AIとインフラストラクチャエンジニアリング
AI and Infrastructure Engineering (omegion.dev)
要約
AIの進化により、インフラストラクチャエンジニアリングの作業レイヤーが自動化されつつあります。Kubernetesが過去にAnsibleの役割を代替したように、AIは現在、TerraformモジュールやHelmチャートの生成といった、より抽象的なレベルの作業を効率化しています。これにより、エンジニアはより高次の意思決定に集中できるようになりますが、AIが将来的に「指示を出す」というレイヤーさえも代替する可能性も示唆されています。
全文翻訳
AIとインフラエンジニアリング
2026年8月23日 · 6 分で読めます
はじめに
現在、企業全体でAIを全面的に採用しようという動きがあります。あらゆるコンテキストをAIに投入し、各リポジトリにAGENTS.mdやINSTRUCTIONS.mdを作成して、人間だけでなくエージェントもプロジェクトを発見・貢献できるようにするのです。考えてみると少しおかしい話です。これまで人間チームメイトにREADMEをきちんと読んでもらったことなど一度もありませんでしたが、今や私たちは、ロボットを対象にして、これまで以上に質の高いドキュメントを作成しています。これに伴う当然の疑問は、「これはエンジニアリングを不要にするのか?」ということです。スタックとそのインフラに関するコンテキストがすべて、エージェントが読める形で書き記されたら、次は私たちなのでしょうか?
私はそれが的確な問い方だとは思いません。なぜなら、私たちはすでにその前身を経験しているからです。
ここに来たのは初めてではない
KubernetesはAnsibleを廃止したのでしょうか?ある意味ではそうです。私はもう何年もAnsibleプレイブックを書いたことがありません。もし今、私にプレイブックを渡されたら、初めて見るかのようにモジュールの構文を睨むことになるでしょう。設定管理が重要でなくなったわけではありません。Kubernetesはサーバー管理を非常に容易にしたため、私たちはもはや独自のノードイメージを構築することをやめました。クラウドプロバイダーが提供するものをそのまま使用し、AWS AMIを質問なしで利用しています。そして、デバッグのためにノードにSSH接続したのはいつ以来でしょうか?ほとんどありません。ノードの調子が悪ければ、それを削除して、交換されたノードが同じ問題を抱えないことを願います。その上のレイヤーも同様でした。ECS Fargate、Lambda、またはCloudflare Containersでコンテナを実行すると、それがどのノードに着地したのか、本当に知る由もなければ気にもしません。しかし、それは誰もそれをオーケストレーションしていないという意味ではありません。ワークロードをコンテナにすること、実行するイメージ、通信を許可する範囲、スケーリング方法、障害発生時の対応などを決定したのは、依然として私なのです。Kubernetesやサーバーレスコンテナは、その意思決定のレイヤーをなくしたのではなく、作業単位を「マシン」から「ワークロード」へと引き上げ、その下のレイヤーはすべて静かに自動化されてしまいました。
Kubernetes、Fargate、またはCloudflareのコンテナプラットフォームがインフラエンジニアを置き換えたと言う人はいないでしょう。それぞれが手作業の特定のレイヤー(イメージの手動構築、ボックスの手動パッチ適用、ワークロードがどのノードに着地したかを知ること)を置き換え、エンジニアは毎回その上のレイヤーへと移動しました。AIもまた、一段上のレイヤーで同じことをしているのだと思います。
日々の変化
私は毎日Claudeを使用してHelmチャートを生成したり、Terraformモジュールを作成したりしています。それが私の日常から実際に取り除いたのは、思考ではなく、検索作業です。もはやAWSプロバイダーの変更履歴を読んで、v5とv6の間で何が変わったかを調べることはありません。私が欲しいものを、どのような形状のモジュールやチャートにしたいかを記述すれば、Claudeがそのバージョンを生成してくれます。それを私が実際に本番に適用できる形にするには繰り返しが必要ですが、一度その形になれば、特にリポジトリにそれを指し示すAGENTS.mdがあれば、次回の例となります。
