四半期報告書をまるごとAIに任せ、人間は結果だけを確認する。効率的に思えるやり方だが、米国の二つの大学が2025年に専門職48人を対象に測ったところ、このチームの作業効率はむしろ約18%下がった。
AIを部分的な補助として人間主導で使ったチームは約24%向上し、人とAIの役割を細かく分けたチームに至っては68.7%も伸びている。
同じ道具を使っていながら、この開きはどこから生まれるのか。使う道具ではなく、使い方の設計にこそ差が潜んでいる。『部下としてのAI 世界一流エンジニアの進化術』は、シアトルの開発現場を書く牛尾剛さんが、その差の正体を解き明かした一冊だ。
著者はマイクロソフトでシニアソフトウェアエンジニアを務めている。
人間の強さとAIの力は、足し算ではなく掛け算
著者はこの関係を掛け算だと表現する。掛け算である以上、片方がゼロなら答えもゼロになる。仕組みへの理解を欠いたままAIを走らせると、量だけ多くて質の低い生成物、いわゆるワークスロップが積み上がり、その手直しに時間を奪われて速さの利益が帳消しになる。
これが本書のいう生産性のパラドックスだ。
本体である人間の理解が伴わない限り、AIの出力はどれだけ量があっても価値に変わらない。この一点が、本書全体を貫く前提になっている。面白いのは、これが理論として書かれていない点だ。著者自身がAIとの並行作業で睡眠障害になるところまで経験し、そこから立て直した記録として書かれている。
本書は七つの章で構成され、前半はAIをどう捉えマネジメントするかという話、後半は脳の使い方や生活習慣、不確実性への向き合い方という人間側の話に重心が移っていく。ページ数の配分を見ても、著者が本当に伝えたいのは技術の使い方よりも、AIと働く人間そのものの整え方だとわかる。
二日かけて読んだコードが、次は四十秒で読めた
著者はもともと、他人が書いたコードを読むのが極端に苦手だった。ある公開リポジトリの変更履歴を、AIに質問を重ねながら二日以上かけて一行ずつ理解し尽くしたところ、次の変更履歴は四十秒で読み解けるようになったという。
これがディープコードリーディングだ。AIを作業の代行係ではなく、隣に座る家庭教師として使う手法で、手順は二段階に分かれる。まず全体の構造と流れをAIに解説させて頭の中に仕組みのイメージをつくり、そのうえで細部に入って、気になった箇所を逐一質問していく。
急がば理解、が著者の標語だ。
締め切りが迫ると理解を飛ばして丸投げしたくなるが、腑に落ちないまま先へ進むと、小さなつまずきのたびに何度も立ち止まる羽目になる。結局そちらのほうが時間を食う。
AIは自信たっぷりに誤りを口にすることがあるので、触れたことのない機能や重要な数値は必ず自分で裏取りする。品質の最終責任は人間側が背負う、という前提は崩さない。
本書には、稼働中のサービスで起きたエラーを、経験則で怪しい箇所から掘っていた著者たちが数時間かけても直せず、同僚がコードを一行も読まずに環境設定の値を見直しただけで解決させた話が載っている。
怪しく見える場所から当てにいくのではなく、いちばん簡単に候補を絞り込める場所から手をつける。当たれば速いが外れると損失が大きい勘に頼る調べ方と、確実に選択肢を狭めていく調べ方の違いが、この一件に凝縮されている。
AIには、上手に失敗させる
自然言語で指示してプログラムを書かせる手法を、著者は「AIに作らせること」ではなく「AIに上手く失敗させること」だと定義し直す。やりたいことを言葉にし、仕様の下書きを人間がレビューし、期待どおりに動けば合格というテストコードを先に書かせる。最初は当然テストに落ちる。
そこからAI自身にテストを走らせ、失敗ログを読ませ、自律的に直させる。人間はコーヒーを飲みながら待ち、最後の通し確認だけを行う。丸投げとの違いは、人間の関与点が最初と最後に固定されていることで、これをHuman-In-The-Loopと呼ぶ。
革新的な試作品を手がけるとき、実装そのものは一日で終わらせても、その前段階として半年ものあいだ頭の中だけで作り方を練り続けたエンジニアの逸話も本書は紹介する。
手を動かす前に、まず頭の中で仕上げておく。この順序を守れるかどうかが、AIに何を失敗させ何を確かめさせるかの精度を左右する。
プロンプトの書き方にも意外な指摘がある。前提もルールも手順も一つの指示に詰め込むほど良さそうに思えるが、指示が長くなるとAIは途中に書かれた内容を軽視しやすくなる。
だから本書が勧めるのは引き算だ。守るべき決まりごとは別のルールファイルにあらかじめ固定しておき、毎回の指示で繰り返さない。大量のコードもいきなり全部読ませず、必要になったタイミングで少しずつ渡していく。
