HN 日本語サマリー

← 一覧へ戻る
AI・機械学習

AIがソフトウェアエンジニアリングの中間層を排除している

AI is removing the middle class of software engineering (blog.florianherrengt.com)

814 pointsby florianherrengt741 コメント

要約

AIの進化により、ソフトウェア開発の現場ではコード生成の速度が劇的に向上しましたが、それに伴い、コードの品質や保守性を維持する責任が曖昧になっています。AIは大量のコードを迅速に生成できますが、その結果生じる複雑さや技術的負債の管理、そして根本的な問題解決能力は依然として人間のエンジニアに依存しています。この状況は、AIの能力を超える判断力や設計能力を持つエンジニアの価値を高める一方で、それを持たないエンジニアの需要を低下させる可能性があります。

全文翻訳

AIがソフトウェアエンジニアリングの中間層を排除している

音声版(AI生成)

[音声: 音声版をダウンロード]

2020年。あなたはチームで最も経験豊富なエンジニアであり、コード品質とアーキテクチャを担当しています。あなたは優れたエンジニアリングプラクティスを確立し、経験の浅いメンバーからのプルリクエスト(PR)を徹底的にレビューし、健全なコードベースを維持するために尽力していました。

しかし、ある時、あなたは休暇に出かけます。戻ってくると、コードベースはめちゃくちゃになっています。誰もが、あまり注意を払わずに互いのPRをマージし、誰かがデータベースに新しいテーブルを大量に追加して正規化を崩していました。それは、それが簡単だったからです。そして、必要とする確固たる証拠もないのに、サーバーレスやKafkaをスタックに追加しました。

大丈夫。あなたはこれを修正できます。

2026年。あなたは休暇を取っていません。いつもの月曜日の朝です。あなたは美味しいコーヒーを淹れ、コンピューターを開き、レビューすべき7件のPRを見つけます。最初のPRを開きます:+24506 -3938行、そしてそれが何をすべきかのAI生成の説明が添えられています。なぜか、あなたのチームは金曜日以降、あなたが数週間不在だった頃よりも多くの変更を加えています。

AIはスピード制限を解除した

AIは、エンジニアリング文化が弱いプロジェクトをはるかに速く失敗させます。

かつては、人々が座ってどのように何かを行うかについて話し合った時代がありました。今では、数時間エージェントにプロンプトを与えるだけでPRを開くことができます。

この働き方の最も悲劇的な側面は、素人目にはそれが機能するように見えることです。

ブランチをプルしてテストすると、おそらくある程度機能するものが得られるでしょう。では、彼らは何をしますか?彼らは続けます。何度も何度も。プロジェクトが誰も何もどのように機能しているか分からない地点に達するまで。

まるで、クレジットカードで新しい高級車を買うようなものです。借金は見えません。ただ、見た目が素晴らしい車が見えるだけです。

しかし、ユーザーは奇妙なバグを報告し始めます。あなたのチームがそれを修正しようとするのは4回目です。つまり…AIに修正を依頼しているのです。残念ながら、Fableでさえそれを理解できないようです。

あなたは、この機能に取り組んだ人に話を聞きに行きます。

  • 「それで、データはどこから来るのですか?」
  • 「うーん…実はよく分かりません。Claudeに聞いてみます。」

あなたは隣に座り、画面に表示される無限のテキストの壁を見つめます。どちらもそれが真実かどうか分かりませんが、Claudeは非常に自信を持っているようです。

「ウルトラコードをオンにして、再確認するように頼んでみましょうか?」

これには時間がかかりそうです。あなたはXの最新のドラマについて話し始めます。

ついに回答が得られました。

  • 「これ、何か意味分かりますか?」
  • 「よく分かりません。」
  • 「これ、先週作ったんじゃないですか?」

沈黙。

このプロジェクトは、あまりにも複雑になり、多くのレイヤーとサービスがあり、あなたのチームの誰も、何が起こっているのかを完全に理解することは不可能です。

では、どうすればいいのでしょうか?

