ハクソク

世界を動かす技術を、日本語で。

AIが「小規模チーム」時代を切り開いている

338日前原文(bloomberg.com)

概要

  • AI技術の進化 により、スタートアップの評価基準が変化
  • 従業員数の最小化 が新たな成功指標として浮上
  • 過去のユニコーン志向 からの大きな転換
  • 収益効率重視 の時代への移行
  • Silicon Valley における新潮流の解説

シリコンバレー「タイニーチーム」時代の到来

  • 2012年の Facebook IPO から2023年の WeWork破綻 まで、「ブリッツスケーリング」時代の到来
  • この時代、スタートアップは 時価総額 や 資金調達額 を最重視
  • ユニコーンステータス （10億ドル評価）達成が究極の目標
    • 急速な 従業員増加 と規模拡大が常識
  • 現在は、 従業員数の最小化 が起業家の新たな自慢ポイント
  • AIの導入 による業務自動化・効率化が背景
  • 従業員一人当たりの収益 （revenue per employee）が新たな「聖杯」として注目
    • 資本効率や持続可能性を重視する投資家の増加
  • スタートアップの成功モデル が「大規模化」から「少数精鋭」へとシフト
  • Silicon Valley で広がる「タイニーチーム」文化
    • 小規模チームで大きな成果を目指す新潮流
  • AI時代 ならではの成長戦略と評価軸の変化

Hackerたちの意見

https://archive.ph/YHr9s

AIはコードを書くのを速く手伝ってくれるけど、コードの理解が必要なのは変わらないよね。書く部分が早く終わったからって、開発者がもっと責任を持てるようになるわけじゃない。結局、 burnout（燃え尽き症候群）につながるだけだよ。人間の脳は、持てる責任に限界があるからね。

└

でも、コードについてしっかり理解しておく必要がある。俺はAIが一番役立つのはここだと思ってる。結構複雑なモデルを作ることが多いんだけど、スケールも必要だし、ほとんどのSOやGoogleで見つかるリソースは「フィット/予測」レベルに留まってるから、データサイエンスの人たちがそこから抜け出せないんだよね。非自明なモデルについて質問できるのは、作成中に本当に詳細にパフォーマンス向上の仕組みやトレードオフを理解するのに大きな助けになるし、アプローチに対するフィードバックをもらうだけでも、コードを書く前に問題や解決策をしっかり理解するのに役立つ。さらに、複雑な問題をモデル化する際に簡単なミスをするのはすごく簡単で、その即時フィードバックは、スキルの高い人が集まったチームでしか得られないデバッグみたいなもんだよね（あるレベルになると、大企業で働く人だけの特権みたいなもん）。俺の仕事では、バイブコーディングは笑っちゃうくらいひどい。主に、比較的ユニークな問題に対する大規模なMLシステムの例があまりないから。だけど、初期のモデル化プロセスでミスを避けるのはスーパーパワーみたいに感じる。さらに、早い段階のプロトタイプコードを実際のパイプラインにすぐにリファクタリングできるのは、プロセスの面倒な部分をスピードアップしてくれる。

└

フロントエンドとバックエンドの役割を一人の開発者にまとめることが多いから、今後はAIを使ってさらに効率を上げようとするんじゃないかな。燃え尽き症候群なんて気にせずに、彼らの歴史を見ればわかるよ。

└

書く部分が早く終わったからって、 最初から書く部分がボトルネックだったわけじゃないんだよね…。 何を書くかを考えるのがいつもボトルネックだったし、AIはそれを解消するわけじゃない。 ただ、AIが正しいことを書いたかどうかを考えることに変わるだけ。

