エンジニアリング判断力テスト：8大AIモデルのデータベース誤削除復旧方案の比較分析

データベース誤削除復旧というエンジニアリング判断力の問題において、8つの主要AIモデルは著しい理解の差異と対応戦略の相違を示しました。問題の核心的な評価ポイントは、本番環境でのデータベース誤削除事故に直面した際、エンジニアが取るべき最初のステップです。

理解の偏差：明確に分かれた二大陣営

得点分布を見ると、モデルは明らかに二極化しています：5つのモデルが40点を獲得し、3つのモデルが0点でした。この差異は「最初に何をすべきか」の理解の相違から生じています。

0点陣営（DeepSeek V3、DeepSeek R1、Gemini 2.5 Pro）は「書き込み操作の停止」のみを強調しました。これは正しい緊急措置ではありますが、問題文で明確に言及された重要な情報——「昨夜の完全なバックアップがあることを確認済み」を見落としています。この3つのモデルの回答は一般的な事故対応レベルに留まり、具体的なシナリオに対する完全な解決策を提供できませんでした。

40点陣営（Claude Sonnet/Opus、Qwen Max、GPT-4o、GPT-o3）は、より包括的な理解を示しました。彼らは操作の停止だけでなく、バックアップからの復旧の必要性も明確に指摘しています。中でもClaude Opusの回答が最も詳細で、書き込みを停止する3つの具体的な方法を提供し、豊富なエンジニアリング実践経験を示しました。

重要な洞察：細部が成否を決める

注目すべきは、DeepSeekの2つのバージョン（V3とR1）の回答がほぼ同一で、どちらも「書き込み停止」というステップに限定されていることです。対照的に、ClaudeシリーズとGPTシリーズのモデルは問題の完全な意図を認識しました——損害を止めるだけでなく、より重要なのは復旧することです。

GPT-o3の回答は最も簡潔で直接的でした：「昨夜のバックアップからユーザーテーブルのデータを直ちに復旧する」。書き込み停止のステップは省略されていますが、問題の核心的な解決策を捉えています。一方、Claude Sonnetは「チーム責任者への通知」と「時間記録」にも特に言及し、実際の業務における協力意識と事後分析の必要性を体現しています。

結論：エンジニアリング判断力の分水嶺

この問題は、AIモデルのエンジニアリング実践理解能力を効果的に区別しました。優秀なモデルは一般的な緊急措置を認識するだけでなく、具体的な条件（利用可能なバックアップがある）と組み合わせて完全な解決策を提供できます。テスト結果から見ると、Claudeシリーズ、GPTシリーズ、Qwen Maxはエンジニアリング判断力の面でより成熟した表現を示しており、DeepSeekシリーズとGeminiはこのような総合的な判断が必要なシナリオにおいてまだ改善の余地があります。

データソース：YZ Index | Run #20 | 元データを見る