウザ、画面サイズ、入力方法が実ユーザーごとに異なる。

ホストは、これはAIが悪いという話ではなく、失敗しやすい領域の具体的なリストだと位置づけている。

#### 品質・セキュリティの数字と事例

続いて複数の調査が紹介された。CodeRabbitは約470件のGitHubプルリクエストを分析し、AI生成コードは全体で人間のコードの約1.7倍の問題があり、ロジック誤りが1.75倍、並行処理・依存関係の問題が2倍、過剰なI/Oが8倍、セキュリティ脆弱性が2.74倍多いとした。GitClearは2億1100万行を調べ、重複コードが2021年の8.3%から2024年の12.3%に増え、リファクタリングされたコードは25%から9.5%に減ったという。ホストはこれを「コピペが増え、片付けが減った」と要約した。

セキュリティ面では、SoftwareSeniの報告で設計上の欠陥が2.53倍、CVSS 7.0以上の高重大度脆弱性が2.5倍、秘密情報の露出が1.4倍とされる。Veracodeの2025年の試験では、AI生成コードの45%がセキュリティテストに不合格で、86%がクロスサイトスクリプティングを防げなかった。Georgia TechのWeb Security Radarは、2026年3月20日時点でAI関連のCVEを約74件追跡し、1月6件、2月15件、3月は途中で35件と加速していると紹介された。

実際の事例としては、Maltbookで認証トークン約150万件とメールアドレス3万5千件が露出、Lovableでは170以上の本番アプリに影響する脆弱性、Base44での認証回避、RichLeadでの決済ロジックのクライアント側実装（公開から72時間以内に回避された）が挙げられた。

#### 生産性の逆説と雇用

METRの研究では、経験豊富な開発者16人が246の実タスクに取り組んだ。開発者は事前に24%速くなると予測し、終了後も約20%速くなったと感じていたが、実測では19%遅かった。AI提案の採用率も44%未満だった。ホストは、この「体感と実測の差」こそvibe codingが語られない部分だと述べる。

雇用については、米労働統計局が2024〜2034年にソフトウェア開発者の雇用が15%伸びると予測し、米国のエンジニア人口は440万人で増加中という。一方で新人採用は前年比25%減、22〜25歳の開発者の雇用は2022年のピークから約20%減った。ホストは両者の整合性は断定せず、数字を並べるにとどめている。

#### Mythosと「システムこそ堀」論争

AnthropicのClaude Mythos Previewは、主要OSとブラウザのゼロデイ脆弱性を発見・悪用できるとされ、17年前のFreeBSD NFSのバグ（CVE-2026-4747）や、27年前のOpenBSDのバグなどが挙げられた。FirefoxのJavaScript攻略ベンチマークでは、Opus 4.6の成功が数百回中2回に対し、Mythosは181回だったという。Anthropic自身は、発見の99%超が未修正であることや、一部のLinuxカーネルのバグを遠隔で悪用できなかったことも認めている。

これに対しLessWrongの投稿は、isle.comによる独立検証として、小型・安価なオープンウェイトモデル8種すべてがMythosの示した脆弱性を検出し、GPT-OSS-120BはOpenBSDの攻撃チェーン全体を1回のAPI呼び出しで復元したと紹介する。結論は「堀はモデルではなくシステムにある」というものだった。ただしホストは、修正済みのFreeBSDコードでの誤検知テストで、正しく判定できたのはGPT-OSS-120Bだけ（3問中3問）で、多くの小型モデルは0問だったと補足する。コメント欄では、脆弱性らしきパターンを検出することと、ゼロから動く攻撃チェーンを自律的に作ることは別だという指摘もあったという。

#### まとめ

ホストの結論は、どの話題でもヘッドラインのデモは本物だが、デモと検証済みの本番品質との間にリスクがあるという点で共通している。AIは退屈な8割を得意とするが、出力のレビューと検証が高コストであり、セキュリティ研究でもモデルは脆弱性らしきものの検出は得意でも、自分の誤りに気づくのは苦手だという。

日本の開発現場にとっても、AI生成コードの導入は生産性の体感だけで判断せず、レビュー体制や脆弱性検査を含めて評価する必要があることを示唆する。なお、紹介された数字は各調査やホストの紹介に基づくもので、一次資料での確認が望ましい。

> この要約・解説記事は、元の音声の文字起こしをもとに AI（Claude）が日本語で作成したものです。出典: Data Science at Home「Vibe Coding, Audited: The Productivity, Security, and CVE Numbers Behind the Hype (Ep. 321)」