はじめに
どうも。鳩胸になりたい文鳥です。
人間側が成長するしかないのではないか？
みたいなこと最近考えております。
去年はClaude Codeとか出てきて使い方とか小手先のテクニックを磨こうとしてたのですが、最近AI活用をうまくするには自分が成長するのが一番手っ取り早いんちゃくかなというシンプル気持ちになっています。
人に共有するほどでもないことかもしれないですが、一周まわった感があるので書き留めておこうと思っています。
言いたいことは、
AIを使って出せる成果の上限は、使い手の能力に依存する。だから人間側が成長する以外に道はない。
みたいな感じです。
AIに指示がを出すということ
自分の理解の範疇にあるかどうか、結果を想定できている時
自分の理解の範疇にあればサクサク進む。APIを書くぐらいだったら爆速で作れるようになった。
で、この時、雑なプロンプト投げたり抽象的なプロンプト投げたりして、どれぐらいタスクがどれぐらいの完成度で進むか、どれぐらいの時間で終わるかというのを俺は見ている。
自分でも辿り着ける答えに至るまでの時間を短縮しているイメージがある。
しかし、このご時世、単純なCRUDで成果を出せるような領域はもう世にプロダクトが存在するので市場にインパクトが出せるかというと無理なことが多いと思う。競合もAIを使って高速に作れるのでこういった形でAIの恩恵を受けたとしても差別化の要素にならない。
とにかくガシガシ作ればいいのでは？みたいなことを考えることもあるが、保守することにリソースはいるしいらない機能はを消すのに労力が必要なので、必要な機能だけを作り続ける感性がwith AI時代にも必要である。
プロンプトの結果を想定できてない時
そもそも欲しい答えに辿りつかないことも多い
これはできる。これはできない。この類はDBの実行計画渡した方がいいなとかコンソールのログ渡した方がいいなとか。
例えば、パフォーマンス改善したい時に、どこがボトルネックでなんの情報を渡せばAIが答えを出してくれるかということに対して検討もつかない時、正解の深さが辿りつかない。
AIモデルに食わせてる情報に対して近い領域のプロンプトを書かないとレスポンスに帰ってこないというのは感覚としてある。
そもそもDBの実行や内部的な動きがわかってないとプロンプトに差が出る。課題解決の深さにたどりつかないということである。
くじ引きのあたりのようにいい答え出たとしても正当性の確認が必要
いやいやClaude大先生が自分の知らん高度なソリューションでアウトプット出してくれることあるがな
という人もいると思いますが、仮に結果が課題に対して正しいとしても、プロンプト実行者が答えを持ってない時に、コード生成以降の工程が結構重くなるなと思っています。
「よっしゃーいけたやん、俺天才」と思っても結局妥当性の検証に結構時間がかかるということです。
で、時間をかけて正当性を確認した後に、ようやく次のステップ！と思った時にコードの手直しなんかしているうちに、もやもやしてきて「ほんまにこれでいけんのかな？」みたいな気になって、PRレビュー依頼を出すことやリリースに載せる心のGoが出なかったり。
主体であるはずの自分が主体として捌いてるタスクとしての感覚が薄れたりする。
もしくは人に頼るというてもあって「この課題に対してこんなソリューションがありまして」みたいなことを説明するにおいてまず整理する時間をとる。
ちょっと緊張しながら話して、みたいなことをする。
で、技術力ある人に判断を委ねるがリソース効率を考えても、主体がソリューションに確信を持てている時に比べてチームメンバ〜の負荷は上がってるし、他人のGoで漸く進められるものをプロンプトで生成したコードを作った人の成果物といっていいのかは怪しい。
コードレビューが必要か？
みたいな話も結局AI＋実装者で確信を持てるかどうかに関わるのでプロンプトを実行する人間側が優秀であれば後続の人的リソースと認知負荷を節約できることになる。
AIのモデルは大分賢くなってきていますが、AIエージェントってリポジトリに詳しくはないがベテランで爆速のエンジニアみたいな感じなので、チームにいる信頼できるエンジニアが出してきたPRに比べると体感で倍以上注意深く見る必要があります。
非エンジニアがAIエージェントを使ってPRを作成するという機会も増えたなと実感しますが、結構手戻りが起きたりするのでデリバリーまでのリソース効率と時間短縮にどれぐらい寄与しているのかなとまだ効果については確証が持てない今日この頃であります。
では人間は何をすべきか
冒頭に戻ります。が人間側が成長するしかない。
周りでAI活用がうまい人
- 元々専門知識レベルが高い人
- この数年でAIを使ってうまく成長した人
に分類できると思う
冷静に考えて見るとわかるが
知識はないがAI使わしたら腕は一級品！
みたいな人って存在しないわけで、小手先のテクニックで多少変わるけどエンジニアリングの文脈では結局使い手の能力に依存しているなと感じる・
深さ or 幅を持つためにAIを使う
両者に共通することは
- AIの出力を、毎回ちゃんと評価する。流さない。「いい感じ」で済まさない
- 自分で深掘って、AIへの評価軸を研ぐ
- AIを評価する側であるという自覚
具体的には
- 専門性を高めるために深さを持つ
- AIから深い部分の答えを得るために自分に知識をためていくということである
- 隣の領域に踏み込んで幅を広げる
- 専門性をもう一本生やす。AIがあるので二本目以降のコストは下がっている
身近なAI活用がうまい人を参考にする
というのも結構大事だと思っていて、システムにおける複雑性・規模・バグに対する許容度・ユーザー数などを度外視してAI活用のTipsを語ってもあまり参考にならないことも多いと思う。
なので身近で同じリポジトリを触ってる人でAI活用のうまい人を参考にしたり、逆に自分からチームに知識を共有したりすることが結構生産性に影響するんやろうなって最近思う。
コアなメイン業務としての専門性で評価軸を持ちながら、二本目・三本目の専門性をAIと一緒に伸ばしていく、というのが現実的な戦略になる気がしています。
深さをつけていくために都合よくいいレベル感のタスクを持てる確率よりも戦略的に隣の領域に踏み込む方が機会損失がなく再現性が高いと思うからです。
おわりに
AI活用の話は、どのモデルが、どのツールが、どういうプロンプトが、という話に目が行きがちですが、しばらくやってってみて俺が成長するしかないというい、とても基本的なスタンスに戻りました。
結局のところ、AIは人間の能力を増幅する装置であって、増幅される元の能力がなければ、増幅後もゼロのままなのかなと思ったり。
AIを使いこなしたかったら、自分の専門性を一本深く掘る、AIへの評価軸を磨く。幅を広げる！そんな感じなんちゃうかなと思っております。