概要
オーバーエンジニアリングは、ほぼ起きないケースや当面来ない将来に備えて、仕様・拡張性・性能を必要以上に作り込むこと。根にあるのは発生確率やインパクトの見誤りで、「起こりうること」を「起こりやすいこと」と取り違えている。
判断の物差しは 期待値 = インパクト × 発生確率。期待値が小さいエッジケースはコードを書かずに許容し、シンプルに保つ。AI にコードを書かせると「念のため」の分岐が数秒で出てくるので、この「作らない判断」が以前より重要になっている。
詳細
4 つの典型と、その裏の錯覚
リクルートの 2026 年度エンジニア新人研修資料「事業価値と Engineering」は、典型を 4 つ挙げて錯覚と対にしている。
| よくあるオーバーエンジニアリング | 背後にある錯覚 |
|---|---|
| ほぼ存在しないユーザーを想定し、レアケース仕様を大量に増やす | 大きな少数の声が全体だと錯覚 |
| 将来必要かもしれない拡張性を過度に盛り込む | 数年後の拡張性問題が明日くらいに起きると錯覚 |
| 全体の性能ネックではない部分を高性能化する | 何でも高性能にすべきという錯覚 |
| 優先度の低いバグを、事業インパクトを見ずにすべて直す | 目の前で起きたこと全てが大問題だと錯覚 |
2 行目は YAGNI(You Aren’t Gonna Need It)原則が戒めるものと同じ。資料は「全ての可能性が全て発生した世界」がオーバーエンジニアリングの理論上の最大拡張幅だとも述べている。
必要な事業理解は「相場観」で足りる
錯覚を防ぐのは事業理解だが、市場規模や P/L・B/S の知識ではなく、「事象 A は年に 1 度しか起きない」「事象 B は 1% しか起きない」「事象 C は起きても軽微」と知っている程度の現場感で十分とされる。この相場観がないと、年 1 回を毎日、1% を 100%、軽微を致命的と思い込み、判断がすべて「大」に振れる。
期待値が小さいときの選択肢は、運用で回避する・手作業で対処する・既知の制約として記録する、など。期待値が大きいときだけコードで対応し、その場合も「コードを足すと保守対象が増える」コストを含めて判断する。
なぜ AI 時代に起きやすいのか
- ブレーキが消えた:手で書いていた頃は実装の手間がそのまま「今やらなくていいか」を考える機会になっていた。AI ならエッジケース対応は数秒で出る
- AI は拾う方向に振れる:レビューで「この場合は?」と聞かれると分岐を 1 つ足して応えがち。一つひとつは正しく見えるので、断る理由がないまま少しずつ複雑になる(「安全側に倒れて少しずつ複雑になる」)
- 書いた瞬間から保守対象:コードの総量そのものが未来の生産性を下げる。変更のたびに仕様確認・影響調査・設計・テスト・運用確認が要り、監視・障害対応・セキュリティ対応・依存関係管理・EOSL 対応・問い合わせ対応も増える。書くコストの低下がそのまま保守対象の増加につながる(AI 開発と保守コスト)
資料は、作ることが速く安くなる時代ほど「動かし続ける力が事業価値の上限になる」とし、目指す状態を「ソースコードに対する事業価値濃度」で表す。本当に必要なコードを増やす、価値を生まないコードを増やさない、価値を生まなくなったコードを除却する、価値を生むコードの保守性を上げる、の 4 つで、ほぼ起きないエッジケースへの対応コードは 2 つ目の典型にあたる。
人の運用で効かせる歯止め
- 対応しなかったケースを記録する:AI が「このケースも考慮しましょう」と言ったら、実装の前に発生確率・インパクト・判断を PR 説明や設計メモに書く。ログや問い合わせ件数で裏付けるとさらに強い。数字が出せないこと自体が相場観不足のサイン
- 指示ファイルに許容範囲を書く:
CLAUDE.mdなどに「低頻度・軽微なエッジケースは実装せず、対応しなかったケースとして PR に列挙」「拡張用の抽象化は具体的な要求が出るまで足さない」「性能最適化は計測でボトルネックと確認できた箇所だけ」と書くと、判断が人間の手元に戻る - レビューで「足さない」を評価する:「期待値が小さいので許容します」を正当な回答として受け入れる文化があるかで、コードベースの複雑さは大きく変わる
仕組みにする:仕様と受入基準を先に固定する
人の注意に頼らない方法として、hdknr 版 spec-loop と dev-loop の組み合わせは同じ判断を手順に組み込んでいる(要求仕様書作成ループ)。
| 影響が大きい | 影響が小さい | |
|---|---|---|
| よく起きる | 範囲の中(場面ごとに書く) | 範囲の中(場面ごとに書く) |
| まれ | 範囲の中。ただし原則 1 本で受ける | 範囲の外(範囲の文書に 1 行) |
- 範囲の決まりは場面を頻度と影響の 2 軸で分け、「まれ × 影響が小さい」場面には分岐もテストも足さない
- 線を引くのは利用者で、仕様を書くスキルは線を当てるだけ。判定役がエッジケースを見つけても、範囲の外の場面は「仕様が未完成」の根拠にならず「範囲の外として記録する」案として挙がる
- 同じ機能の質問が溜まると(既定 3 問目)範囲を決め直す質問に切り替え、「質問を生んでいる前提を単純にする」選択肢を必ず添える
- 確定した仕様から Red テストと Issue を作るとき、仕様にないケースは足さない。dev-loop では受入基準を計画段階で固定し、途中で足せるのは人間だけ。変更範囲を広げるなら理由と受入基準を先に計画に書く。採点表が先にあるので、「念のため」のコードは誰にも採点されない
ただし効き方には差がある。レアケース仕様の増殖には強く、低優先度バグの全修正にも効くが、過度な拡張性と不要な高性能化には弱い(どちらも実現の手段として仕様に書かれず、実装の中で盛れてしまう)。これらはコードレビューや簡素化のレビューで別に見る。ほかにも、既定の線の頻度の例は技術的な事象が中心なので業務の頻度はプロジェクトの範囲の文書に書き足す必要があること、判断を利用者に戻しても答える人の相場観がずれていれば通ること、小さな変更にまで全ループを回すとプロセス自体がオーバーエンジニアリングになること、に注意が要る。
資料の結びは「AI時代のEngineeringは、たくさん作ることではない。価値になるものを作り、価値にならないものを作らず、作った価値を止めないことである」。
関連ページ
- AI 開発と保守コスト — 書くコストが下がっても保守コストは残るという定量モデル
- 要求仕様書作成ループ — 頻度 × 影響の範囲の線を仕様段階の規則にした仕組み
- 仕様駆動開発(SDD) — 仕様と受入基準を先に決める進め方
- Vibe Coding — AI が黙って仕様を埋めるとき何が起きるか
- エクストリーム・プログラミング(XP) — Incremental Design(LLM 時代の課題は不要な「怪物」を作る誘惑に抗ってスコープを絞ること)
- Brownfield リファクタリング — 増えたコードを安全に減らし作り替える
ソース記事
- AI 時代のオーバーエンジニアリング — 「エッジケースだから許容する」判断を期待値で下す — 2026-11-04
