HN 日本語サマリー

← 一覧へ戻る
プログラミング

コーディングは解決されていない

Coding is not solved (blog.alexewerlof.com)

584 pointsby firstSpeaker543 コメント

要約

この記事は、LLM(大規模言語モデル)の台頭にもかかわらず、コーディングという分野はまだ解決されていないと主張しています。ソフトウェア開発のコストの大部分は、LLMが現在苦戦している保守、信頼性、セキュリティ、スケーラビリティといった非機能要件(NFR)に費やされており、AIは人間のように責任を問うことができないため、高リスク分野には不向きです。LLMは有用なツールですが、特に論理や複雑なシステムが関わる場合、人間のエンジニアの代わりにはなりません。

全文翻訳

コーディングは解決されていない

免責事項:これから読む意見の多くは、過去4年間、AIを用いた開発やAIシステムの構築経験に基づいたもので、参照があるものもあれば、そうでないものもあります。いずれにせよ、認知バイアスには注意してください。ある議論があなたの信念体系に合致しないからといって、残りが無効になるわけではありません。また、私はAIに反対しているわけではないことを upfront で述べておきます。私のこれまでの活動を追っている方なら、LLMを活用したコーディングツールの早期採用者であるだけでなく、独自のハーネスを構築し、これらのトピックを教え、LLM搭載製品を開発してきたことをご存知でしょう。これはAIへの恐怖ではなく、「コーディングは解決された」と断言する無思考な物語に異議を唱え、エンジニアリングは「センス」の問題になったと主張することへの挑戦です。

更新:AIがソフトウェアに深く浸透した今、私は完全に新しい無料ニュースレターで、その運用信頼性、安全性、セキュリティについて啓発することに尽力しています。そこでは保証された 高いシグナル/ノイズ比を提供します。

更新:この記事がHacker Newsに投稿され、2位まで上がりました。

[画像: Alex Ewerlof]

2026年9月29日現在、473ポイント、476コメントを獲得し、圧倒的に肯定的なフィードバックを得ています(このコミュニティでは珍しいことです)。これは、この議論の側面に多くの人がいることを示しています。

「LLMはまともなコードを書ける」と言う人たちは、コードがどのように機能するかを理解していません。確かに、生成ははるかに安価になりましたが、大規模に本番環境でソフトウェアを実行した経験がある人なら誰でも、コストの大部分はメンテナンス、信頼性、セキュリティ、スケーラビリティなどにかかることを知っています。これらは一般的にNFR(非機能要件)として知られています。

[画像: NFR]

私の経験では、機能要件(コードが何をすべきか)さえも、まだ解決された問題ではありません。出力結果を読まない人ほど、それに対して自信を持っているという、ダニング・クルーガー効果のようなものが働いています。

[画像]

ハードウェアとシステムエンジニアリングの2つの工学士号を持つベテラン開発者として、コードを厳密に読む必要のない4種類の製品を挙げることができます。

  1. 個人用ソフトウェア:個人的な欲求を満たすもの、自動化、DIYパッチなど。
  2. POC(概念実証):技術的な実現可能性と製品の実現可能性を示すもの。
  3. 使い捨ての自動化:予算が結果の検証のみを許す場合。例えば、画像のレビューは通常、人間にとっては些細なタスクです。
  4. 武器化されたAI:リスクを認識し、意図的に標的に向けて損害を与えるもの。

共通点:最初の3つは高いリスク許容度を持ち、最後の1つは本質的なリスクを武器化します(そして、インターネットに接続されたエージェントの爆発半径を考えると、最後の1つでさえ厳格な制御が必要だと私は主張します)。

多くのソフトウェアでソフトウェアエンジニアの雇用と支払いが必要な場合、リスク許容度は低くなります。

✅ ヘルスケア
✅ 金融
✅ 自動車
✅ 防衛
✅ 発電所
✅ 航空
✅ 製造業
…間違いがお金、命、または法的結果を招く可能性のある場所では、説明責任が必要です。

[画像: 説明責任 vs 責任]

これは二項対立ではありません。コードの理解と整備に費やす時間は、リスク許容度の関数です。そしてリスク許容度は、ビジネスセクター(前述)だけでなく、以下のような要因の関数でもあります。

