エンジニアは歴史から学ぶことを何としても避けようとする
Engineers will do anything to avoid learning from history (horn.gg)
要約
この記事は、エンジニアが過去の教訓から学ぶことを避ける傾向があるという考えを探求しています。技術の進歩や新しいツールの導入に熱心である一方で、過去の失敗や成功から得られる知見を軽視するエンジニアの姿勢に焦点を当てています。
全文翻訳
エンジニアは歴史から学ぶことを何でも避ける
2026年8月15日・5分で読める
最近、私は「理解が新たなボトルネックである」というテーマのHN(Hacker News)の投稿で、トップコメントになりました。実質的に「昔からこうだった」というミームのようなコメントになってしまい、意図したよりも皮肉っぽく聞こえたかもしれませんが、今日、フロントページに「AIとの作業はコーディングよりもリーダーシップに近い」というタイトルの新しいHN投稿が表示され、これがトレンドになりつつあることに懸念を抱いています。エンジニアは、複数のエージェントを管理することがエンジニアリングチームを管理することに似ているという(大部分正しい)直感を育んでいます。今、私はエンジニアの最も厄介な習慣だと信じていることについて不平を言う必要性を感じています。それは、誰もマニュアルを読まないということです。
私がそれに気づいたのは、データサイエンスが最初でした。エンジニアは、長年かけて技術と診断アプローチのベースラインを確立しました。それは新しい分野におけるエキサイティングな時代でした。
しかし、それは新しい分野ではありませんでした。それは、よりクールな名前がついた統計学でした。もちろん、実際にこの分野を前進させていた人々はそれを知っていました。当時の彼らの考えは、十分な観測数を集めれば確実性が得られるという確率論に基づいていたのだと思います。それがビッグデータミームの由来です。統計学者は通常、Big Tableの扱い方やMapReduceの書き方を知りませんでした。しかし、私が彼らを見ていたとき、数学的な部分が古いものであることをほとんどの人が知っていたとは確信できません。
[画像: xkcd 1838: Machine Learning]
これは繰り返されるテーマのようです。「50 Years of Data Science」は学術界でのそれを指摘しており、Nate Silverはかつて「データサイエンティストは統計学者のセクシーな言い換えだと思う」と述べ、データサイエンス分野の人々から多くの反発を招くブログ記事を引き起こしました。次に仮想通貨が登場しました。Matt Levineは、仮想通貨がしばしば興味深く、しかししばしば滑稽で破滅的な結果を伴いながら、金融の歴史をスピードランしたことに気づきました。私たちはバス停さえも再発明しました。
ソフトウェアエンジニアがこれを行うには、多くの正当な理由があります。
- 現代のソフトウェアよりも前に存在した制度的な分野への不信感から、それらが古めかしく感じられる。
- 第一原理から学ぶことで、その分野をより深く理解し、新しい効率性を発見できることがある。
そして、あまり正当ではない理由がいくつかあります。
- 新しいものを新しく発見されたように見せることで大儲けでき、結果として自分自身をスマートで最先端のように見せることができます。理解されている分野を正しく適用するためにラウンドを調達する人はいません。
- 「どうしてそんなに難しいんだ?」
私がこのことについて書く動機となっているのは、あまり正当ではない理由の方です。なぜなら、エージェントの管理方法についてのシンクピースを読むと、このすべてがどこへ向かっているのかが見えるような気がするからです。TDD(テスト駆動開発)やPRD(プロダクト要求仕様書)を真剣に受け止めたことのないエンジニアは、AIが誤解して間違ったものを作らないように、あらゆる振る舞いを事前に定義する必要があることに気づいています。非技術系のEM(エンジニアリングマネージャー)が物事をどう機能するかを本当に知らなかったと嘆いていたエンジニアは、AIが生成した1万行のPRを読む気になれないことに気づいています。突然、ウォーターフォールがやるべきことになります。
しかし、エンジニアはおそらくそれをウォーターフォールやプログラム管理とは呼ばないでしょう。それは、多くの再発明された知識を伴う、よりセクシーな名前で呼ばれるでしょう。古い名前で呼ぶことは、マネージャーが正しかったことを認めることになるかもしれません。あるいは、ウォーターフォールが好意的に言及されてから長い時間が経っているため、ほとんどの人がそれが何であるかさえ知らないのかもしれません。ほとんどの人がWinston Royceを知っているか、彼の論文を読んだことがあるとは思えません。プロセスエンジニアでさえ、それを真に理解せずに拒否しました。しかし、プログラム管理のハウツーガイドは、HNのフロントページに載ることはあまりありません。
しかし、プログラム管理こそがエージェントのオーケストレーションなのです!要件が明確に文書化されていることを確認すること。そもそも最も重要な作業が何であるかを明確にすること、さもなければ貴重なトークンと時間を無駄にするでしょう。明確な作業レーンを作成すること。成果物がすべての基準を満たしていることを保証するプロセス。そして、エージェントが実行される時間が長くなるほど、途中で定期的なチェックインを生成させる必要性が高まります。その儀式には言葉があり、エンジニアは15年間、その長さ、誰が参加すべきか、あるいはそれが彼らの時間の価値があるのかどうかについて議論してきました。
そこで、この問題について考えているエンジニアの皆さんに、自分自身と業界の時間を節約するために、歴史から少し学ぶようお願いします。私が読んだ中で、AI管理に適用できそうなトピックに関する書籍をいくつか紹介します。
- Making Things Happen と The PMBOK Guide は、カレッジのブックストアでしか見つけられないような表紙の、文字通りのプログラム管理マニュアルと言えるでしょう。
- The Mythical Man-Month は、このリストの中で最も多くの人が聞いたことがあるかもしれません。これは、コミュニケーションのオーバーヘッドが人員数に対して二次関数的に増加することについてであり、行間を読むと、10個のエージェントを起動する際の課題がわかります。
- Managing the Development of Large Software Systems は、ほとんどのAIコーダーがおそらく行っているウォーターフォール、それがなぜ悪いのか、そして代わりに何をすべきかを説明しています。これは12ページのPDFで、インターネットで見つけるのが非常に難しいですが、それだけの価値はあります。
- High Output Management は、個人的にはまだ読んでいないことを認めますが、私のリストにあります。十分な推薦があるため言及せざるを得ませんが、最も直接的に適用可能ではないかもしれませんが、解釈の機会が最も高い本かもしれません。
- The Goal は、ボトルネックではないものを最適化するとどうなるかについてです。これはオリジナルの「理解が新たなボトルネックである」という書籍の一つです。聞いたことがあるなら、制約理論の由来です。
AIスケューモルフィズムを超えて