それを修正するには、あまりにも膨大な作業が必要で、誰かに正当化することさえ不可能でしょう。

そして、あなたは一体何を考えているのでしょうか?数ヶ月後には、結局同じ状態に戻ってしまうでしょう。

  • 「Claudeに修正を頼みましょう。」
  • 「OK。ループとゴールを設定して、すべてが機能しているかチェックするまで止まらないようにします。」
  • 「良さそうですね。」
  • 「実は、今日Fableの使用回数を使い切ってしまったので、明日実行します。」

あなたは別のコーヒーを手に取り、コンピューターに戻ります。レビュー待ちのPRが13件残っています。理解できないものを見つけたので、それを書いた人にメッセージを送ります。

  • 「なぜここでこれをやっているのですか?」

相手はリンクを送ってきました。それはClaudeの会話です。

その会話のどこかに、Claudeが自信を持ってあるアーキテクチャを推奨し、謝罪し、考えを変え、あなたの同僚がそれを再考するように求め、さらに15回の変更を経て、このコードの背後にある設計上の決定が埋もれています。

  • 「どの部分を読めばいいですか?」
  • 「おそらく全部です。」

これは聞き覚えがありますか?

私がこれについて話すたびに、誰もが大きなシステムを完全に理解したことはないと言う人が現れます。それは本当です。

あなたは、すべてのサービスとすべてのデータベースを理解することを期待されていませんでした。しかし、少なくとも誰かがそれを理解していて、あなたに説明してくれるはずでした。

今、彼らはLLMに尋ねています。なぜなら、彼ら自身も実際には知らないからです。

ニュースレターを購読する

悪いエンジニアを雇う余裕はもうない

どのチームにも、プロジェクトを可能にする有能な人々がいます。また、他のすべての人にとって状況を悪化させる人々もいます。そして今、誰もがかつて1年かけていたよりも多くのコードを1日で生成できます。

上記のストーリーでは、誰もが失敗しています。

  • 25,000行のPRを開いたエンジニアは、エージェントがそこまで行く前に止めるべきでした。彼らはそれが何をしているのかを理解し、作業を小さな塊に分割し、それが導入した新しい抽象化をすべて疑問視すべきでした。
  • それをレビューした人は、諦めるのではなく、そんなに大きなものをレビューすることを拒否すべきでした。
  • Kafkaを追加した人は、なぜそれが必要だったのかを正確に説明できるべきでした。
  • 機能を作成した人は、Claudeの会話へのリンクを送ることなく、データがどこから来たのかを説明できるべきでした。

では、問題は何でしょうか?それを修正するためにAIを使えばいい。しかし、それはそれほど簡単ではありません…

これについて誰かが飛びつく前に、これは技術的負債が常に悪いという意味ではありません。重要なのは、それがショートカットであることを知っていることです。

とにかく、悪い決定を元に戻すのは難しいです。非常に難しいです。

例えば、LLMがデータベースにテーブルや列を大量に追加するのにどれくらい時間がかかるでしょうか?10分?

しかし、そこにデータを保存し始めると、それらを削除することはできません。移行計画を立て、毎日使用している人々を混乱させないようにする必要があります。移行が失敗した場合にどうするかを考える必要があります。孤立した外部キーで終わらないようにする必要があります。最も優れたモデルを使っても、それははるかに困難です。

そして、あなたがそれを修正している間に、さらにPRが次々と入ってきます。より多くのコード、より多くの抽象化、より多くの決定。一人の人間は午後に20,000行のコードを生成できますが、あなたは座って、それらの行が実際に行っていることを理解しなければなりません。

一つの悪い決定を解きほぐす頃には、さらに5つがマージされています。

新しいAI経済

もちろん、悪いエンジニアは常にリスクでした。

これは、OpenAIやAnthropicが存在するずっと前から、何十年も続いてきました。悪い決定は累積し、不必要な複雑さが蓄積し、チームは誰も本当に理解していないシステムを維持することになりました。

違いは、それを行うことができる速度に限界があったことです。

今日、実装は安価です。あなたは良い決定を下すために支払われています。複雑さを管理しながらスケーリングするソフトウェアを構築するために。

なぜ企業がロンドンやサンフランシスコでエンジニアに6桁の給与を支払っているのか、自問してみてください。

もし彼らが必要としていたのが、仕様を動作するコードに変換できる誰かだけだったなら、なぜ彼らはどこかで安価にそれができるのに、それほど多くを支払っていたのでしょうか?

