そもそも「バイブコーディング」とは？
2025年、OpenAI共同創設者のAndrej Karpathyが提唱した概念。自然言語で「こんな感じのアプリ作って」とAIに伝え、AIがコードを書く。2025年にはCollins辞書のWord of the Yearに選出されるほど、世界的な潮流になりました。
市場規模は2025年で$47億、2030年には$470億（CAGR 38%）まで成長すると予測されています。
でも、華々しい成功談の裏側——「実際にやってみたらどうだったか」を語る人は少ない。この記事では、僕が2ヶ月で経験した失敗と修正の全記録を公開します。
僕の開発環境
🤖 Claude Code
Anthropicのターミナル型AIエージェント。Opus（戦略）とSonnet（ルーティン）を使い分け。
♊ AG（Gemini）
GoogleのAI。フロントエンド実装やデザイン作業を担当。Claude Codeからタスク委託。
4つのリアルな失敗エピソード
「完成しました」→ 誰もアクセスできなかった
あるLPの開発が完了しました。フォーム送信、Analytics接続、SEO設定——すべてローカルで動作確認済み。
AIエージェントが「タスク完了」を報告。安心してスマホで本番URLを開いたら——
何も表示されない。
原因は単純。Vercelへのデプロイを誰もしていなかった。
「コードを書いて、ローカルで動いたら完了」——AIが自分でそう判断していたのです。でも本当のユーザーはlocalhost:3000にアクセスできません。
💡 この経験から得た教訓
「デプロイまでが1タスク」をAI憲法に明記。コード実装 → テスト → デプロイ → 本番確認 → 記録の5ステップ全完了で初めて「Done」。
AIの「動作確認OK」を信じて大事故
データベース移行タスクをAGに任せました。Check-outレポートには「移行完了、動作確認OK」と書いてある。
翌日、自分で確認したら——
データベースが壊れていた。
AIは「テストを実行してパスした」と報告していました。が、テスト自体が不十分で、エッジケースが全く考慮されていなかった。
AIは自分の出力に対して楽観的に評価するバイアスがある——これは全てのAIコーディングツールに共通する性質です。
💡 この経験から得た教訓
AIの「確認しました」は、人間の「たぶん大丈夫」と同じ信頼度。未検証の項目を「正常動作確認」と報告することを明確に禁止した。
1箇所だけ直して、トークン浪費地獄に
バグを発見。AIに修正を依頼。直った。
——と思ったら、同じパターンのバグが10ファイルに散らばっていた。
修正 → 「別ファイルにも同じバグがあります」 → 修正 → 「まだありました」 → 修正……
横断検索（grep）を最初に実行していれば1回で済んだ作業に、3往復＝6回のAI呼び出しを消費。Claude Codeは従量課金なので、これはそのままお金の損失です。
💡 この経験から得た教訓
直す前にまず探せ。「ここだけかも」は99%嘘。バグ修正時は必ず全ファイルを横断検索し、一括修正すること——をルール化した。
全部「最強モデル」でやろうとして財布が死んだ
最初は全てのタスクを最高性能モデル（Opus）で実行していました。コード生成、文章作成、設定変更、ルーティン——全部。
「最強のモデルなんだから、最強の結果が出るはず」という素朴な信念。
しかし実際には、ルーティン作業（環境変数設定、定型的なCSSの修正）はSonnetで十分。Opusが必要なのは戦略設計・品質レビュー・障害対応だけ。
使い分けを導入した結果、体感30〜40%のコスト削減。品質は変わりません。
💡 この経験から得た教訓
「最強」を常に使うのは最適解ではない。タスクの複雑さに応じてモデルを使い分けるだけで、品質を落とさずコスト削減できる。
2ヶ月で確立した5つのコツ
これだけ守れば、バイブコーディングで確実に前に進める。
「AI憲法」（CLAUDE.md）を書け
AIが守るべきルール、命名規則、禁止事項を1ファイルにまとめる。これがないとAIは毎回違うスタイルで書く。僕のチームでは「CLAUDE.md」という共通憲法を運用。全AIエージェントがこの1ファイルを参照することで、一貫性を保っている。
デプロイまでが1タスク
コード → テスト → デプロイ → 本番確認 → 記録。この5ステップ全部完了で初めて「Done」。ローカルで動いただけでは価値ゼロ。
AIの出力は必ず検証せよ
特に「〜を確認しました」「正常に動作しています」は要注意。AI生成コードの40〜62%にセキュリティ脆弱性があるというデータもある。自分の目で確かめるクセをつける。
横断検索してから修正
バグや変更対象を見つけたら、まずgrepで全ファイルを検索。部分修正の繰り返しは時間とお金の無駄。1回で全箇所を直す。
モデルを使い分ける
戦略・判断・レビュー＝高性能モデル。ルーティン・設定変更＝低コストモデル。これだけで30〜40%のコスト削減、品質は変わらない。
バイブコーディングを始めるなら
僕が実際に2ヶ月使い込んだツールを紹介します。
VPS / クラウドサーバー
僕はOracle Cloud Free Tier（無料）でバックエンドを運用しています。無料枠を超えたくなったら、ConoHaやさくらのVPSが月額数百円から使えます。※フロントエンドはVercel（無料）で十分。
ConoHa VPSを見てみる
Web開発基礎
モダンJavaScript / React入門
AIが書くコードを読んで判断できるようになるための基礎知識。完全に理解する必要はないが、「何をしているか」は分かるべき。
Amazonで見るバイブコーディングの可能性
$470億
2030年の市場規模予測
38%
年間成長率（CAGR）
8
個人で同時開発した
プロダクト数
30%+
モデル使い分けによる
コスト削減
今日からバイブコーディングを始めよう
完璧を目指す必要はありません。まずはClaude CodeかCursorを入れて、「こんなアプリ作って」と話しかけてみてください。失敗しても大丈夫。この記事がその地図になります。