なぜ過剰資格がリスクなのか
Why Being Overqualified Is a Risk (newsletter.bphogan.com)
要約
採用担当者は、候補者が過剰資格を持っている場合、いくつかのリスクを懸念します。それは、候補者がすぐに辞めてしまう可能性、高慢な態度をとる可能性、そして給与や役職に関する非現実的な期待を持っている可能性です。これらの懸念から、企業はリスクを減らすために、より適した候補者を選ぶ傾向があります。
全文翻訳
Issue 52 - ローカルでのコーディングモデル実行、そして「資格過多」がリスクである理由
この記事では、コーディングエージェントをローカルモデルで使用するように設定しますが、その前に、なぜマネージャーが資格過多な候補者を採用リスクと見なすのかを説明します。
あなたはその役割には「優秀すぎる」
もしあなたが資格過多な職務に応募したことがあるなら、その仕事を得られない可能性が高いでしょう。ほとんどの仕事では、あなたが資格過多であることを望んでいません。
「資格過多」とは「年を取りすぎている、または高すぎる」という意味だと考える人もいますが、通常はそうではありません。彼らは特定の課題を解決するための特定の役割を募集しており、その役割には提供できる給与を制約する予算が付いています。
あなたが資格過多である場合に選考が進まない理由はいくつかあります。これらの理由のどれも、あなたやあなたのスキルを反映したものではありません。誰かを雇用することは、リスクを特定し軽減することを含みます。そのため、マネージャーはチームへの適合性に関して、その視点から多くの決定を下します。
彼らはあなたが辞めると考える
キャリアを後退させたいと考える正当な理由があります。エンジニアリングマネージャーやディレクターが、ソフトウェア構築が恋しくなり、個人開発者に戻ることを決断するのを見てきました。また、スタッフやリードのポジションが気に入らず、より大きな組織目標ではなく、単に作業に集中できる役割に戻りたい人々も知っています。そして、経済的に厳しい時期には、誰もが仕事が必要であり、請求書は失業したからといって止まるわけではないため、より低いレベルの仕事でより低い給与を受け入れることを厭いません。
したがって、あなたの経験レベルよりもはるかに下の職務に応募し、その仕事をする意思があると主張する場合、採用マネージャーが最初に疑問に思うのは、あなたがその仕事をどれくらいの期間続けるつもりかということです。彼らがあなたを採用し、トレーニングした場合、あなたは彼らが必要とする努力をするでしょうか、それとも、より適した仕事を探すことに時間を費やすでしょうか?なぜなら、その仕事は長期的にはあなたにとってあまり挑戦的ではない可能性が高いからです。その役割はそのレベルで存在する理由は、チームが完了する必要のある作業のレベルだからです。おそらく、チームにはより複雑な作業に取り組む必要のある、よりシニアなメンバーがいます。
彼らはあなたが優越感を持つと考える
マネージャーはチーム内の役割のバランスを取る必要があり、募集している役割を中心にチームを設計しています。ジュニアの役割に対して経験豊富な人を採用すると、意図的か無意識的かにかかわらず、「何でも知っている」という態度で人が入ってくるリスクが生じます。あなたは経験の呪縛を持っています。あなたは修正したいことを見つけるでしょう。「違うやり方であるべきだ」ということを見つけるでしょう。時々、この態度は、マネージャーやチームリーダーよりも自分がよく知っていると考えることにまで及び、それは全く別の問題を引き起こします。
あなたの経験レベルで仕事ができない役割にいると、不満は不快な形で現れることがあります。あなたは退屈で、評価されず、最終的には不満を感じるでしょう。
一部のマネージャーは不安を感じており、挑戦されたくないため、コントロールを維持しようとして、経験の少ない人を採用するという点を指摘しておくべきです。
彼らはあなたが非現実的な成長期待を持つと考える
資格過多な役割にいる場合、あなたは落ち着きがなくなり、責任範囲外の仕事を引き受けようとするかもしれません。もちろん、彼らはあなたのスキルを割引価格で得ているので、誰もあなたがそうするのを止めることはありません。しかし、それは最終的にあなたが「ねえ、私はこれらすべての余分なことをしている。新しい役職とより多くのお金を得るべきではないか?」と考え始めることにつながります。しかし、その仕事は会社があなたに依頼したことや、あなたが引き受けるように頼まれたことではありませんでした。それはイニシアチブを示しますが、最初から別のことをするために採用されたにもかかわらず、すぐに役職と給与の昇給を期待して、余分なことをすべて行ってくることは役に立たないでしょう。その役割はおそらく、誰かが時間をかけて成長するように設計されていました。
マネージャーが役割を承認すると、その役割には予算があります。よりシニアな人を採用した場合、その役割をよりシニアな役割に再分類するのは非常に困難です。実際、多くの昇進には昇進のビジネス上の理由が必要であり、チームにすでに多くのシニアな人がいる場合、もう一人をビジネスケースとして提示するのは困難です。
あなたが何ができるかと、誰かがあなたに何を必要としているかとの間には、大きな違いがあります。このミスマッチは、マネージャーが役割により適した候補者をプールから探す原因となることがよくあります。