同じことが少し前に一段下のレイヤーでも起こりました。私はもはや生のKubernetes YAMLを手書きしません。Ansibleモジュールを手書きしないのと同じように、それがHelmチャートの目的です。さらに、Helmチャートも手書きしなくなっています。私が現在実行しているチャート・アズ・ア・ディペンデンシーのパターンは、まさにClaudeに説明して最初にドラフトを書かせたようなものです。私はそれが何をすべきかを指示し、Claudeがそれを書きます。
変わらないもの
良いTerraformモジュールや適切に構造化されたHelmチャートがどのようなものかを知る必要は依然としてあります。ノードを削除することが選択肢にないような、本当に問題が発生した場合、SSH接続して調査する必要は依然としてあります。上のレイヤーが下のレイヤーをなくすわけではなく、それに触れる頻度を移動させるだけです。また、モジュールの最終的な形状、1年後に保守可能であるか、チャートがどのようにデプロイ・バージョン管理されるべきかといった、物事の実際の形状を決定するのは、依然として私です。AIは時間のかかる部分を実行します。私は依然として指示を出します。
失うスキル
正直なトレードオフ:私は2年前よりも物事を構築・デバッグするのが速くなりましたが、そのスピードの根底にある基本原理については、明らかに錆びついてきています。HCL構文の記憶力は以前ほどではありません。4年前、私はネストされたforループを手書きしました。4段階の深さで、別のAWSアカウントの複数のリージョンとアベイラビリティゾーンにまたがるサブネットをタグ付けするのに、構文を正しくするのに約1時間かかりました。
locals {
subnet_tags = merge([
for account, regions in var.accounts : merge([
for region, azs in regions : merge([
for az, subnets in azs : {
for subnet_id, tags in subnets :
"${account}/${region}/${az}/${subnet_id}" => tags
}
]...)
]...)
]...)
}
サブネットのマップのマップのマップをフラット化するためだけに、4つのmerge([...]...)呼び出しが積み重なっています。Claudeは今やそれを数秒で書きます。もし今日、私がゼロからそれを生成するように頼まれたら、本当に座って考え込むことになるでしょう。SSH経由で壊れたノードをデバッグする私の反射神経は、それが唯一の方法だった頃よりも少し遅くなっています。Kubernetes以降に出てきた多くのエンジニアが、ノードOSイメージを手作業で作成することを学んだことがなく、それでも問題なかったのと同じように、それをリアルタイムで感じています。なぜなら、彼らはそれを必要としなかったからです。
次の展開
私が確信を持てないのは、「私は依然として指示を出す」という部分がどれだけ続くかということです。現在、スタックの長期的な形状を決定しているのは私です。なぜなら、私にはコンテキストがありますが、エージェントにはないからです。実際には、リポジトリのAGENTS.mdに書き記されている以上のコンテキストはありません。しかし、それは企業全体でのAI導入の推進が解決しようとしているまさにそのギャップです。エージェントに、単一リポジトリだけでなく、全体のコンテキストを与えるのです。それが実際に機能すれば、インフラ全体に対する真の長期的な視点を持つエージェント(このTerraformモジュールだけでなく、長年にわたるすべてのリポジトリでのあらゆる決定)は、私が使用するすべてのプロバイダーの変更履歴をすべて読んだツールよりもデバッグできないのと同じように、私よりも優れた計画を立てるようになるかもしれません。
AIはまだ「指示を出す」というレイヤーのすぐ下を食い尽くしている最中だと思います。それがAIが食い尽くす最後のレイヤーであるとは、まだ完全には確信していません。5年後に、「私は依然として指示を出す」が物語のすべてだったのか、それとも私がこれを書いたときに立っていた場所だったのか、私に再度尋ねてください。