AI駆動開発によって、システム開発の未来はどうなるのか。そうした議論が増えてきています。
私の著書では「ITの歴史から学ぶ」ことをテーマにしてきました。そこで本記事では、過去の技術変化を手がかりに、AI駆動開発の未来を考えてみます。
特に注目したいのは、クラウドと生成AIの技術的な共通性です。クラウドは、インフラ作業を操作可能にすることで、開発と運用の関係を変えました。同じように、生成AIは、言語を使った作業を操作可能にすることで、要件定義と実装の関係を変えるかもしれません。
本記事では、クラウドの歴史を振り返りながら、AI駆動開発が「要件定義と実装のつながり」をどう変えるのかを考えます。
続きを読むAI駆動開発が「使える」となってきたことで、20代後半から30代中盤のミドルエンジニアが疲弊しているという話を聞きました。たしかに、エンジニアの中でも「AIは楽しい・これでもっと良くなる」という意見と「不安だ・これからどうなるのだろう」という意見に分かれているようです。
私の周りでは、特にベテランが楽しんで、ミドルが不安になっているような構図を感じています。
この記事では、システム開発における30年間の分業と統合の歴史を振り返りつつ、それぞれの世代が何を経験してきたのかを整理します。そのうえで、AI駆動開発が既存の分業をどのように統合しようとしているのかを見ていきます。そして、これがベテランとミドルの違いに、どのように影響しているのかを考えます。
最後には、AI駆動開発が「分業の終わり」ではなく、AIを前提にした「新たな分業の始まり」でもある、という見方を提示します。
続きを読む仕事の中で生成AIが使われるようになり「見た目は整っているが中身がズレてて、受け手に再作業の負担を押しつける成果物」が増えたと感じる人も多いでしょう。これを「ワークスロップ」と呼びます。
ワークスロップは、AIが悪いのではなく、AIを使う側が、仕事の中身を十分に理解していないことに起因します。準備が曖昧なままAIに依頼し、生成物をきちんとに評価しないまま流してしまえば、どれだけ見た目が整っていても、成果物としては十分ではありません。
つまり、ワークスロップとは、人の「仕事に対する構造理解の強弱」がAIによって増幅された結果だといえます。AIは熟練者にとっては仕事を効率化する道具になりますが、仕事の経験が浅い人にとっては、かえって「それっぽい成果物」を生み出しやすい道具になってしまう。
だからこそ必要なのは、AIに単に作業を代行させることではなく、人間が仕事をどう準備し、どう評価し、どう調整するかを支えることです。言い換えれば、AIを使う側に適度な思考の負荷をかけ、仕事の構造に沿って考えられるようにすることが重要になります。
この記事では、まずワークスロップの問題を、仕事の進め方の観点から整理します。そのうえで、AIを人の思考を支える「思考支援モード」として使う方法を述べ、さらに固有業務では、その支援を仕組みとして埋め込む「ガイド型AIエージェント」という考え方までつなげていきます。
続きを読むクライアントとの日常業務は、特に問題なく進んでいる。
必要な情報共有もされ、打ち合わせでは意見交換も行われる。雑談もするし、関係が悪いわけでもない。
ところが、新しい取り組みを始めたいときや、トラブルが起きたとき、方針や判断が必要な場面になると、最初に声がかからない。
別の誰かに先に相談が行き、あとから共有される。
もしかすると、あなたはクライアントにとって「便利に使える人」であっても「信頼できる人」ではないのかもしれません。
このブログは、グロースエクスパートナーズ Advent Calendar 2025の14日目です。
続きを読む生成AIによって、エンジニアがどう変わっていくのか？という、さまざまな論考が生まれているので参戦してみます。
98年からエンジニアをしている僕からすれば「開発生産性の向上」というのは常に提示されきたテーマで、生成AIは大きなジャンプではあったものの、産業の進化としては正常な流れなのかな、と思います。
というわけで、よくある「一般的な産業の進化はこうだったから、IT業界もこうなるはず」という感じの論考をChatGPTにまとめてもらいました。
続きを読む仕事の中に生成AIが組み込まれ、生成AIが専門的な問題まで解決できるようになってくると、人間の役割は、「どんな問題をAIに解かせるか」を考え、適切に提示することへとシフトしていきます。
つまり、「何のために、何をすべきか」を、顧客と調整や合意をしながら、何度も改善を重ねていくという「正解のない仕事」が、これから増えていくでしょう。
でも、こうした仕事では、正解が見えない焦りや、他者との関わりの中で、不安が生まれやすくなります。
続きを読む