教えないと、釣り竿で釣りをするのがどれだけ難しいかってことが分かるよね。

100% 今、AIの能力に驚いてる人たちはソフトウェアエンジニアばかりで、超懐疑的な人たちはほとんど他のオフィス仕事をしてる人たちだね。彼らの主なAIとの接点を調べてみると、マイクロソフトのコパイロットなんだけど、今までのAIシステムの中で最もクソな実装だと思う。進歩を重視する人間としては、こういうシステムから恩恵を受けてる人が少ないのを見るのは本当に残念だよ。

ソフトウェア開発にはLLMの自動化に適した単純作業がたくさんあるけど、実際のところ、平均的なホワイトカラーの労働者にとってチャットボットの有用性を過大評価してる人が多いと思う。プロンプトがメール自体より長くなるのに、Copilotにメールを作成させる意味は何なの？ ChatGPTにスライドデッキを作ってもらうことはできるけど、スライドデッキはもうすでに作るのが超簡単だし。LLMを検索エンジンとして使うこともできるけど、すでに検索エンジンはあるしね。チャットボットを使ってブレインストーミングするって話もあるけど、自分を説明する負担から解放されて考えればいいだけじゃない？ LLMはすごく印象的で柔軟なツールだけど、変革を期待されすぎてる気がする。実際には限られた方法でしか変革をもたらさないんだ。彼らが輝く場所はかなり低レベルで、転写、翻訳、画像認識、検索、明確に指定された問題を既知のAPIを使って解決することなど。これには価値があるけど、期待されているような普遍的な加速剤は見えてこないな。

結局、経営陣は全然わかってなくて、AIの使い方を自分で考えろってこと？それに、自分でパフォーマンスレビューを書いたり、目標を設定したりするの？

両方だと思う。ほとんどの組織には、スティーブ・ジョブズのような人がいないから、製品ラインが活性化しないんだよね。マイクロソフトなんかはそのいい例で、年々出てくる製品がほとんど「まあまあ」って感じ。会議も多いし、特に多くの企業ではチームの便利さのためにさらに増えてる。でも今は、2〜3年前と比べて市場が柔らかくなって需要が減ってる。多くの人を解雇しても収益が維持されているなら、AIが助けているんじゃないかな。ただ、企業では直接売上に貢献しているかどうかが重要なんだよね。

じゃあ、個人が自分で書いた素晴らしいオープンソースプログラムはどこにあるの？ AIに助けられているはずの小さなビジネスはどこにあるの？

オペレーション的には、新しいスタートアップはエージェントファーストでの設定に大きなアドバンテージがあると思う。古い人間ファーストのものほど良くはないかもしれないけど、モデルの改善に関してはずっと安くて柔軟だろうね。

もしかして、経験豊富な人たちはL2キャッシュみたいな存在なのかな？ そして、課題はそのキャッシュを新鮮に保ち、深くしすぎないことかも。すぐに利用できるインスティテューショナルメモリー（キャッシュヒット）が必要で、CPUの人たちがその瞬間に必要としていることを助けるために。キャッシュがなければ問題は解決できるけど、うーん、すごく時間がかかるだろうね。一方で、キャッシュに悪いデータが入っていると、それは良くない。みんなが本当に何をすべきかを考える代わりに、そのキャッシュからそれを選んでしまうから。

分散システムと組織のダイナミクスを比較するのは面白いアナロジーだね。

うちの会社が最初に開発者にAIを使うように推奨し始めたとき、チームの中で一番のベテランが「コーディングが仕事のボトルネックじゃない」って結構声を上げてたんだよね。実際はI/Oの問題で、同時にいくつものプロジェクトが進行してて集中できてないから、キャッシュの問題もあったりして…それがI/Oの問題をさらに悪化させてるんだよ。

ルールがあって、非常にあいまいな構文をナビゲートする仕事の場合、AIはそれを自動化するだろうね。1990年代には、コンピュータが非常に正確な構文のルールベースのシステムを自動化してたから。https://hazel.ai/tax-planning このソフトウェア（私は関係ないし、宣伝もしてないけど）は、米国の90%以上のRIAよりも投資計画や税務計画が得意なんだ。RIAを自動化することで、取引ソフトウェアが株式仲介を自動化したのと同じように、RIAの平均手数料を年間1%から0.20%、さらには0.10%にまで下げることができるだろうね。

「スライドやデッキを作ってその考えを伝える」 その使い方は、多くの人がLLMに任せてるよね。でも、これが直線的な生産性の向上に繋がるとは思わない。ほとんどのホワイトカラーの仕事はそんなに速いペースじゃないから、スライド作成に1時間節約しても大きな生産性の利益が得られるわけじゃない。どうするの、同じことについて5つもデッキを作るの？ 全てのメールに2回返事するの？ それとも自分を褒めて、しばらくRedditをブラウジングするだけ？ それに、LLMが生成したスライドには誤りや変なところが含まれてる可能性が高いから、結局は他の誰かが修正しなきゃいけないし、その分あなたの利益は他の人の損失になっちゃう。

