Codingエージェントの進化が日々凄まじいですが、自分の肌感覚としても感じている、今年～来年のメイントレンドになりそうな事をまとめてみました。
領域や組織規模によるので一概には当然言えないですが、簡単な社内での振り返りやディスカッションのきっかけにして頂ければ嬉しいです。
1. ノーコード/ローコードは、AI時代にはボトルネックになりうる
ノーコード/ローコードは短期的な立ち上げには有効でも、AIが深く関与する開発・改善の時代には制約になりやすい
- AIがソースレベルで扱えない領域は開発速度が大幅に落ちる
- 製品固有仕様や独自バージョン差分はAIが扱いにくい
- 結果として、AIがアクセスできない領域を増やし続ける
- 将来的には、その見えない部分が全体最適の障害になる
2. SaaS/パッケージは必要だが、導入領域を見極める必要がある
SaaS/パッケージ製品は不要ではない。だが、AI時代には持つべき領域と持たない方がよい領域を明確に分ける必要がある
- Slack、Teams、Office、Zoomなど、外部とのやり取りで事実上必須の基盤は必要
- 経理・人事・法務など、法規制対応や制度対応が重く、再開発が難しい領域もパッケージ活用の合理性が高い
- 一方で、普及率の低い独自パッケージや中途半端なSaaSはブラックボックス化しやすい
- AIが直接扱えない業務・ロジック・データ領域を広げると、将来の負債になる
3. AI時代に契約すべきなのは、SaaSの利用者数ではなくデータの利用料である
AIが業務の主要な接点になるなら、人単位でSaaSを契約するのではなく、AIが扱えるデータへの接点として契約する方が合理的な領域が増えていく
- 人の操作を前提にしたSaaS契約は、AI時代には構造的に非効率になりうる
- 本当に必要なのは画面ではなく、その裏にあるデータである
- AIが使えないSaaS領域が増えるほど、業務知識や情報が分断される
- 今後は「何人が使うか」より「AIがどうアクセスできるか」が最優先になる
4. AIに必要なのはシステムではなく、各システムの裏にあるデータである
そもそも必要なのはシステムではなくデータである。各システムの後ろに隠れているデータを前に持ってこない限り、AIは業務の中核に入れない
- システムはデータを扱うための手段に過ぎない
- 価値の源泉は、各システムの裏に蓄積されたデータにある
- AIがアクセスすべきなのは、画面ではなくデータである
- システム中心の発想から、データ中心の発想へ切り替える必要がある
5. 各専門組織は、ルールを配るのではなくAIエージェントとして実装すべき
法務・コンプライアンス・経理・セキュリティ・UXデザインなどの専門組織は、チェックリストを運用するのではなく、自らの知見をAIエージェントとして実装していくべき
- ルールを読ませる運用ではなく、業務フローの中で自動的にチェックされる仕組みにする
- 各部門の専門知識を特化型AIエージェントとして蓄積できる
- 全社で再利用可能な資産が積み上がっていく
- 人はルール運用や普及ではなく、より本質的なイシューに時間を使える
6. AI活用では、補助的利用にとどまる企業とAIネイティブを前提にする企業に分かれる
今年～来年にかけて、AIを人の生産性向上ツールとして使う企業と、AIネイティブな開発プロセスを前提に組み直す企業の差は急速に広がる
- 前者は調査、要約、コード補完など支援レベルの活用にとどまる
- 後者は、人が直接手を動かす前提そのものを見直す
- 同じAI活用でも、組織設計と業務設計の発想がまったく異なる
- この差はやがて生産性の差ではなく、組織の根本的な競争力の差になる
7. AIネイティブ開発に取り組まない企業は、適切な発注すらできなくなる
AI時代には、自社で一定の実践がなければ、妥当な発注価格と工数を判断できなくなる
- AIで比較的容易に作れる機能でも、理解がなければ高く買わされる
- 逆に「全部AIでできるでしょ」と短納期・低単価で発注すると失敗する
- 発注力を持つには、自社側にもAI開発理解が必要
- 内製経験の有無が、そのまま調達力の差になる
8. AIを使いこなせる人材ほど、AIを活かせない企業を避ける
AIリテラシーと環境整備ができていない企業には、優秀な人材も、優秀な外部パートナーも集まりにくくなる
- 優秀な人材ほど、生産性の低い環境を嫌う
- AI利用を制限する企業は魅力を失いやすい
- 正社員の採用だけでなく、優秀なフリーランスや業務委託からも足切りされる
- 人材競争力の差が、そのまま事業競争力の差になる
9. AIネイティブ開発では、手戻り回避最優先のマネジメントは最適ではなくなる
開発コストが大幅に下がり、手戻りを避けるための関係者間の事前擦り合わせと調整コストの方が高くなるケースが多くなる
- 人中心の開発では、手戻りコストが大きいため事前調整が極めて重要だった
- AIネイティブな開発では、手戻りと作り直しのコストが大幅に下がる
- 要求に対して複数の設計やデザイン案が考えられるなら、並行で走らせて取捨選択していくというアプローチも現実的になる
- 従来型の手戻り回避最優先のマネジメントはむしろ全体の速度を落とす