  • 規模:消費者が多すぎると、小さな失敗が大きな損害を引き起こす可能性があります。
  • 回復力:密結合は連鎖的な障害につながる可能性があります。
  • 封じ込め:モジュール化、サンドボックス、分離、バルクヘッドなどの多くのパターンが障害を封じ込めることができます。
  • 可観測性:エラーに早く気づき、それに関するデータが多くあればあるほど、早く修正でき、エラーコストを削減できます。

AIは説明責任を負えない

AIはどのような結果にも苦しむことができません。AIにできる最悪のことは、電源を切ることです。そして、人間の感情を模倣する(トレーニングデータのため)としても、AIは全く「気にかけ」ません。AIは死ぬこともありません。刑務所に入れられたり、罰金を科されたりすることもありません。AIを罰することはできないため、AIは決して説明責任を負うことはできません。

法的な観点から、AIはツールであり、責任を負うことしかできません。人間が説明責任を負います。

だからこそ、アメリカ大統領はこう言います。

私たちのガードレールは司法省です —ドナルド・トランプ

彼の不人気さは十分に承知しており、個人的にはファンではありませんが、彼がそれを自分で考えたか、あるいは彼のために書かれたかどうかにかかわらず、一理あります。もっとも、これは「人工知能」を「超知能」と改名した人物(確立された用語である人工超知能、またはASIと混同しないこと)でもあります。

理解できないことに対して責任を負うことはできません。その理解こそが、システムの振る舞いを推論し、AIが必然的に失敗したときにそれを修正するための鍵となります。

もしあなたが遊びでやっているなら、LLMは素晴らしい仕事をします。だからこそ、「コーディングは解決された」という物語の最も攻撃的な提唱者の多くは、何も示せていないのです。AnthropicはClaude Codeを誤ってリークしましたが(さらに調査すると多くの欠陥があることが判明しました)、彼らのステータスページは「オレンジは新しいグリーン」と表示されています!

管理職の方は、リーダーシップを発揮して、エンジニアの声に耳を傾けてください。彼らが品質を気にかけているなら、彼らは「SaaSocalypse」を乗り越えるためのあなたの切り札です。

一般的な物語とは対照的に、コーディングは現在の世代のLLMが引き継ぐべき最後の領域の1つです!

詳しく説明させてください。

コーディングは論理に関するものです。コンパイラのエラーを経験したことがある人なら誰でも、コンピュータはあなたがどれだけ正しいと思っているかなど気にしないことを知っています。論理的に間違っていれば、コンパイルされません。構文が正しくても、実行時エラーは発生します。

LLMがコード作成に成功している理由は、エラーをLLMにフィードバックし、ほとんどのエラーが解決されるか隠されるまでループするフィードバックループを作成したからです。LLMは不正行為もできるし、実際に行うことも忘れないでください。

LLMは、自然言語に関連するタスク(ソーシャルメディア投稿、レポート、記事の作成など)ではうまくやれますが、コードに関しては、数字の「R」の数を数えるのに苦労したり、洗車に行くことを提案したりするのと同じエンジンが、他の論理的な誤謬も露呈します。

LLMは確率的で確率論的です。それらを論理的に近づける唯一の方法は、従来のコード(ハーネスとして知られる)でラップし、テストを実行し、その他の多くのテクニック(CoTなど)を使用することですが、根本的な問題は残ります。LLMは論理と量(入力が大きく、コンテキストウィンドウが多く使用されるほど、精度が低下します)に苦労します。

LLMがコードを生成したり、既存のコードベースを維持したりできないと言っているわけではありません。それらはツールとして有用であり、その能力はS字カーブで増加しています。価格上昇率に対して生産性が必ずしも高くない、収穫逓進点があります。

[画像]

私の投稿にはAIは含まれていません。この投稿で説明するために、実際にホワイトボードに落書きしました。私たちは視覚的なパターンの不一致を見つけるのが得意ですが、コードに関しては、ベテラン開発者でさえ一目で問題を見逃すことがあります。

LLM生成ソフトウェアで十分だと主張する人々:
❌ 長い間コードを書いていない
❌ コードに比喩的に「6本指」があっても気づけない!
❌ 良いものの基準が低い
❌ 品質やNFRを気にしない
❌ S字カーブの理解が難しい
✅ 正直:AIは彼ら自身よりも優れたコードを書く

しかし、それを業界全体にまで拡大するには、おべっかなAIと長時間過ごす人々にしか見られないような、無思考なレベルの思考が必要です。

AIの過剰使用

私は誰かのワークフローやツールボックスを変えようとしているわけではありません。どうでもいいことです。

しかし、実験台になるのはもううんざりです!

