大規模言語モデルを活用した開発現場において、保守性を軽視したコーディング習慣が技術的負債の蓄積を招く可能性が指摘されている。開発者は生成AIに同じ権限チェックや条件分岐を複数箇所に生成させ、個別にマージする傾向がある。しかし、共通ヘルパーへの抽出や設計の抽象化を省略したままコードベースに取り込むと、次回のAI対話文脈にそのパターンが学習される。 AIはリポジトリ内の既存コードや直近の変更履歴を文脈として認識する。一度複製された条件分岐が複数箇所に残されると、AIはそれをプロジェクトの標準実装スタイルと判定し、新規機能の生成やリファクタリング依頼時にも同様の重複構造を出力する。開発者は一見AIに保守業務を委譲しているように見えるが、実際は自身の実装パターンをAIに学習させ、アンチパターンを固定化する構造になっている。 このような技術的欠陥が積み重なると、将来的な修正依頼においてAIが全該当箇所を正確に検知・反映できなくなるリスクが高まる。個々の重複が直ちに致命的な障害となるわけではないが、条件分岐の複製や肥大化した関数が蓄積すると、プロンプトの調整のみでは解決が困難な状態に陥る。生成AIを活用する開発現場では、AIの出力を無条件に採用せず、人間の保守担当者が長期的に管理可能な設計基準を維持することが不可欠である。AIは既存のコードベースの特性を反映し増幅する性質を持つため、開発者は意図的にクリーンな実装規範を提供し続ける必要がある。