AI開発における「オペレーター・ディシプリン」の重要性
- •マイク・チェルウィンスキーはAI支援開発には「自律性レベル」と「オペレーター・ディシプリン」という2つの軸が必要だと主張した。
- •自律性の段階はAIへの委任の流暢さを測るが、オペレーター・ディシプリンはセッション境界を越えて状態を保持する能力を追跡する。
- •意思決定の固定やソースのアンカー付けといった高いディシプリンを持つシステムは、コードの乱雑化やモデルへの過度な再定義を防止する。
ソフトウェア開発者のマイク・チェルウィンスキー(Mike Czerwinski)は、AI支援コーディング能力を測定するために用いられる「自律性の階段」は不完全であると指摘した。この指標は委任レベル（L0からL5）のみを追跡するが、開発者のワークフローの永続性を見落としているからだ。自律性レベルがAIへの委任度を示す一方で、チェルウィンスキーが提唱する「オペレーター・ディシプリン（操作規律）」は、作業が検査可能な状態としてセッションをまたいでどれだけ維持されるかを示す。同じ自律性レベルにいる開発者でも、安定したコードベースで成果を積み上げる者と、過去に解決したはずの設計判断を繰り返し再交渉することでエントロピー（無秩序さ）を蓄積する者とで、結果に差が生まれる理由をこの指標で説明できる。
垂直軸である自律性は、L0（AIなし）からL5（全自動エージェント）まで、いかに流暢にタスクをAIへ委任できるかを追跡する。一方、水平軸であるオペレーター・ディシプリンは、作業内容がステートマシンとして維持されるか、あるいは毎セッションごとにゼロから再構築されるかを測定する。チェルウィンスキーによれば、ディシプリンの高いL1（AIを自動補完として使用）は、ディシプリンの低いL5よりも長期的には高い成果を上げることがある。後者は急速な技術的負債の蓄積や、全体的な制約を無視した場当たり的な決定を招きやすいためだ。
オペレーター・ディシプリンを維持するため、チェルウィンスキーはプロンプトへの依存から脱却し、永続的なコンテキストを形式化する手法を推奨している。彼自身の開発環境には、セッション読み込み用ペルソナファイル、意思決定追跡用の3つの追記型ストア（提案→承認→ロック）、アクティブなワークストリームスレッド、そしてソース・アンカー付け（事実に対してファイルや行番号などの出所を紐付けること）を備えたメモ作成が含まれる。意思決定を対話変数ではなく永続的な状態として扱うことで、開発者は「再検討による停滞」から抜け出せる。本アプローチは、自律性レベルがプロンプトの巧みさを示すのに対し、オペレーター・ディシプリンは長期的なプロジェクトサイクルにおいてツールをいかに使いこなすかを決定づける。チェルウィンスキーは、AIの利用を増やしても成果が向上しない場合、より強力なモデルを求めるのではなく、この二次的な軸であるディシプリンを測定することで解決策が見つかることが多いと結論づけている。