概要

従来の厳密なプロンプト設計から脱却し、「こんな感じ」という曖昧な指示でも AI が意図を理解する開発手法。Constitutional AI の進化により、細かいルール記述より価値観駆動の指示が有効に。実際のコードを読み書きしない開発スタイルとしても定義される。

成果に影響する要因（CHI2026 研究）

CHI2026 採択論文の実験から、バイブコーディングの成果を左右する要因が明らかになった。

要因傾向
CS 基礎知識あるほど成績が高い
文章力高いほど成績が高い
LLM 利用頻度高いほど成績が低い（意外な逆相関）

CS 基礎知識が重要な理由

コードを書かなくても、問題分解・アルゴリズム的発想・データ構造の概念が AI への指示を構造化するのに役立つ。

文章力が鍵となるプロセス

文章力が高い → プロンプトの品質が高い → アプリの出来が良い

LLM ヘビーユーザーの逆説

LLM を多用するほど自分で言語化する機会が減り、プロンプト品質が下がる可能性がある。あるいは、もともと言語化が苦手な人が LLM に頼りやすい傾向があるとも考えられる。

Vibe Hacking（対義概念）

Vibe Coding の反対側が Vibe Hacking（AI による攻撃の民主化）。攻撃者が AI にターゲットを指定するだけで脆弱性発見・エクスプロイト作成が自動化される脅威。

関連ページ

ソース記事