最近の6ヶ月間、いろんなプロジェクトに取り組んで新しいことを試してるんだ。何かをするたびに、自分の開発環境にAIの自動化や強化を追加して、どれだけ自分の生産能力を高められるかを試してる。高品質なプロジェクトを提供しながらね。全体的に見て、前より10倍になったとは言わないけど、平均して2〜3倍にはなったかな。テストの面では、10倍くらいかも。ちゃんとしたテストカバレッジがないと、エージェントAIを自分で動かすのが怖くて仕方ないから。小さなチームで、信頼できる友達や同僚と一緒に、100人や1000人規模の会社を持つ夢を見てるんだ。小さな会社の方が、なんか親密でいいよね。雇って成長するより、こっちの方が自分には合ってると思う。

└

何かをするたびに、自分の開発環境にAIの自動化や強化を追加して、どれだけ自分の生産能力を高められるかを試してる。 具体的にどんな例がある？うまくいったことは？

└

小さなチームが最適だってのには完全に同意する。会社が大きくなるほど、従業員にかかる認知的不協和が増すからね。現実に向き合うことを強いられる環境で働きたいし、そうじゃない人は解雇されるべきだと思う。

└

インスタグラムは、Facebookに買収される前は13人の社員しかいなかったんだ。秘密は、1000人の会社のほとんどの社員は必要ないか、会社が持っている可能性の低いニッチなケースをカバーしていることだね。

└

ちょっと前に、ここでこの話にリンクしてくれた人がいたんだ。少し単純化されて理想化されてるけど、実際にはかなり的を射てる。俺は毎日AIを使ってる。今日も、ChatGPTを使ってアプリの文字列を5つの言語に翻訳したよ。

└

それって別に新しいことじゃないよね。2000年代の小さなチームがRailsみたいなウェブフレームワークを使って、90年代に50人必要だった仕事を5人でこなしてたし、週末のソロプロジェクトでもできてた。結局、それが新しい標準になっちゃって、5人のチームが50人分の仕事を請求できる期間は短かったんだよね。いくつかのチームは市場シェアを獲得するために価格を下げて、結局、従業員一人あたりの収益は元に戻った。いつの間にか、ウェブUIのCRUDアプリを大きなプロジェクトだと思う人はいなくなった。これからも同じことが起こるんじゃないかな（もしAIがメモリ管理やウェブフレームワークと同じくらいの生産性向上をもたらすなら）：すぐに、友達と小さなチームでやってる会社が、100人や1000人の会社と同じようには見られなくなると思う。たとえ数年前にその規模の会社ができることを実現できたとしてもね。

└

「小さいけど強力な」チームモデル、めっちゃ魅力的だよね。管理の手間が減って、実際に作ることに集中できるし。

└

いつかその優位性を失うよ。自分を差別化できなくなるからね。もしエージェントを使って10倍の成果を出せるなら、他の人もできるってこと。AIを使えば、もっと「高い」簡単な成果も手に入るし。

このトレンドがAIのおかげで「エージェントの艦隊を管理する」ことになってるとはあんまり思わないな。でも、小さなチームのトレンドは確実に成長してると思う。2023年のレイオフやダウンサイジングが大きな要因だと思う。Twitterがイーロンの大規模なスタッフ削減を乗り越えられるかみんな懐疑的だったけど、実際にはサイトは生き残ったしね。2016年から2020年の帝国建設の時代は終わりを迎えてると思う。マネージャーを部下の数で評価するのはもう時代遅れだし、チームの規模を無理に大きくする理由もなくなったよ。

└

ちゃんとしたLLMがあれば、技術的な質問に答えてくれるだけで生産性がかなり向上すると思う。エージェントベースのツールを使わなくてもね。今朝、Claude 4 Sonnetを使って、Dockerコンテナを作って、パッケージ化して、GitHub Container Registryに25分でアップロードする方法を見つけたんだ。Claudeの助けがなかったら、少なくとも数時間はかかってたと思うし、ちょっとしたことでつまずいて、イライラして諦めてたかもしれない。トランスクリプト: https://claude.ai/share/5f0e6547-a3e9-4252-98d0-56f3141c3694 - 書き込み: https://til.simonwillison.net/github/container-registry