ここで言及したすべては、マネージャーが応募書類をレビューし、面接を行う際に考えることです。これは、あなたが職務に応募すべきではないという意味ではありませんが、あなたのチャンスについて現実的であるべきであり、早期にそれがあなたに適したフィットではないと言われた場合に失格にならないという意味でもあります。
探求すべきこと
- LLMFit は、お使いのハードウェアでどのモデルがうまく実行できるかを示すターミナルベースのツールです。インストール済みのモデルと利用可能なモデルを表示します。
- LocalSend は、ローカルネットワーク上のデバイス間でファイル、フォルダ、テキストを送信できるWindows、Mac、Linux、モバイルアプリです。
OllamaとOpenCodeでローカルコーディング環境を作成する
前回の記事では、Ollamaをローカルにセットアップ し、その機能の一部を使用しました。まだ探求していないことの一つは、独自のLLM駆動コーディング環境をセットアップする方法です。
OpenCode は、オープンソースのターミナルベースのコーディングエージェントです。これは、大規模言語モデルをコードベースに接続し、ファイルの読み取り、コマンドの実行、およびあなたの代わりに編集を行うためのツールを提供するインタラクティブなインターフェースです。
公式インストールスクリプトを使用してOpenCodeをインストールします。
$ curl -fsSL https://opencode.ai/install | bash
インストールスクリプトはOpenCodeをダウンロードし、完了時にメッセージを表示します。
▄
█▀▀█ █▀▀█ █▀▀█ █▀▀▄ █▀▀▀ █▀▀█ █▀▀█ █▀▀█
█░░█ █░░█ █▀▀▀ █░░█ █░░░ █░░█ █░░█ █▀▀▀
▀▀▀▀ █▀▀▀ ▀▀▀▀ ▀ ▀ ▀▀▀▀ ▀▀▀▀ ▀▀▀▀ ▀▀▀▀
OpenCodeには無料モデルが含まれています。開始するには:
cd <project> # ディレクトリを開く
opencode # コマンドを実行
詳細については https://opencode.ai/docs を参照してください
スクリプトはopencodeのバイナリをPATHに配置しようとします。LinuxおよびmacOSでは、~/.opencode/bin/opencodeで見つかります。
新しいターミナルウィンドウを開き、opencodeバイナリが利用可能であることを確認するために次のコマンドを実行します。
$ which opencode
何も返ってこない場合は、~/.opencode/bin/opencodeを含めるようにパスを変更してください。
新しいプロジェクトディレクトリを作成し、OpenCodeを実行します。
$ mkdir testproject && cd testproject
$ opencode
OpenCodeインターフェースが表示され、デフォルトで無料で利用できるクラウドベースのモデルに接続されます。
[画像: The OpenCode interface]
デフォルトでは、OpenCodeはファイルシステムへの書き込みなど、危険なアクションを許可します。Claude Codeのように、最初に許可を求めるデフォルト設定に慣れている場合、これは不意を突かれるでしょう。
OpenCodeを終了するにはCTRL+Dを押します。
~/.config/opencode/opencode.jsonファイルを作成し、デフォルトの権限を設定するために次のコードを追加します。
{
"$schema": "https://opencode.ai/config.json",
"permission": {
"read": "allow",
"write": "ask",
"edit": "ask",
"bash": "ask"
}
}
これは、OpenCodeにファイルの書き込みと編集の許可を求めるように指示しますが、読み取りは許可します。また、Bashコマンドの実行許可も求めます。これらは必要に応じて変更してください。
次に、Ollamaを使用してコーディングモデルを取得し、OpenCodeがそれに接続するように設定します。
Ollamaでコーディングモデルを取得して設定する
まず、コードデータでトレーニングされたモデルを取得します。多くのモデルには、「コーディングバリアント」があり、これははるかに多くのコード、デバッグ会話、およびツール使用例でトレーニングされており、OpenCodeのようなエージェントワークフローでより優れたパフォーマンスを発揮します。
Ollamaを使用してqwen3-coderモデルをダウンロードして実行します。これは18GBのモデルですが、マシンは32GBのユニファイドメモリがないと実用的ではなく、48GB以上あれば、コーディング作業に価値のあるコンテキストで実行できます。32GBのMacは、小さなコンテキストウィンドウで動作します。コーディングモデルは、他のモデルよりもローカルで実行するために大幅に多くのリソースを必要とします。
$ ollama run qwen3-coder
別のターミナルウィンドウでollama psを実行して、モデルの実行状況を確認します。
NAME ID SIZE PROCESSOR CONTEXT UNTIL
qwen3-coder:latest 06c1097efce0 18 GB 100% GPU 4096 4 minutes from now