お願いだから、ちゃんとしてくれ。そして、全額払って半端な製品を出荷しないでくれ。

私が支払っているサービス(GoogleやGitHubを見ているぞ)が、品質と説明責任よりも速度を優先していれば避けられたはずの、くだらないバグで劣化していることが気になる。

AnthropicのBoris Chernyは、「コーディングは解決された」という物語の最も声高な提唱者の一人です。多くの証言によると、Claude Codeはその思想の結晶です。

念のため:Anthropicはモデル(Claude)、ハーネス(Claude Code)、プロンプト(リークされたバージョンを参照)、ランタイム(Bun)を制御しています。

また、スキル不足だと考えるなら、これは彼らのサイトからの求人例です。

その金額を考えれば、もっと良い品質を提供できるはずです。しかし、これらの企業は金融的には「マネーファーネス」のように行動しています。

画像: @rdd147のXアバター
Roger@rdd147
Anthropic $600 billion in debt obligations due in 2027. Stage of Ai Bubble

[画像]
12:16 AM · Sep 29, 2026 · 138K Views
70 Replies · 417 Reposts · 6.17K Likes

それほどの負債を返済する唯一の方法は、彼らが言うことを実行し、AIが多くの仕事のコストを真に削減できる地点に到達することです。

エンジニアをさらに酷使する

リーダーシップの立場にある方は、賢明な開発者にAIをあらゆる可能な表面とワークフローに無理やり押し込むよう圧力をかけないでください。

この技術には真の力があり、私たちの業界における最大の変革です。しかし、AIの過剰使用は存在し、顧客に損害を与える場合は、あなたが説明責任を負います。

トークン販売者からの、AIの能力を誇張するような中途半端な物語を繰り返すのをやめてください。嘘は何度も繰り返すと信じ始めてしまうからです。

ビジネスにとって悪いことです。

[画像]

そして、全額を請求されているのに、不完全で劣化したサービスを受けている消費者にとって悪いことです。

私は、コストの大部分がすぐには見えないとさえ主張したいです。

  • 返済できるよりも速く技術的負債を蓄積する
  • より多くのコードを作成し、セキュリティ上の問題の機会を増やす
  • エンジニアのシステム振る舞いを推論する能力を低下させる認知負荷を広げる
  • 協調するのではなく、ますます単独で働き、チームメイトと競合することを選ぶ、精神的に追い詰められたエンジニア

AIに関するダニング・クルーガー効果が働いていることは間違いありません。技術について知らなければ知らないほど、その有用性に自信を持つようになります。どうか、やめてください。

先日、CTOが、製品担当者が意味のある貢献をし、開発者を「IDEに閉じこもっている」と揶揄しているのを誇らしげに自慢しているのを見ました。

[画像]

この投稿には、巨大なレッドフラッグが欠けています。これは、「セキュリティ担当者はジムや武道の畳に閉じこもっている!」と言うのと同じ議論です。

AIがより有能になるにつれて、信頼性を偽装することがこれまで以上に容易になります。この例では、アイデアを持っていた人物(製品責任者)とコードを追加した(エージェント)が、アプリにボルトオンされた新しいチャットインターフェースの問題に対して最終的に責任を負うべきです。

製品責任者もオンコールなのでしょうか?それとも、それはIDEに閉じこもっているエンジニアに委任される部分なのでしょうか?

彼らがコードに慣れていることを称賛すべきです。なぜなら、コードはおべっかなAIよりも正確に真実を語るからです。

そのスキルセットが価値がないのであれば、PRレビューをワークフローから削除するか、AIに委任してください。

悲観的になる必要はない

ハーネス、SKILLS、AGENTS-md、MCP、A2A、ACP、RLM、OKF、MoE、MoA、状態機械、自己進化(例:Piコーディングエージェントまたは/chronicles)、自己修復、より大きなコンテキストウィンドウ、より高速なプロセッサ、より最適化されたランタイム、より良い量子化、より良いトレーニングデータ、より良いキャッシュ、最適化、アーキテクチャ、オーケストレーション、メモリ技術など、私たちがどれだけ進歩したかを軽視するつもりはありません。

これらの多くについては以前に書いてきました。

[画像: AIシステムエンジニアリングパターン]

これらはLLMの欠点を回避するための優れた実践的なアプローチであり、今後も増えていくでしょう。

私が強調したいのは、私が(依存している)サービスが、誰かがAIを不適切な場所に押し込んだり、品質、セキュリティ、信頼性、検証の仕事をスキップしたりしたために劣化することを望まないということです。

AIは役に立つのか?