└

「技術的にはサイトは生き残っている。」って、目を細めて見ないとそうは見えないよ。サイトの質を見れば、ひどく落ち込んでる。最大の「ふざけんな」は、フィッシャーたちが青いチェックマークを買ってCEOやオーナーの顔を使って詐欺を宣伝してること。さらに、めちゃくちゃなコンテンツやクリックベイトが、（おそらくボットによる）いいねをもらってフィードのトップに出てくる。政治的なスレッドを開くと、なぜか自転車を運転するクマの返信がトップに来たりする。Twitterは死んでる、誰かがそれを認めるのを待ってるだけだ。

└

じゃあ、Netflixを見てる大勢の中に隠れてられないってこと？

└

マネージャーを部下の数で評価するのは今や時代遅れだね。人間の本質がそんなに変わったとは思えないし。ただの市場の低迷だよ。

└

うん、でもお金がないから、まあまあのアイデアに人を投げ込んで、後で収益を利益に変えられることを期待するってのは無理なんじゃないかな。…AIそのものを扱ってるなら別だけどね。

└

「帝国を築く」マインドセット、今はもう古臭く感じるな。誰も、あなたがどれだけの部下を持ってるかなんて気にしないよ。

先日、「ミリオンダラー、ワンパーソンビジネス」と「カンパニー・オブ・ワン」という本を読んだんだ。どちらも、製品を作るためのコードの進化、AWSを使ったホスティングインフラ、そして売るための人々のネットワーク（インターネット、特にSNSや広告）のおかげで、一人で大規模な会社を運営する可能性が歴史上かつてないほど高まっているって話してる。これらの本はChatGPTやLLMの登場前に書かれたから、今はその可能性がさらに広がってるはず。特に技術系の創業者にとっては、LLMは完璧じゃないから、コードが壊れた時に修正できるスキルは必要だよね。でも、将来的にはエージェントが代わりに働いてくれるから、自分の仕事もどんどん減っていくかもしれない。

株主がもっと解雇されることに対してビクビクしている話を聞くことになると思うけど、質の高いソフトウェアが生まれるのはあまり期待できないんじゃないかな。みんなが生産性が大幅に向上したって言ってるけど、一般的にソフトウェアの質や新しい製品が生まれるのは、せいぜい変わらない感じ。新しい素晴らしいソフトウェアはどこにあるんだ？ そろそろ話をやめて、何か見せるべきだよ。君のSQLクエリが処理されたことなんて、全体像から見れば大したことじゃない、それはただの話だ。

└

これはシリコンバレー全体の問題が何年も続いてる。世界を変えるって言ってるけど、ここ10年で得られたのはタクシーやホテルのアプリだけ。真に革命的なものは何もない。

└

AIエージェントの会社がめちゃくちゃ出荷してるのは見てるよ。Cursor、Windsurf、Claude Code…まるで魔法のようなAIのミニオンたちが機能を作ってるかのように、どんどん新機能を追加してる。もしかしたら、本当にそうかもね！

└

これ、すごく共感するなぁ。私も全体像を見たいと思ってる。

└

小さなタスクを早く終わらせるのは一つのことだけど、本当に革新的なものを出すのはまた別の話だよね。

ビジネスの中で苦労しているのは、LLMと話すのがどれだけ退屈かってこと。ホワイトボードの前に立ってアイデアを考えるのは楽しいけど、ますます「LLMに話しかけて、LLMに聞いて、LLMが知ってる」っていう流れが強まってる。LLMは知ってるけど、俺は人間と話したいんだよね。それに、純粋なビジネスの場では、経験豊富な人が知っているニュアンスを理解するのに時間がかかりすぎる。「でも、そうじゃないよ」っていう作業が多すぎる。経験豊富な人と比べると、ずっと多くの「でも」が必要なんだ。LLMは好きだし、その利用を推進してるけど、何か違和感を感じ始めてる。深いニュアンスを捉えるには広がりが足りないのかな？そのせいで、実際に人間が彼らのアイデアにどう反応するかを理解するのがすごく苦手な気がする。