この例では、モデルは完全にGPUで実行されますが、非常に小さいコンテキストウィンドウを持っています。コンテキストウィンドウとは、プロンプト、会話履歴、共有したファイルやコード、モデル自身の応答を含め、モデルが一度にメモリに保持できるテキストの最大量(トークンで測定)です。
Ollamaは、デスクトップアプリの設定のスライダーを使用するか、環境変数を使用するか、デフォルトの計算を使用することによって、コンテキストウィンドウを設定します。コンテキストウィンドウを設定する方法はいくつかありますが、最も一貫性のある方法は、Ollamaを使用してコンテキストを組み込んだモデルのバリアントを作成することです。OllamaはDockerに似た方法を使用するため、新しく作成するこのバリアントは追加のディスク容量を消費しません。既存のモデルの上にレイヤーが追加されるだけです。
コンテキストウィンドウは、モデルの重みとともにマシンのメモリに収まる必要があります。そのため、適切な値は、OSと実際に使用するアプリのために十分なヘッドルームを残す値です。
大まかな目安として、モデルが利用可能なメモリの半分程度に快適に収まる場合は、通常、アーキテクチャ上の最大値までプッシュできます。3分の2以上を消費する場合は、32kまたは64kにとどめ、残りに余裕を持たせてください。10GBのモデルを実行する16GBのマシンは窮屈な状況にあり、実用的な上限を16kと見なすべきです。同じモデルを実行する64GBのマシンは、128kで快適に実行できます。
コーディングエージェントは、実用的であるためには少なくとも64kのコンテキストが必要です。ハードウェアがCPUにレイヤーがスピルすることなくそれを維持できない場合、クリップされた大きなモデルよりも、フルコンテキストの小さなモデルの方が優れています。GPU/CPUの分割を確認するにはollama psを使用してください。
Qwen3-coder Ollamaセッション内で、次のコマンドを実行してqwen3-coder:64kという新しいモデルを作成します。
>>> /set parameter num_ctx 65536
>>> /save qwen3-coder:64k
>>> /bye
これで、どのクライアントが呼び出しても常に64kコンテキストでロードされるqwen3-coder:64kモデルができました。
新しいモデルを実行します。
$ ollama run qwen3-coder:64k
別のターミナルウィンドウでollama psコマンドを実行して、新しいコンテキスト設定を確認します。
NAME ID SIZE PROCESSOR CONTEXT UNTIL
qwen3-coder:64k 9b4c888d5300 25 GB 100% GPU 65536 4 minutes from now
これで、コーディングに使用できるローカルモデルができました。次に、OpenCodeがそれを使用する方法を知る必要があります。
OpenCodeでOllamaモデルを設定する
OpenCodeでOllamaモデルを使用できます。OllamaにはOpenCodeを起動する組み込み機能がありますが、ここではOllamaに接続するようにOpenCodeを設定します。これにより、設定の制御が向上し、将来LMStudioのような別のモデルプロバイダーの使用方法を理解するのに役立ちます。
OpenCodeは、OllamaのOpenAI互換エンドポイントhttp://localhost:11434/v1を介して通信します。モデルを利用可能にするには、OpenCodeの設定ファイルにプロバイダーブロックを追加し、OpenCodeのauth.jsonファイルに一致する認証エントリを追加します。
まず、認証情報を追加します。~/.local/share/opencode/auth.jsonファイルを編集し、Ollamaのエントリを次のように追加します。
{
"ollama": {
"type": "api",
"key": "ollama"
}
}
OllamaはAPIキーを検証しませんが、OpenCodeはリクエストをルーティングする前にエントリを必要とします。任意の空でない文字列がkeyとして機能します。この手順を省略すると、OpenCodeは/modelsでプロバイダーを表示しますが、最初のリクエストで失敗します。
次に、OpenCodeのリストにモデルを追加できます。これを行うには、追加したいモデルの名前が必要です。
ollama listを実行して名前を取得します。
NAME ID SIZE MODIFIED
qwen3-coder:latest 06c1097efce0 20 GB 2 days ago
qwen3-coder:64k a1b2c3d4e5f6 20 GB 1 hour ago
NAME列は必要な文字列です。コロンの後のタグを含め、表示されているとおりに正確にコピーしてください。Ollamaにとって、qwen3-coder:64kとqwen3-coderは異なるモデルであり、不一致は設定読み込み時ではなく、リクエスト時にmodel not foundエラーを生成します。
~/.config/opencode/opencode.jsonを編集し、作成したqwen3-coder:64kモデルをollamaプロバイダーセクションに追加します。または、Ollamaプロバイダーセクションが存在しない場合は追加します。
{
"$schema": "https://opencode.ai/config.json",
"permission": {
"read": "allow",
