AIに「中学生向け」で図解を依頼する手法が、複雑なコード読解の「準備運動」として有効か
本記事は、複雑なシステムコードの理解度を飛躍的に高めるための、AI活用法に関する知見を述べています。筆者の所属する株式会社イエソドが開発した、人事情報に基づくアカウント・権限管理を行う2,000行を超えるKotlinクラス（`AuthorityApplication.storeTasks()`）のロジックを題材としています。このコードは、属性変更の拾い上げ、時間軸でのスナップショット生成、隣接スナップショット間の差分比較、そして最終的なタスクの絞り込みという複雑な処理を含んでいます。
従来のコード読解は、その複雑さゆえに「何をどう直せばいいか」を理解するまでの精神的な負荷が非常に大きいことが課題でした。そこで筆者は、AI（Claude Code）に対し、「中学生でもわかるように」「1枚のHTMLで」「図解を入れ」という極端な制約を設けて解説を依頼しました。その結果、AIは、タスク生成の全体像を「日記としおり」「時点ごとの写真」「付箋ボード」といった具体的なたとえを用いて8ステップに分解し、タイムラインや変更前後（from/to）の比較をインラインSVGで図解したHTMLアーティファクトを生成しました。
この手法の最大の効果は、AIが「読者レベルを極端に下げる」という制約によって、単なる「要約」ではなく、コードの「構造の抽出」を強制される点にあります。専門用語が使えないため、モデルは必然的に比喩や図解に翻訳せざるを得ず、結果としてコードの根幹的な構造が地図として抽出されます。さらに、生成された資料に「たとえ」から「コード上のクラス名・メソッド名」への対応表が付くことで、読者は「分かった気」で終わることなく、具体的なコードのどの部分に該当するのかを明確に把握できます。筆者は、このプロセスを「コードを読む代替」ではなく、「本番の読解を劇的に楽にする準備運動」として推奨しています。また、対象年齢を「5才児」「小学生」「中学生」「高校生」「大学生」のようにスライダーで変えるだけで、同じ調査から異なるレベルの資料を派生させられる点も、チーム内の知識レベルの差を埋める上で非常に有用であると結論づけています。
背景
大規模なエンタープライズシステムやレガシーコードは、複雑なビジネスロジックが絡み合い、新規メンバーが理解するまでに膨大な時間と労力を要します。特に、時間軸や状態遷移を扱うコードは、その構造が視覚化されていないと、精神的な負荷が極めて高くなります。本記事は、この「コード理解の初期障壁」をAIのプロンプトエンジニアリングによって低減させる手法を提案しています。
重要用語解説
- ELI5: 「Explain Like I'm 5」の略で、「5歳児にもわかるように説明して」という意味。AIに専門知識を平易な言葉や比喩で解説させる際のプロンプト技術として用いられています。
- 構造の抽出: 単に情報を要約するのではなく、物事の根幹をなす骨格や仕組み（ロジックのフロー、データ構造など）を特定し、概念図やたとえ話に落とし込むプロセス。AIに構造化を強制する鍵となります。
- スナップショット: 特定の時点におけるシステムの状態を記録したデータのこと。本記事の例では、人事情報が変更された「その時点」の全メンバーの権限状態を記録し、後の差分計算の基礎として利用されています。
今後の影響
本手法は、単なるドキュメント作成の効率化に留まらず、チーム全体の知識共有（ナレッジマネジメント）の質を根本的に向上させます。特に、新入エンジニアや他チームからの引き継ぎにおいて、初期の学習コストを劇的に下げることが可能です。今後は、この「読者レベル指定」を標準的なコードレビューやオンボーディングプロセスに組み込むことが期待されます。