└

両方やればいいんじゃない？でも、それにはちゃんとしたネットワークが必要だけど、新しい世代のAI起業家にはそれが足りないかもね…

└

その気持ちわかるよ。あと、トピックがニッチになるほど、LLMは間違ったことを言うことが多いんだよね。でも、ホワイトボードやブレインストーミングには結構使えるよ。大きなモデルと話すことを忘れずにね。ミニや「フラッシュ」モデルは避けた方がいい。あれにはいつもがっかりさせられてるから。もう一つ付け加えると、マルチモーダリティが私たちに近づけてくれる。物理的なホワイトボードを使って、写真を撮るのもいいかも。誰かがExcalidrawやMiro、FreeformをLLMに接続するのも時間の問題だと思うよ（MCPs最高！）。

└

LLMを使えば、他の人がその質問をどう思うか気にせずに、自由に質問できるよね。

└

完全に同じじゃないけど、スマホが登場して以来、質問をして議論を始めたり人の意見を聞こうとすると、誰かがウィキペディアの答えを読み上げて、まるでそれが自分が知らなかった洞察のように振る舞うのが嫌だったんだ。結局、議論が台無しになっちゃう。LLMと話すのは全く同じではないけど、似たような感じで、ウィキペディアを持ってる人と話すみたいなもので、アイデアを出し合って考えるってことができないんだよね。

└

考えを深めるのは大事だよね。でも、多くの議論では、両方の側が「なんとなく」真実を感じ取ろうとしてることが多い。調べられる事実なら、スマホを取り出して、推測ゲームで議論を停滞させないでほしいな。

これ、古いかもしれないけど、1999年に戻ったみたいで、小さなスタートアップが業界をひっくり返せる感じがする。LLMが提供できる製品だけじゃなくて、小さなチームが大きなチームよりも問題を解決するのがずっと早いからね。今、地下室で大手に挑戦するために、3人から5人の会社が何百、何千と生まれてることを願ってるよ。

└

1999年にもいたよ。ほとんどの小さな会社は、資金を得るための悪いアイデアを持っていて、2001年までには消えていったね。中には、マーク・キューバンがbroadcast.comをユーザー1人あたり1万ドルでYahooに売ったみたいに、大きなバカに売り抜けたところもあったけど。

少なくともC++に関しては、テストの生成や補助スクリプトを書くためにコパイロットを使うようにしてる。正直なところ、苦労して得た教訓や大失敗を通じて、何をしようとしているのかをチェックして確認するためのメンタルモデルを築いた感じだ。確かに、いくつかの「JSONの処理」みたいな、protobufにフィールドを追加したりデータをシャッフルしたりする作業では、かなり生産的になれるけど、それでも微妙なミスをしないとは信じきれないし、現在のコードベースと同じスタイルのコードを生成することもある（システムプロンプトでそう伝えても）。明らかに間違ったことをして、それを強弁したり、最初から気づかなかったりすることがあって、チャットで「もうやめて！」って叫ぶと「おっと、私のミスだ」とか言ってくることもある。例えば、こんなコードね。

class Foo {
    int x_{};
public:
    bool operator==(Foo const& other) const noexcept {
        return x_ == x_; // <- other.x_はどうするの？
    }
};

今のところ、GeminiやClaude、どのGPTでも、書くコードの中で見逃しやすい微妙なミスを本当に避ける方法がわからない。とはいえ、「この新機能を包括的なテストスイートでカバーして」って言うだけで、冗長なgtestのセットアップをしなくて済むから、本当に感謝してる。

ビジネスマネジメントのモデルを作ってるプロジェクトってある？ 技術に秀でた人たちには、管理の負担を減らして、難しい問題に集中できるのがメリットだと思うんだ。