AI時代のアーキテクチャルール設計：「書くルール」から「破れないルール」への転換

ソフトウェア開発において、アーキテクチャルールは長らく設計ドキュメントやコーディング規約として「書かれるもの」でした。しかし、GitHub CopilotやClaude、ChatGPTなどのAIツールがコードを生成する開発スタイルが普及する中、この前提が大きく揺らいでいます。

なぜなら、AIはドキュメントを「読んで理解する」ことはあっても、人間のように文脈を深く解釈してルールを守り続けることは難しいからです。結果として、アーキテクチャルールの「強制力」をどう設計するかが、AIコーディング時代の最重要課題になっています。

元投稿では、同じルール「domainはinfrastructureに依存しない」を例に、その守らせ方に段階があることが指摘されています。

3段階の強制力

**レベル1：ドキュメントに記載**

**レベル2：静的解析・リンター**

**レベル3：ビルド時の強制**

この3段階は強制力が「桁で違う」と表現されていますが、これは決して誇張ではありません。レベル1とレベル3では、ルールが守られる確率が文字通り10倍以上変わります。

AI開発で「書くルール」が機能しなくなる理由

ChatGPTやClaudeにコード生成を依頼する際、プロンプトにアーキテクチャルールを含めることは可能です。しかし、以下の問題があります。

**プロンプトの限界**

**従来の手動レビューとの比較**

人間だけの開発では、コードレビューがルール遵守の最終防衛線でした。レビュアーがアーキテクチャ違反を指摘し、修正を求める——この人的プロセスが機能していました。

しかしAI生成コードは量が桁違いです。1日に生成されるコード量が10倍になれば、人的レビューだけでカバーするのは不可能になります。ここで「機械が判定できるルール」への転換が必須となるのです。

メリットと注意点の両面分析

**メリット**

**注意点**

どんな場面に向いているか

**強く推奨される状況**

**段階的導入を検討すべき状況**

元投稿の後半で示唆されているのが、「本当に重要な一線は、性質の違う複数の落とし方で重ねる」という考え方です。

多層防御の具体例

たとえば「domainレイヤーはインフラに依存しない」という制約を守るなら：

**第1層：パッケージ構造**

src/
  domain/      # infrastructure をインポート不可
  application/
  infrastructure/

**第2層：依存性解析ツール（ArchUnit）**

@ArchTest
public static final ArchRule domain_should_not_depend_on_infrastructure =
    noClasses().that().resideInAPackage("..domain..")
    .should().dependOnClassesThat().resideInAPackage("..infrastructure..");

**第3層：モジュール境界（Gradleサブプロジェクト）**

project(':domain') {
    // infrastructure への依存を物理的に禁止
}

**第4層：コードレビューチェックリスト**

この「重ね」により、AIが生成したコードであっても、レイヤー違反が本番環境に到達する確率を限りなくゼロに近づけられます。

1. 現在のルールを「強度別」に分類する

まずは既存のアーキテクチャルールを棚卸しし、以下の3つに分類してください。

この分類により、「どのルールを機械化すべきか」の優先順位が見えてきます。

2. 1つの重要ルールを「ビルドで落とす」ように設定する

最も重要なルール1つを選び、今週中に自動チェック化してください。

**Java/Kotlinの場合**：ArchUnitを導入

**TypeScript/JavaScriptの場合**：dependency-cruiserを導入

**Python の場合**：import-linterを導入

まずは1つ。完璧を目指さず、「ビルドが落ちる体験」を作ることが重要です。

3. AI生成コードのレビュー観点を更新する

コードレビューチェックリストに以下を追加してください。

AI時代のレビューは「AIが書いたコードを疑う」視点が不可欠です。

AIがコードを書く時代、アーキテクチャルールは「読まれるもの」から「破れないもの」へと進化しなければなりません。すべてを機械化する必要はありませんが、本当に重要な制約については、複数の層で重ねて守る戦略が有効です。

「選ぶ」と「重ねる」——この2つの原則を意識することで、AIツールの生産性を最大限に活かしながら、アーキテクチャの健全性を保つことができます。

この情報は @skipbit さんの投稿を参考にしています。