「ソフトウェアは解決された」と主張するテクノロジー企業は、なぜまだ最高の才能を引き付けるためにトップクラスの給与を支払っているのでしょうか?

私の推測では、AIは給与をさらに引き離すでしょう。雇用されるためには、クリアしなければならないバーがあり、そのバーは現在の最新モデルが何ができるかということです。

優秀なエンジニアは、AIが彼らをはるかに速く動かすことができるようになったため、より価値が高くなりました。彼らはもはや、実装作業を行うためだけに、周りに多くの人を必要としなくなりました。

同時に、悪いエンジニアは雇用するのがはるかに高価になりました。

以前、vibe coderのキャリアパスは終わったと書いたときに、このことについて書きました。

エージェントにプロンプトを与えるだけで得られるもの以上の貢献が必要です。

LLMの推奨を評価するために必要な判断力が欠けている場合、より多くの判断力を求めるだけでは問題は解決しません。

いつかは、誰かが何が起こっているのかを知る必要があります。そして、それがチームで最も価値のある人物です。

そうでない人々は、雇用するのがはるかに安価になるか、完全に置き換えられるでしょう。そして、お金は実際に信頼できるごく少数の人々に流れていくでしょう。

これはソフトウェアエンジニアリングに限られないと思います。私は、ほとんどの知識労働で同じことが起こると信じています。AIは最高の人物をはるかに生産的にし、悪い人物を雇用不可能にするでしょう。以前は、悪い決定が手遅れになる前に誰かがそれを捕まえる可能性がありました。今では、彼らは周りの誰もが現実的にレビューしたり理解したりできるよりも速く変更を加えることができます。

最も一般的な反論への回答

「悪いエンジニアは常に存在した」

違いは速度です。

それは、時速30kmでクラッシュするのと時速200kmでクラッシュするのと違いです。AI以前は、悪いエンジニアはコンパイルさえするコードを生成するのに苦労していました。何かを生成しても、時間がかかり、影響範囲は限られていました。ダメージは人間がタイプできる速度によって制限されていました。

今では、悪いエンジニアは昼食前に10,000行の動作するコードを生成できます。午後にできるダメージは、彼らが数ヶ月かけていたものでした。悪い決定が累積する速度は完全に変化しましたが、それを修正できる速度は変化していません。

「プロセスを修正すればいい」

数人が、本当の問題はプロセスの欠如だと主張しました。適切なテスト、CI、コードレビュー、アーキテクチャレビューがあれば、AI生成のスロップは通過しないはずです。

私たちはそれらすべてを持っていました。どれも消えませんでした。

問題は、それらが大量の変更を生成することが不可能だった世界のために設計されていたことです。AI生成の説明付きで1日に10件のPRを開く場合、コードレビューは機能しなくなります。テストは、テストすることを考えた振る舞いをカバーする場合に機能します。それらは、誰もテストすることを考えなかった振る舞いをキャッチしません。

完全にグリーンなCIと完全なカバレッジがありながら、バグを出荷したことが何度ありますか?

コードを生成する難易度自体が、制限要因の一つでした。

変更を理解し、品質を守ろうとする人々がボトルネックになった場合、3つの選択肢があります。生成量を減らす、検証するためのより良い方法を見つける、または品質を低下させることを受け入れる。

「あなたは単にAIに反対しているだけだ」

私がAIを批判するたびに、誰かが私がラッダイトだと言います。新しい世界に適応することを拒否し、古いやり方に固執していると。

私はAIをヘビーに使っています。これは繰り返し言っています。毎日使っており、すべてを手書きに戻す気はありません。

ポイントは、私たちは大規模な変更の生成を非常に安価かつ迅速にしましたが、それらの変更を理解することは依然として遅く、困難な作業であるということです。変更が何をするのか、正しいメンタルモデルを構築するためのショートカットはありません。

