Akkaが「仕様駆動型AIデリバリー」を65のOSSプロジェクトで検証
Akkaは2026年10月、AIアシストによるソフトウェアポーティング（異なるプラットフォームや言語への移行）において、仕様駆動型のワークフローがどれだけ効果的かを検証しました。65のオープンソースプロジェクトを対象としたこの大規模な実験は、仕様構造、コンテキスト、AIモデルと労力の選択、自動検証、トークン消費、そして実行時パフォーマンスを詳細に測定しています。これはかなり衝撃的なニュースです。
Akkaの実験では、65プロジェクト中57プロジェクトでコード行数またはパフォーマンスの改善が報告され、AIを活用したソフトウェア開発の効率化と品質向上に向けた具体的な道筋が示されました。
最初の検証では、合計99.3時間を費やし、94.1億ものトークンを消費したと報告されています。しかし、その結果として、65のポーティングプロジェクトのうち57でコード行数の削減またはパフォーマンスの改善が見られたとのことです（InfoQ）。
2段階の検証プロセスとAI活用ワークフロー
この実験は2つの段階で進められました。まず、Akkaは65の全プロジェクトを分析し、仕様を生成するとともに、各プロジェクトの表面積の最大10%を実装しました。
次に、システムの特性と測定可能な結果に基づいて10プロジェクトを選定し、これらを完全に実装する作業に移りました。デリバリーハーネス（検証環境）は以下のサイクルで動作しました（InfoQ）。
- 発見（Discovery）: コード、モデル、スキーマ、ランタイム動作の分析
- 仕様化（Specification）: Akka Specify を活用した Claude で仕様を生成
- ポーティング（Porting）: 実際のコード実装
- ベンチマーキング（Benchmarking）: パフォーマンス測定
- 改善（Improvement）: 結果に基づく最適化
実装、テスト、レビューにはClaudeがAkka Specifyと共に活用されました。共通のベンチマークランナーがテスト、コードサイズ、レイテンシーを比較しています。
AIモデルと仕様の選択が効率に与える影響
Akkaの実験から、構造化された仕様、特にクレーム（主張）、エビデンス（証拠）、型付けされた振る舞いを持つものが、初回実装の品質を向上させることが明らかになりました。一方で、コンテキストファイルにおけるコンポーネント間の決定に関するギャップは残ったようです。今後の課題としては、インターフェースの列挙、テストの取り込み、来歴追跡、差分テスト、敵対的テストなどが挙げられています（InfoQ）。
興味深いのは、異なるAIモデル間の効率の比較です。
| 項目 | Sonnet | Opus |
|---|---|---|
| 1ポートあたりの平均時間 | 61分 | 120分 |
| トークン消費 | 多い | Sonnetより約40%少ない |
Sonnetは1ポートあたり平均61分で作業を完了したのに対し、Opusは120分かかりました。しかし、OpusはSonnetよりも約40%少ないトークン消費で済んだとされています。
高い労力設定はトークン消費を増加させたものの、一貫して効率を改善するわけではないという結果も出ています。この結果は、より安価なモデルがより厳密なポーティングを行うという点が注目に値すると言えるでしょう（InfoQ）。
エンジニア目線で見ると：仕様とモデル選択の重要性
今回のAkkaの検証結果は、AIによるコード生成やポーティングの際に、いかに適切な「仕様」を与えるか、そしてどのAIモデルを選択するかが、最終的な成果物とコストに大きく影響することを示唆しています。特に、私が普段 Claude Code を使って開発している経験からすると、「より安価なモデルがより厳密なポーティングを行う」という結果は非常に興味深いです。大規模モデルはより柔軟な対応ができる反面、無駄なコードを生成したり、仕様から逸脱した「気の利いた」ことをしてしまったりする可能性もあるのではないでしょうか。
逆に、小規模モデルは与えられた仕様に対して忠実で、結果としてよりタイトで効率的なコードを生成するのかもしれません。これは、私の個人プロダクトでのバイブコーディングにおいて、どのモデルを選ぶかの指針になりそうです。
また、ポートされたコードの検証においては、元の単体テストや結合テストに加えて、監査人がセキュリティ、エラーハンドリング、PII（個人識別情報）、冪等性（べきとうせい）、アーキテクチャ境界などをチェックしたとあります。これにより、AIが生成したコードの品質を担保し、予期せぬ問題を早期に発見できる体制が重要だと感じます。
パフォーマンスはプロジェクトによって大きく異なり、Difyでは143,333倍の改善が見られた一方で、Netflix Metaflowでは約100倍遅くなったという報告もあります。これは、AIの活用が常に性能向上につながるわけではなく、プロジェクトの性質や既存システムとの相性を考慮した慎重な導入と検証が不可欠であることを示しているのではないでしょうか。