"write": "ask",
"edit": "ask",
"bash": "ask"
},
"provider": {
"ollama": {
"npm": "@ai-sdk/openai-compatible",
"name": "Ollama",
"options": {
"baseURL": "http://localhost:11434/v1"
},
"models": {
"qwen3-coder:64k": {
"name": "Qwen3 Coder (64k)",
"limit": { "context": 65536, "output": 16384 }
}
}
}
}
}
キーの意味は次のとおりです。
provider.ollama: プロバイダーID。これはあなたが選択します。モデルセレクター(ollama/qwen3-coder:64k)のプレフィックスとなり、auth.jsonのトップレベルキーと一致する必要があります。npm: AI SDKアダプターパッケージ。Ollama、LMStudio、vLLM、およびOpenAI APIの形状を話すその他のものには、@ai-sdk/openai-compatibleを使用します。name(プロバイダーレベル): OpenCode UIでの表示名。オプションですが、複数のローカルプロバイダーがある場合に便利です。options.baseURL: APIが存在する場所。ローカルOllamaの場合、常にhttp://localhost:11434/v1です。末尾の/v1は必須です。これがないと、OllamaのネイティブAPIにヒットしており、OpenAI互換のAPIではありません。models:ollama listコマンドのモデル名のマップ。各値はそのモデルの設定です。models.<id>.name: モデルの表示名。オプション。IDがデフォルトになります。models.<id>.limit: モデルがサポートするコンテキストと出力の量をOpenCodeに伝えます。これにより、コンテキストの圧迫を警告できます。limitがないと、OpenCodeはモデルのウィンドウを知らず、使い果たしているときに警告できません。
Qwen3-Coderはコーディングモデルです。その仕事はコードを生成すること、時には一度にファイル全体を生成することなので、より寛大な出力予算が理にかなっています。出力制限16384は、一度にかなりのファイルを書き込むための余地を与えます。
設定が完了したら、OpenCodeを再度実行し、/modelsコマンドを使用します。Ollamaモデルは、リストの「Ollama」セクションの下で利用可能になります。
[画像: Models list]
リストからQwen3 Coder (64k)モデルを選択します。
次に、小さなNode.jsサーバーを構築してテストします。
次のようなプロンプトを入力します。
Create a basic "Hello World" HTTP server using node.js with a single endpoint at the root that returns a JSON response.
[画像: OpenCode thinking and working]
それがあなたのやりたいことを確認し、Node.jsがインストールされているかどうかをチェックします。そして、以前に設定した権限により、Nodeがインストールされているかを確認するためにBashコマンドを使用してもよいか尋ねられます。一度だけ許可するか、常に許可するかを選択できます。コマンドの実行を許可してください。
サイドバーに、使用されたトークンと使用されたコンテキストサイズが表示されていることに注意してください。これは、opencode.json設定ファイルで定義したモデルの制限に基づいています。
OpenCodeは次に、この小さなプログラムを書き込もうとします。
[画像: OpenCode thinking and working]
ここでも、OpenCodeに許可を求めるように指示したため、許可する前に検査できる内容が表示されます。
動作するサーバーができるまで、OpenCodeで作業を続けてください。
終了したら、CTRL-Dを使用してOpenCodeを終了します。
これで、すべてのデータをマシン上に保持するローカルLLM駆動コーディング環境ができました。パフォーマンスは使用するハードウェアによって異なりますが、このセットアップを小規模なタスクや時間的制約のないものに使用でき、最終的にはクラウドプラットフォームでの月々の使用量を削減できます。
最後に
次号までに、以下の点について考えてみてください。
- 「資格過多」がマネージャーにとってリスクであることを理解した今、あなたがチームにとって素晴らしいフィットであることをどのように安心させることができますか?
- システムに別のモデルを追加してみてください。モデルをダウンロードし、コンテキストを設定したバリアントを作成し、OpenCodeの設定に追加します。
opencode webを実行して、ターミナルではなくWebインターフェースを使用してOpenCodeを起動します。http://127.0.0.1:4096/にアクセスしてください。
お読みいただきありがとうございました。来月お会いしましょう。
あなたはBrian HoganのCode, Content, and Careerの第52号を読みました。このニュースレターの全アーカイブも閲覧できます。