いつかそれを見つけるかもしれません。今日現在、私はそうは思いません。

あなたはヘビーなAIユーザーでありながら、それがどのように使用されているかには深刻な問題があることを認識できます。

「より多くの出力はより生産的である」

誰かが1日に10件のPRを生成すると、数字は信じられないほどに見えます。この人は間違いなく10倍生産的でしょう。

必ずしもそうではありません。いわゆる10倍エンジニアは、単に周りのすべての人の生産性を盗んでいるだけかもしれません。

私が1日に10件のPRを生成しても、3人のエンジニアが次の2日間レビュー、変更内容の把握、悪い仮定の修正、リグレッションのデバッグ、そして半分をやり直す必要がある理由の説明に費やす必要があるなら、私は10倍生産的になったわけではありません。私は単に作業を他の人々に移しただけです。

さらに悪いことに、私は最も交換が難しく、注意がすでに不足している人々の時間を消費しています。

PR数、変更行数、完了した機能は、生産性の悪い指標です。あなたは自分の数字を信じられないほど良く見せながら、チーム全体のスループットを低下させることができます。

一部の人々は、本当の問題は壊れたインセンティブを持つ悪い組織だと主張してこれに反論しました。それは真実です。もしあなたの会社がチケット数よりも品質を重視するなら、慎重なエンジニアは悪い従業員のように見え、ずさんなエンジニアは昇進します。

「反対することはあなたを有害にするだけだ」

品質のラインを維持しようとすると、有害だとレッテルを貼られる可能性があると指摘されました。他の誰もが速く出荷しており、あなたは「待て」と言う人です。

私は、出荷は少ないが仕事が信頼できるチームメンバーの方が、変更が後でどのような問題を発見するかを疑問に思わせるような、はるかに速いメンバーよりも欲しいです。

ビジネスのトレードオフが意味をなす場合は、柔軟に対応し、妥協する必要があります。しかし、背骨も必要です。何かが本当の問題を引き起こすと思うなら、それを提起することは仕事の一部です。

そして、本番環境が壊れたとき(そして壊れます)、私は変更を加えた人がそれを修正するのを助けるのに十分なほどそれを理解していることを必要とします。何が起こっているのか分からないまま現れるのではなく。

「AIの出力はコンパイラのアセンブリのようなものだ」

私たちはすでに、コンパイラが私たちが読まないマシンコードを生成することを信頼しています。なぜこれが違うのですか?

コンパイラはコードを受け取り、その意味論を維持しながら別の表現に変換します。コンパイラは、あなたのシステムが何をすべきかを決定しているわけではありません。それは決定的です。

LLMは決定を下しています。それはアーキテクチャを選択し、抽象化を選び、どこに配置するかを決定します。Claudeに機能を構築するように依頼するとき、それはあなたの意図をコードに翻訳しているのではなく、あなたの代わりに数十の設計上の決定を下しています。

もし5年後に、私がエージェントに完全な仕様を与え、それに対して生成されたコードを確実に検証できるようになれば、確かにコードレビューは不要になるでしょう。私は喜んでそれをやめるでしょう。私たちはまだそこには到達していません。

もしあなたが生成されたシステムを本当に理解しているなら、それは問題ありません。それは私が批判している行動ではありません。しかし、非常に大きなPRの大多数、特にAI生成のPRについては、それらを開いた人が実際にすべてを理解しているわけではないと確信できます。

「私たちはAI生成コードの99%を出荷しており、それは機能します」

私も同じです。私が生成するコードのほとんどはAIからです。

それでも、結果を理解するために努力する必要があります。AIコードを出荷していて、システムを本当に理解しているなら、あなたはそれを正しく行っています。この記事はあなたについての記事ではありません。

「AIはコードを書ける」≠「私はもうそれを理解する必要はない」

あなたはAIをヘビーに使用しながら、それが生成するものに責任を持つことができます。

「ユーザーは気にしない。ただのCRUDアプリだ。出荷して金をもらおう」

この視点は、比較的小規模または孤立したプロジェクトで働く人々から来ることが多い傾向があります。

大規模なシステムでは、今日の顧客が満足しているだけでは不十分です。他のエンジニアがシステムを理解できる必要があります。あなたはオンコールで、あなたが書かなかったシステムの本番インシデントを修正するために真夜中に起こされたことがありますか?

