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。

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。