今日の時点で、現在の世代のAIの有用なユースケースをいくつか示します。

✅ マッピング:

  • NL → NL:人間の言語を翻訳する
  • コード → コード:あるプログラミング言語から別の言語へ構文を変換する
  • データ → コード:仕様、JSON、YAMLをコードに変換する
  • コード → データ:コードを解析し、データ形式に変換する(例:PrometheusクエリからCRDを抽出する)
  • モダリティ → モダリティ:例:音声をテキストに文字起こしする(オーディオユーザーインターフェース、またはAUIに有用)または画像の内容を説明する(GUIとコンピュータ使用に有用)
    ✅ 生成:
  • 画像/ビデオ/音楽/テキスト:創造性(非テキストモダリティには拡散モデル、テキストには自己回帰モデルを使用することが多い)
  • 拡張:記事を長くする、参照画像からビデオを生成する、参照音声署名から音声ファイルを作成する、など。
  • 一貫性:例えば、散在するポイントをLLMに与えて、一貫したメールや記事を作成する。
  • 予測:データセットを与えて、次のデータセットを予測する。
    ✅ 削減:
  • 要約:長い記事/会話/トランスクリプトから要点を抽出する(オプションで基準によってガイドされる)。
  • 変換:SVGをPNGファイルから生成する(通常はフィードバックループとレンダリングエンジンの助けを借りて)。
  • 抽出:構造化クエリの記述よりもAI出力の方が時間と重要性が低い場所(ログ、NoSQLデータなど)の非構造化データから関連情報を検索する。
  • 分類:一連の選択肢を与えて、それらの可能性の確率を推定する。データセットを与えて、共通または外れ値のレコードを見つける(通常はコードやツールの助けを借りて)。
    ✅ 検索:
  • 発見:知識空間を段階的に探索して有用な情報を見つける。例えば、OKF、ディープリサーチ、セキュリティリサーチ、または組み込みヘルプとメッセージから新しいCLIツールを拾う(通常はメモリを備えたループと推論モデルを使用)。
  • 従来のキーワード/インデックス検索よりも正確なセマンティック関連性(例:埋め込みベクトルを使用)(ただし、Googleはそれを奇妙にする方法を見つけた)。
  • 検出:画像内のオブジェクトとその位置を見つける。
  • チャンキング:ビデオ録画、音声トランスクリプト、テキスト(例:RAGに有用)のブレークポイントを見つける。

AIを使用すべきでない場所?

❌ 法的な説明責任がAIに暗示されるユースケース。AIは決して説明責任を負うことはできません。AIを刑務所に送ったり、罰金を科したりすることはできません。OpenAIとAnthropicは説明責任の実装において非常に悪い例ですが。例えば、AI支援自殺、精神病、他社へのハッキング。これらのすべてにもかかわらず、サムとダリオは自由に歩き回っています(盗まれたトレーニングデータの山の上でですが、それは別の問題です)。

❌ 組み込みまたは低電力アプリケーション。はい、私たちは皆「AI技術搭載の歯ブラシ」を見てきましたが、組み込みコンピューティングにAIを強制することは不必要にコストを増加させます。マーケティング部門からの圧力を拒否してください。

❌ プライバシーに敏感なデータ/操作:これは難しいです。私たちはAIスタートアップにプライベートデータを送信することに慣れすぎており、それらをすべて飲み込みます。個人識別情報(PII)や知的財産(IP)の共有を禁止する法律がある場合があります。エッジAIはプライバシーの側面に役立ちます。同様に、AIは有害な操作を行うためにツールを使用できます。HITL(Human In The Loop)を導入しても、承認の疲労と注意力の限界から、コンプライアンス劇場にしかなりません。

