Stack Overflow 2025の調査（49,000人超の開発者）が明かすのは、AIへの最大の不満（66%）が、間違えることではなく「ほぼ正しい」解決策を出すことだという事実だ。完成して見えて細部で失敗し、直すには最初からやるより時間がかかる。職業とはもはや生成することではなく、明確な仕様と検証でその最後の区間を閉じることだ。
間違えることよりも腹が立つ種類のエラーがある。それは、ほぼ当たることだ。何かが明らかに間違っていれば、未練なく捨てて最初からやり直す。だが、ほぼ正しいとき——95%は完璧で、見えない片隅の5%だけが壊れているとき——あなたは身動きが取れなくなる。あと一つ調整すれば終わりに見えて、実際にはまるごと書き直す距離にいるからだ。49,000人以上の開発者が回答したStack Overflow 2025の公式調査は、その苛立ちに数字を与えた。AIに対する不満の第1位は、嘘をつくことでも、ハルシネーションを起こすことでも、遅いことでもない。「ほぼ正しいが、完全ではない解決策」を出してくることだ。66%がそれを指摘した。この職業で最も票を集めた不満であり、そこには、プログラムを書けるかどうかに関わらず、モデルに何かを頼むすべての人に役立つ教訓が詰まっている。
「ほぼ」は存在する中で最も高くつくエラーだ
直感は、大きなエラーは小さなエラーよりコストが高いと告げる。AIでは逆のことが起きる。明白なエラーは安い。一秒で見抜き、考えるまでもなく捨てる。「ほぼ正しい」エラーは非常に高くつく。まずそれは正しいとあなたを納得させなければならず——そして実際に成功する。機能する95%があなたの防御を下げるからだ——そのうえでようやく、本番環境で、顧客が見ている前で、壊れる5%を明かす。あなたは二度払う。信じたことに対して払い、遅れて気づいたことに対して払う。調査の第2位の不満が、それを冷徹に裏付ける。45.2%が、AIが生成したコードのデバッグは自分で書くより時間がかかると答えている。翻訳すれば、「ほぼ」はあなたの仕事を減らさなかった。場所を移し、利息を付けただけだ。
ラストワンマイル症候群
どんなグラフよりもうまくこれを捉えるたとえがある。荷物を99%の道のりまで運び、向かいの歩道、間違った玄関、あなたの家から一本隣の通りに置いていく配達員を想像してほしい。技術的には旅のほぼ全部をこなした。実際には荷物は届いておらず、雨の中それを探しに出るのはあなただ。その最後の一マイル——「ほぼ届いた」と「届いた」のあいだの区間——にこそ本当の価値が宿り、そしてそれがまさに、AIが自力で閉じられない区間なのだ。90%を数秒で生成し、問題全体を理解する必要のある10%をあなたに残す。問題は、その最後の10%が最初の90%より難しいことが多い点にある。文脈、判断、そしてあなたの具体的なケースで何が本当に「正しい」かを知ることを要求するからだ。
だから信頼は落ちた。そして落ちて当然だった
同じ調査は、一見矛盾して見えるデータを記録した。開発者の84%がAIを使っている、または使う予定だと答えた一方で、肯定的な感情は2023年と2024年の70%超から、2025年には60%近くまで下がった。より多くの人が使い、より多くの人が好まなくなっている。矛盾ではない。成熟だ。目新しさは擦り切れ、実際の経験が残った。その実際の経験とは、AIは絶えず監督を要する強力なツールだ、というものだ。最も示唆に富む点はこうだ。今日、AIの正確さを信頼する開発者（33%）より、積極的に疑う開発者（46%）のほうが多く、強く信頼するのはわずか3%だ。拒絶ではない。チェーンソーに抱く健全な敬意だ。毎日使う。そしてまさにそのために、決して両手を離さない。
不都合な真実：「ほぼ」はモデルではなくプロセスのせいだ
モデルのせいにするのは魅力的だ——やれハルシネーションだ、やれ推論できないだ——だがそれは本当の教訓を避けている。モデルは、その仕様が検証を許す範囲のものを産出する。「決済フォームを作って」とだけ頼み、何が正しいか——どの通貨か、どのエラーか、ユーザーがダブルクリックしたらどうなるか、何を記録するか——を告げなければ、モデルはその空白をもっともらしい推測で埋める。そして「もっともらしい」は、まさに「ほぼ正しい」の定義そのものだ。ほぼ正しさは、モデルの無知から生まれるのではない。依頼の曖昧さと、イエスかノーかを告げる検証の不在から生まれる。明確な仕様も検証もないところでは、モデルは常に完成して見える何かを出してくる。「これは正しいか？」という問いに、構築する者は答えられない。答えるのは検証する者だ——そしてそれは、二つの別々の瞬間でなければならない。
職業とはもはや書くことではなく、閉じることだ
90%を誰でも数秒で生成できるなら、プロとしての優位はラストワンマイルへと移った。頼む前に何が正しいかを仕様化する術と、受け取った後にそれが満たされたかを検証する術に。これが、再利用し共有するための思考の枠組みだ。AIのすべての出力を、成果物ではなく説得力のある下書きとして扱う。生成する前に「完了」の基準を書面で定義する。そして構築と監査を、意図的に二つのステップに分ける。構築する精神は自分の作品に惚れ込み、壊れた5%が見えないからだ——それを狩れるのは、欠陥を探しに新鮮な状態で来る精神だけだ。ほぼ正しさは、より多くの信頼では閉じられない。より多くの仕様と、より多くの検証で閉じられる。「AIが全部やる」よりは華がない。だがそれこそが、印象的な下書きを、本物の顧客が向こう側にいても耐えるものへと変える唯一の手立てだ。
私たちの見方
NeuralOSでは、AIは単独では、ほぼ正しさを産出するという前提から出発する——それをいつか直る欠陥としてではなく、この地形の性質として扱う。だから私たちは、より速く生成することの周りではなく、ラストワンマイルを閉じることの周りに製品を考える。仕様が唯一の真実の源となり、何かが実行される前に「何が正しいか」が書き記されること。構築と監査が、意図的に別々のステップに宿ること。同じ精神は二つをうまくこなせないからだ。そして「完了」の基準を、「動いているように見える」という高揚が決めるのではなく、イエスかノーかを告げる明示的な検証が決めること。それが視点のすべてだ。AIが単独で当たるという幻想を、私たちは売らない。私たちが擁護するのは、AIの「ほぼ」を検証可能な「イエス」へと変える規律だ——ラストワンマイルを、本当に重要なときに耐える形で仕上げること。なぜなら結局のところ、価値は90%を生成することには一度もなかった。荷物が届いたかどうかを決める、あの10%を閉じることに、常にあったのだから。