どんなソフトウェアエンジニアの仕事が、人と会ったり、「期待を合わせたり」、合意を得たり、スライドやデッキを作ったり、市場ポジショニングを考えたりしないのか、ちょっと混乱してるんだけど。もし前にそんなことをあまりやってなかったなら、どうやってエンジニアリングをしていたのか、思いつくのが難しいな。多くの質問がすでに答えられているようなニッチな技術的な役割を除いて、でもそれでも、そういう話をしているはずだと思うよ。ただ、もっと効率的に、他のエンジニアと一緒にね。

コーディングとは違って、考えるのは（あるいは、エージェント以前は）消費される時間の中で少ない割合だった。ソフトウェアを書くこと、つまり考えたことを実装する方法を考えることは、考えから完成までの全体の時間の中で、もっと大きな割合を占めていた。え？少数派かもしれないけど、考える時間とコーディングの時間はいつも80:20だった。考えて描くのにたくさん時間を使って、あとは一度書いて少しデバッグすれば動く。これってLLMコーディングでもあんまり変わってないよ。ただ、同じだけ考えたら、もっとコードが出力されるようになったけど。

考えることがいつも一番難しい部分で、ボトルネックになってる。プログラミングの中で考えるのが少ない部分だって言うのは、みんなの経験を反映してないと思う。普通の人が、考える量を2倍にしないと質の良いコードを生み出せないなんて、信じられないよ。

システムの一部が早く動いても、全体のスピードはあんまり変わらないよね。重要なのは、何かが実行されたかどうかを確認するのが難しくて、作業をするのと同じくらい時間がかかるってこと。もしみんながAIの生産性について真剣に考えてるなら、プログラムの正確さを素早く確認する方法を考えようよ。他のことは、信号待ちの間のフェラーリみたいなもんだ。

コストの面で比較が間違ってる気がする。Claudeのサブスクリプションは、会社に請求される個人アカウントを使うと、1人あたり20ドルだし、Slackみたいな一般的なオフィスツールとあまり変わらないよ。ClaudeやChatGPTに新しい従業員をオンボーディングするのは、1970年代の手動オフィスワーカーに初期のコンピュータの使い方を教えるよりも、めちゃくちゃ簡単だと思う。顧客サービスの自動化みたいな大規模な実装はもっとコストがかかるかもしれないけど、短期的なメリットは十分あると思うから、何かしらの成果は出てくるはず。

この話題について詳しく知りたいなら、ソロウの逆説に対する答えとして、ポール・デイビッドの『ダイナモとコンピュータ』をおすすめするよ。[0] [0]: https://www.almendron.com/tribuna/wp-content/uploads/2018/03...

LLMは生産性の向上に関してコンピュータと似てるとは思わないな。

参考までに、今週のフォーチュンに「一般技術」のJカーブが最新のBLSデータに現れているという記事があったよ。 https://fortune.com/2026/02/15/ai-productivity-liftoff-doubl... スタンフォードが承認した意見のソースはこちら: https://www.ft.com/content/4b51d0b4-bbfe-4f05-b50a-1d485d419... https://www.apolloacademy.com/waiting-for-the-ai-j-curve/

だから、AIが同じように見えることを期待すべきだ。 それはある程度根拠のある仮定なのかな？ 2001年に大学でAIの歴史を学んだとき、初期のフレームワークは70年代に書かれていて、2000年までに人間のような知能に達するという予測があったのを思い出す。Samaがこのある種のブレイクスルーを持ち出したからって、今後毎月や毎年同じような改善があるとは限らないよ。もしかしたら、今後10年で人間の知能レベルに達することもないかもしれない。

時間が経つにつれて生産性は上がるかもしれないし、コストは下がるかもしれない。お金はもう使っちゃったけどね。

情報技術が経済全体に明確な利益をもたらし始めたのは1990年代中頃から後半だった。1990年代のブームは主に接続性によるもので、数百万台のコンピュータがインターネットに接続された。 [1] _ 1990年代に。今では、数十億のデバイスが接続されていて、そのほとんどがAndroidデバイスだよ。

それにしても、まだAIの使い方を知らない人が多いのが驚きだよね。ハッカーニュースみたいな技術に詳しい場所でも、現代のAIモデルが動くコードを生成できないと思ってる人がいるんだ。こないだ友達とChatGPTの話をしてたら、質の高い結果を得るためには「思考」をオンにする必要があるって知らなかったんだよ。この友達はアマゾンで働いてた技術者なのにね。まだ使い方を学んでいる段階で、革命的な影響を期待するのは無理だよ。まだまだ始まったばかりなんだ。

へぇ、そんなことに気づかなかった。でも、ずっとそう思ってた。あのVisiCalc以前（あるいはVisiCalc自体）にビジネス用のコンピュータ技術から本当に価値を得ている人がいるのが不思議だったんだよね。全部ちょっと不器用に見えたし。

誰がこれをチェックするの？ その答えは、ある人にとってはもっとAIだって。AIが作成したPRが今は大きすぎて理解が難しいって、同僚が説明してくれたんだ。コードをマージした後にバグが出るんじゃないかって心配してた。彼らの解決策は、別のAIを使ってコードをレビューさせることだった…でも、これじゃコードが何をするのか分からない問題は解決しないよね。彼らはそのための解決策も持ってて…AIにクイズを作らせて、エンジニアに理解度をチェックさせるって。 > 誰がこれをチェックするの？ だから、結局のところ本当の答えは…誰もいないってことだと思う。