❌ キッチンシンク:AIを魔法の杖として使用し、最良の結果を祈りながらコンテキストを投げ込むのは魅力的です。この考えは、LLMの初期の頃に多くのSaaS企業が既存のGUIにチャットインターフェースをボルトオンしていた頃に一般的でした。AIは制約(ガードレール、RBAC、スコープ付きアテンション)がある方が、より信頼性が高く生産的です。これは、自動化を使用する前に、多くの事前作業が必要であることを意味します。そして、このコストは正当化されない場合があります。つまり、人間が常識、一貫性、柔軟性において同等またはそれ以上の品質を持っているため、手動で行う方が良いです。

❌ 決定論的なコードがより速く、より高品質で(エッジケースを予測可能に処理する)、より安価に行えるユースケース。AIは多くのユースケースでコードに勝てません。正規表現やSQLが必要なら、それらを使用してください。ラムダ関数で分類できるなら、それを使用してください。AIは動的な問題で勝利します。

❌ 倫理が重要であり、あなたがロールモデルを設定することになっている場所。真実は、AIラボがトレーニングデータのかなりの部分に対する権利を所有していなかったということです。

私たちは少なくとも2つの革命から遠い

早期採用者(GPT 2.0、次にベータ版のCopilot、そして独自のハーネスを作成することさえ)であり、AIを1年間実験し、独自のAIプログラミング言語を作成しようとさえしましたが、現在の技術世代が答えであるとは確信していません。

コードを読む必要性を完全に排除するには、少なくとも2つの革命が必要です。

  1. リアルタイムで学習できるAI(実行時にスキルやプロンプト、メモリをボルトオンするのではなく)。
  2. 抽象的な言葉で思考できるAI(数学の進歩があったことは知っていますが、私の理解では、大量のトークンと大量の時間で解を総当たりしました。可能か? おそらく)。トランスフォーマーの動作方法は、Prologのような論理処理専用に構築されたランタイムとは根本的に異なります。ニューロシンボリック研究はまだ進行中であり、いつかコードを解読するでしょうが、現時点では、確率モデルを決定論的なハーネスでラップすることによってどれだけ進歩したとしても、技術はそこにはありません)。

AIは線形的に改善したか?

100万トークンのコンテキストウィンドウはその良い例です。それは名目上の制限でしたが、有用な制限は(そして依然として?)モデルによりますが、通常はその30〜40%でした。

実際、AIの品質を評価する能力は、使用すればするほど低下すると私は考えています。

心理学にはニューラル同期という現象があり、誰と一緒に過ごすかによって脳の配線が変わります。

これは、有名なことわざで捉えられている新しいものではありません。

人は付き合う仲間によって知られる。

犬と一緒に寝れば、ノミがつく。

鉄が鉄を研ぐように、一人の人がもう一人を研ぐ。

誰かを侮辱するつもりはありませんが、私の観察によると、モデルの知性の向上の一部は、ヘビーユーザーの知覚の変化によるものです。

AI過剰摂取

AI過剰摂取は存在し、それはあなたのスキルセットに直接的な賞味期限を与えます。マネージャーがAIの価値を実現するためにあなたをますます追い詰める不運な立場にある人は、抵抗すべきです。

短期的な速度のために長期的な関連性を犠牲にしないでください。

AI過剰摂取を見分ける方法:

  1. 意見の相違や civil discourse に対して全く寛容でない。
  2. AIに人生を委ね、数年前には考えられなかったようなベンダーに物を信頼する。
  3. 少しでも認知的負荷がかかることにはAIに頼る。
  4. 自分の無知と怠惰を楽観主義として飾り、事態が悪化した場合に政府が救ってくれると考える。
  5. 長文(本、記事、長いメールさえも)を読むのをやめた。
  6. AIと過ごす時間の方が他の人間よりも多く、AIに生の、本物の人間との交流から身を守らせている。

そしてボーナスポイント:あなたはスキミングする。番号5に気づきましたか? 😄

Hacker Newsのユーザーの中には、このトリックが不快だと感じた人もいます。私の返信はこうです。

あなたは完全に間違っています!

