AIで増殖するPRに、オープンソースのメンテナーが警鐘

はじめに

AIコーディングツールによって、初めて触れるオープンソースプロジェクトのコードを調べ、変更案を作ることは以前より簡単になりました。一方で、プロジェクトを十分に理解しないまま、見栄えのするPRやissueを作成することも容易になっています。オープンソースプロジェクトのメンテナーであるNeil Alexanderは、履歴書に実績を加えるためにAIで低品質な投稿を量産する人々に対し、そうした投稿を自分のプロジェクトへ送らないよう求めました。

これはAIを使った開発全体への拒絶ではありません。批判の対象は、生成された内容を投稿者自身が確認、実行、理解しないまま提出する行為です。

変化した外部コントリビューション

Alexanderの観察によれば、過去1年ほどで外部からの貢献にはいくつかの変化が見られます。

• issueよりもPRの数が大幅に多くなった;
• issueにAIが作成した分析が添えられることが増えた;
• セキュリティ脆弱性の報告が以前より頻繁になった;
• 報告にAI生成の修正案が付くことが多くなった;
• 実際の問題解決より、貢献履歴を残すことが優先されているように見える投稿がある。

もちろん、これらの特徴だけで投稿が無価値だと決まるわけではありません。AIは関連コードの発見、複雑な処理の要約、再現手順の整理、修正方針の提案に役立ちます。しかし、生成された案をテストせずに送れば、メンテナーの仕事が減ることはありません。投稿を最初から調査し直す必要が生じるからです。

専門的に見える提案にも限界がある

オープンソースの修正には、コード以外の文脈が関係します。脆弱性の報告が既存の防御策を見落とすこともあれば、修正案が互換性を壊すこともあります。技術的には動くリファクタリングでも、プロジェクトの設計方針や長期的な保守計画に合わない場合があります。

メンテナーは、問題が実在するのか、変更が本当に必要なのか、テストが十分なのか、プロジェクトの方針に合っているのかを確認しなければなりません。AI生成の投稿が大量に届けば、メンテナーは貢献者が先に行うべき基礎的な検証まで肩代わりすることになります。ボランティア中心のプロジェクトでは、この負担は特に大きな意味を持ちます。

さらに、PRの数が能力の指標として扱われると、投稿者は品質より件数を追いかけるようになります。プロジェクトが履歴書の材料として利用され、メンテナーが自動生成された内容を選別する無償のフィルターになる危険があります。

AI時代の責任ある貢献

AIを使うこと自体が低品質を意味するわけではありません。重要なのは、AIを補助ツールとして使い、責任まで委ねないことです。貢献者は、問題を再現できること、変更の必要性を説明できること、修正内容を理解していること、そして実行したテストを示せることが求められます。AIが大きく関与した場合は、その事実を明らかにすることも後のやり取りを円滑にします。

プロジェクト側は、貢献ガイド、PRテンプレート、セキュリティ報告の手順を整備し、再現手順、テスト結果、影響範囲、手動確認の有無を求めることができます。文脈がなく再現できない投稿や重複した投稿を閉じることは、オープンな運営に反するものではありません。

問われているのは、オープンソースがAIを受け入れるかどうかではありません。貢献が理解、検証、責任に基づいているかどうかです。AIは参加の入口を広げられますが、生成された文章が自動的に価値ある協働になるわけではありません。

出典：OSChina