WK

AIのアウトプットを一部しか確認しないという感覚を理解できない人が多いらしい。 でも、マネージャーが部下の仕事をすべて確認しているわけではないのと同じ話だと思う。 事業上重要な指標と、それに影響する部分を重点的に確認して、残りはAIに委任する。 昔のAIは間違いが多く、細かく確認しないと使い物にならなかった。でも最近は、実現したいシステムをかなり高い精度で構築できるようになってきた。 もちろん、要件定義や仕様書、ワイヤーフレームを使った認識合わせ、リスクの高い部分の検証は必要。 ただ、コードを隅々まで見ていると、変数名や式の書き方ばかりが気になって、本来重要なユーザー体験や精度の改善に時間を使えなくなることもある。 その時間で、 ・どんなユーザーに何を実現したいのかを深掘りする ・複数の設計を試して、より良い構成を探る ・別のAIモデルで実装や精度を比較する ・テストカバレッジや障害リスクの高い部分を重点的に検証する ・実際のユーザーの反応を見て改善する といったことに集中できる。 AIに任せるというのは、品質への責任を放棄することではない。 何をAIに任せ、どこを検証し、何を改善すれば事業成果につながるのか。 これを判断して、複数のAIやアウトプットをマネジメントする能力が、これからのエンジニアにはますます重要になると思う。 コードを全部理解していることと、良いプロダクトを作れることは、必ずしも同じではない。

「神は細部に宿る」という言葉、正直ちょっと雑だと思っている。 そもそも何を細部と捉えるかは人によって違う。 コードの設計にこだわる人もいれば、資料の構成や事業戦略、広告のたった一言にこだわる人もいる。 誰も気にしていなかったUIの小さな変更が莫大な売上を生むこともあれば、何週間もかけてコードを磨いても顧客価値がほとんど変わらないこともある。 「細部に神は宿る」と言われて頑張る人が、そこに夢中になっている人に敵わないのも当然だと思う。 そもそも本人が重要だと思っていない部分に「もっとこだわれ」と言っても、ただの注意喚起にしかならない。 だからこそ、まず何にこだわるのかを決めるべきだと思う。 すべての細部に時間を使う必要なんてない。重要でない部分はAIに任せてもいいし、80点で済ませてもいい。 本当に重要なのは、他人が見落としている価値を発見して、そこに誰よりも夢中になれること。 「細部にこだわること」自体を美徳にするのではなく、「どの細部にこだわるべきか」を見極める能力こそ評価されるべきなんじゃないかな。

AIコーディング、使ってる環境が違うだけで、もはや別競技になりつつある気がする。 実装にどれくらい工数がかかるのか、どこがボトルネックになるのか、レビューで何を確認すべきなのか。 エージェントに実装を任せるだけなのか、複数エージェントを並列で動かして、テストやブラウザでの動作検証、修正まで自動化しているのかで、工数感もレビュー負荷もまるで違う。 ある環境ではレビューが最大のボトルネックでも、別の環境ではそこまで含めて自動化されている。 当然、品質保証の責任がなくなるわけではない。ただ、人間が確認すべきポイントは大きく変わる。 厄介なのは、お互い自分の開発環境を前提に工数や品質管理を議論してしまうこと。 同じ「AI駆動開発」という言葉を使っていても、見えている世界が全然違うんだよね。

「モデルの性能に依存しないシステムが素晴らしい」という価値観に、正直あまり共感できない。 もちろん、堅牢性や保守性、コスト最適化が重要なのは理解できる。でも、それらはあくまで手段であって、エンジニアリングの目的ではないと思う。 自分が一番ワクワクするのは、最新モデルの登場によって、昨日まで不可能だったことが今日できるようになる瞬間。 その新しい能力を誰よりも早く理解して、今まで存在しなかった体験やサービスを生み出し、社会に届けること。 モデルの性能に依存しないことを目指すよりも、モデルが進化するほど提供できる価値が大きくなるシステムを作りたい。 技術的に美しいシステムを作ることより、最先端の技術を使って社会に最大のインパクトを生み出すこと。 自分にとっては、それこそがAI時代のエンジニアリングの一番面白いところだと思う。