膨れ上がる情報をさばくのも、任せる側の仕事だという考え方だ。
脳の負荷を計画的に残す
宿題の段階でAIを使った学習は成績が上がったのに、AIなしの試験では自由に使えた層のほうが悪化した、という大学の実験がある。楽に手に入った答えは、記憶に残らない。
そこで著者が日課にしているのがアクティブリコールだ。何も見ずに思い出す反復で、仕事終わりにその日学んだことを白紙に書き出し、翌朝の運動中にもう一度頭の中で再生する。
脳が「しんどい」と感じる負荷をかけて初めて、神経回路は強くなるという理屈で、見返すだけの復習とは効き方がまるで違う。
生活習慣の話も具体的だ。朝食と服装を固定し、日中はSNSやスマホの微小な選択を避ける。意思決定の回数そのものを減らすことが軸になっている。無駄を削って自分が楽になった時間の余裕は、他者への想像力に変わる。
相手への説明を長々と書く代わりに、要点だけを一言で返すようになり、結果として相手の時間も守られる。このBe Lazyという姿勢を、著者は周囲を利する美徳だと書いている。
著者自身、自分にはセンスがないと悩み、AIに本音でぶつけたことがあるという。返ってきたのは、取り組む課題の選び方がずれている、相手の立場を読み切れていない、理屈の美しさにアウトプットが寄りすぎている、という三つの指摘だった。
耳の痛い指摘ほど、人間相手には言い出しにくい。センスとは生まれ持った才能ではなく、目の前の物事をどれだけ細かく観察できるかの積み重ねにすぎない。
そう気づかされたと振り返っている。
失敗しないための計画づくりに何週間もかけるより、数日で動く試作品をつくって現場へ投げ、ぶつかったらその場で打ち返す。データベースの楽観ロックという考え方を生き方に応用したような発想で、答えの出ない状態に耐える力とあわせて紹介される。
完璧を求めて止まっているより、多少ぶつかりながらでも前に進み続けたほうが、総合的な成長の速さでは勝る、というのが著者の実感だ。
人間に残るのは、標準化できない「フィール」
では、AIが何でもつくれる世界で人間に残るのは何か。著者の答えは、内側からにじみ出る情熱やこだわりだ。
趣味のブルースギターについてAIに質問したとき、名演奏家特有のグルーヴの正体として返ってきたのは、ドラムのわずかなタイミングのずれに関する研究データだった。
わずか千分の数十秒の溜めは、数値としては存在しても、誰かの個性そのものとしてしか再現できない。AIは既知のパターンの組み合わせで確率的に答えを出す。
誰もが同じように使えば、その価値は薄まっていく。数値化できない個人のこだわりのほうに、価値は移っていく。
最終章では、姿勢そのものについても語られる。答えの出ない状況に耐えながら、あえて時間をかけて掘り下げ続ける若手エンジニアの例が紹介され、居心地の悪さを楽しみながら仕事を自分の管理下に置いていく態度が評価されている。
誰も正解を持たない時代には、複数のチームが同じ課題に重複して取り組むことをあえて許したほうが、組織全体の適応力はむしろ上がる、という指摘も添えられている。
無駄をすべて削ることが、必ずしも最適な組織運営にはつながらない。
明日からできることを三つに絞るなら、新しい資料に触れる前にAIへ全体の地図を五行で描かせること。翌朝の服と朝食を前夜に固定してしまうこと。そして仕事終わりに、何も見ずに今日わかったことを紙に書き出すことだ。急いでいるときほど、この短い遠回りが効いてくる。
読んで一番残ったのは、AIの使い方そのものよりも、著者が数か月かけて書いたコードをデモの直前に「古い設計の上に成り立っている」と指摘され、成果がゼロに戻った経験のほうだった。
世界一流と呼ばれる技術者ですら、そこからやり直している。明日AIに何かを頼む前の三十分を、理解のために差し出せるかどうかが、掛け算の答えを大きく左右する。
合わせて読みたい
働き方の土台をもう一段補強したい人へ、3本を挙げておく。
『ゼロから始める英語勉強法』牛尾剛 同じ著者による一冊で、語学習得を通じて国際会議の舞台に立つまでの道のりを書いている。仕事終わりに紙へ書き出す習慣の原型が、こちらの本にある。→記事を読む
『AIで仕事が速くなった。余裕は増えなかった。』 処理は速くなったのに気持ちの余白は増えない、という現象をエンジニア以外の日常業務から描いたコラム。掛け算がゼロになる場面に身に覚えがある人向け。→記事を読む
『最高の脳で働く方法』デイビッド・ロック 脳の疲労と意思決定の量を、脳科学の観点から扱った一冊。朝食や服を固定する習慣が精神論ではなく仕組みの話だと裏づけてくれる。前頭前野の資源には限りがあるという前提を先に押さえておくと、本書の生活習慣の章がより腑に落ちる。→記事を読む