もしあなたが構築するすべてが小さく、孤立していて、交換が容易なら、確かに。醜いものを出荷し、お金をもらい、先に進んでください。もしあなたが今後5年以上何かに取り組むつもりなら、おそらくあなたが何をしているのかについて少し考えるべきでしょう。

誰も単純なCRUDアプリを構築するためだけに多額のお金を受け取っていません。AIの前でさえ。企業は経験豊富なエンジニアに支払っています。なぜなら、いわゆる単純なCRUDは、何年ものビジネスルール、制約、統合があり、悪い決定が結果をもたらす、複雑な実際のシステムの中に存在するからです。

「ジュニア開発者についてはどうですか?」

私は最近、2人のジュニア開発者と一緒に働きましたが、彼らはコードを生成するだけでなく、何をしているのかを理解しようとしているため、非常に優れています。彼らはAIを使って理解できないことを探求し、理由を明確にするために質問し、仮定を再確認します。彼らはツールを使って理解を深めています。

また、コードを理解しようとすることを基本的に諦めたシニア開発者とも一緒に働きました。その結果、彼らははるかに悪いエンジニアになりました。現時点では、その2人のジュニアと働く方がはるかに良いです。

問題はAIではありません。問題は、AIを理解の代わりとして使用することであり、それを構築するためのツールとして使用しないことです。

これに関連して、AIができることよりも優れたスキルを教えるべきではないと主張する人もいました。機械が人間よりも何かをうまくできるという事実が、それを学ぶことを無意味にするわけではありません。

コンピューターが計算でずっと優れているにもかかわらず、私たちはまだ算数と代数を教えています。私たちはスペル、文法、エッセイの書き方を教えています。誰もがポケットに事実を瞬時に検索できるデバイスを常に持っているにもかかわらず、歴史と地理さえ教えています。

何かを理解し、疑問視し、検証するために必要なメンタルモデルをどのように開発するのでしょうか?

「AIの使用は単なる委任であり、マネージャーのようなものだ」

マネージャーは通常、ソフトウェアがどのようにアーキテクトされるべきか、または実装されるべきかを決定する人ではありません。彼らの仕事は主に優先順位、人々、調整、リソース配分です。

あなたはまだエンジニアです。しかし、あなたはあなたの技術的な判断をLLMに委任しました。あなたはあなたの仕事の最も重要な部分を止めてしまっただけです。

「すべての技術的負債が悪いわけではない」

同意します。借金は借金です。そのうちいくつかは引き受ける価値があります。

私は、トレードオフを理解し、明確なペイオフ計画がある場合の意図的な借金には問題ありません。

「ジュニアを雇わなくなったら、どうやってより多くのシニア開発者を作るのか?」

エントリーレベルのエンジニアリング職の数を減らすことで、業界は自身の未来を破壊しています。学ぶ人が少なくなれば、将来的にシステムを維持できる人も少なくなります。

それは本当です。しかし、業界は人々に対して機会を提供する義務はありません。たとえそうすべきだとあなたが考えていても、企業がそのように行動するわけではありません。

とはいえ、メンテナンスはソフトウェア業界の本質です。LLMは、何十万行にも及ぶプロジェクトを変更することはできません。アーキテクチャを分割するために必要なスキルは、依然として完全に人間によるものです。それを学びましょう。

経験豊富なエンジニアがますます価値が高まっているのは、まさにこのためです。

「誰も本当に気にするだろうか?」

何も機能せず、誰もそれを修正できず、新しい機能の構築に永遠にかかり、すべての変更がどこかで何かを壊すときに、彼らは気にするでしょう。

これはすでにAIの前から起こっていました。しかし今、かつては数年かかったかもしれない多くの企業が、わずか数ヶ月で維持不可能な状態に達することができます。