「AIを使うと制作過程を説明できなくなる。だから頭を使っていない」という議論、結構懐疑的なんだよね。 「説明できないことは理解していない」という考え方が根拠なんだろうけど、膨大な知識を持つ研究者やエンジニアが、必ずしも説明上手いわけじゃないよね。笑 そもそも、顧客を納得させる説明力と、良いアウトプットを生み出す能力は別物だと思う。 AIによって過程を説明する能力が多少落ちたとしても、短期間で質の高い成果を出せるなら、それはそれで重要な能力。 「説明できる人」と「作れる人」を同じ尺度で評価すること自体、AI以前の価値観なのかもしれない。

AIの思考速度に慣れてしまうと、そうでない人と議論のテンポが合わなくなる瞬間がある。 前提や方針が擦り合っているなら、あとはそのコンテキストをAIに渡して設計を議論し、具体案を作ってしまえばいい。 抽象的な議論を延々と続けるより、実際に形にして、比較して、問題点を見つけて、また修正する方が圧倒的に速いし深い。 AIを使うと「十分に考えてから作る」だけじゃなくて、「作りながら考える」「検証しながら考える」が当たり前になる。 思考を省略しているわけじゃない。むしろ同じ時間で試せる仮説も、検討できる選択肢も圧倒的に増えている。 この感覚が共有されていないと、同じテーマについて話しているはずなのに、そもそも議論の進め方から噛み合わなくなる。

「AIは平均値だから独自性がない」とか言ってる人いるけど、IQ140超えのスコアを出すAIのどこが平均値なんだよと思う。笑 そもそも統計的に学習していることと、平均的なアウトプットしか出せないことは全く別の話。 人間の発想だって、過去の知識や経験の組み合わせから生まれている。 自分しか持っていない一次情報を与え、複数のAIエージェントに異なる役割や問いを与えて、議論や思考実験を繰り返す。 視点も仮説も組み合わせは無数にあって、そこから自分一人では辿り着けなかった発想が生まれることもある。 それを「AIだから」「自動生成だから」というだけで独自性がないと決めつけるのは、あまりにも浅い。 AIに独自性がないんじゃなくて、独自性を引き出す使い方を知らないだけでは。

迷う選択肢があった時どっちも並列で模索しながら進めるのがAI時代のよいところ

AI駆動開発、ついに完成し始めてると思う。この変化に気づいてる人とそうじゃない人では、もう見えてる世界が全然違う。 これまでAIがどれだけ高速にコードを生成しても、結局は人間によるレビューやQAがボトルネックになっていた。 SDDやTDDなどのアプローチも進化してきたけど、最近はブラウザ操作の精度と速度が向上し、実装→動作確認→不具合発見→修正→再検証までAIが自律的に回せるようになってきた。 もちろん課題は残るけど、明らかに一線を越え始めている。 一方で、いまだに「AIの考えは自分の考えじゃない」とか言って使いたがらない人もいる。 でも、プロダクトを作るにしても論文を書くにしても、創造的な成果を出すために情報を集め、調査し、他人と議論するのは昔から当たり前だったはず。 AIによって、その調査が圧倒的に速くなり、優秀な議論相手が何人も増えただけの話。 大事なのは誰がアイデアを思いついたかではなく、何を選び、どう形にして、どんな成果を出したかだと思う。 自分の頭だけで考えることにプライドを持つのは自由だけど、その間にもAIを使いこなす人は何倍もの仮説を検証し、実際にプロダクトを世に出している。 AIを使うと自分の価値がなくなるんじゃない。 AIを使って何を生み出せるかが、これからの人間の価値になるんだと思う。