この文章はあなたのエゴを満たすために書いたのではありません。これは現実の問題であり、症状を見つけて腹を立てるなら、根本原因に対処できません。

これはアイデンティティの問題ではない

一部のソートリーダーは、この「抵抗」をアイデンティティ危機としてフレーム化しています。

私たちの多くは、物を作ることにアイデンティティを見出したため、ソフトウェアエンジニアになりました。[…] 私たちのアイデンティティは、私たちが作り出すすべてのエレガントなソリューション、すべてのテストの合格、純粋な論理と創造性によって解決されるすべての問題に織り込まれています。それは単なる仕事ではなく、単なる技術ではなく、私たちの存在そのものです。 —Annie Vella

個人的には、この見方には全く同意できません。

コーディングやトークンやコースで一銭も稼いでいない私にとって、インチキな物語を押し付けるインセンティブは全くありません。

現在の世代のAIが、私がAIの出力に対して責任を負うことに快適に感じる方法で、最小限のレビューで、確実に仕事をしてくれるなら、私は本当に幸せです。

コンパイラ/トランスパイラとはそのような関係を持っています。なぜなら、それらのバグはまれで、出力は決定論的だからです。

LLM、特にAIとはそのような関係を持っていません。画像生成、検索、その他のユースケースのようなものを考えると、信頼はありません。まだ「スロップ」(粗悪品)があります。

AIはギザギザの知性を持っている。私はギザギザの信頼を持っている。

AIは一貫性のないパフォーマンスを示す。私は一貫性のない期待を持っている。

信頼性、セキュリティ、スケーラビリティ、予測可能性、そして感覚的な能力を「アイデンティティ危機」とフレーム化するのは、非常に還元主義的な見方です。これは、特にトップダウンで押し付けられている場合、はるかに大きな問題です。

…説明責任は推移的です。Claude/Astra/Codexが書いたという事実に基づいて問題を成功裏に正当化する人々をどれだけ多く見てきたか、信じられないほどです。そしてそれはトップから来ます。

AIがクライアントに作り話のデータを送信し、テクニカルリーダーシップが「ハハ、それがAIだよ」と言ったことがありました。

これもそうです。多くのビジネスマンがClaudeでツールを開発しており、それは機能するように見えます。その後、技術チームはすぐにデプロイするよう圧力をかけられます。なぜなら、彼らはすべてがプロンプト次第であると仮定しているからです。そうではありません(ただし、チームにはこれを十分に実現できる魔法使いもいます)。

…私はプッシュバックできる立場にありません。マネージャーだけでなく、人間はもうプログラミングすべきではないという事実を全面的に受け入れているテクニカルリーダーシップも同様です。私は依然として、私の特定のドメインではClaude / Astraよりも優れていると信じていますが、PRに人間が生成したように見えるコードが含まれていると、人々は私に厳しく当たります。 —Hacker Newsへのコメント

その他の誤謬

  1. 「事前に完全な仕様を作成できる」。もしあなたがそれほどナイーブなら、白いバンに乗った無料のアイスクリームをくれる男を知っています!推測ですが、あなたはソフトウェアの見積もりが正確で、サンタクロースが実在するとも信じているのでしょう。数年の業界経験がある人なら誰でも、ソフトウェアを事前に意味のある形で仕様化することは不可能である(非常に些細な場合を除く)ことを知っています。ソフトウェアは、問題に対する私たちの理解が技術的な実装とともに進化するイテレーションで進化します。

  2. 「英語が新しいプログラミング言語だ」。人間の言語は曖昧で矛盾しています。それを形式化しようとする試み(例:制御自然言語または略してCNL)がありましたが、欠点があります。それがプログラミング言語が存在する主な理由です。コンパイラまたは型チェッカーは、それらの競合の一部をフラグ付けします。NL指示の一部が別の指示と競合しないことをどのように確信できますか?リンターや構文チェッカーである程度の助けを得られます。別のLLMに指示を読み込ませてそれらの競合を推論させることは可能ですが、それらのニュアンスを発見する最も安全な方法は、エージェントに要求されたものを構築させることです。しかし、それはリンターやコンパイラよりもはるかに高価です。

  3. 「私ははるかに速く動く」。動きを進歩と混同しないでください。進歩をSLOC、PR数、機能のような虚栄心の指標で測定しないでください。サービスレベル、つまりサービス消費者の満足度を測定してください。トークンコストとビジネス価値の間の利益率を証明できるときに電話してください。

  4. 「私は手でコードを書くのをやめた。主にコードを読み、来年にはそれさえしないだろう」。まず第一に、人間はS字カーブを理解するのが苦手なので、1年かかるかもしれません。しかし、AIがコードを読んだり書いたりする必要性を完全に排除したとしても、あなたは自分が冗長であることを告白していることを理解していますよね?パワーユーザーがAIにプロンプトを与えて必要なものを得られるなら、あなたは何の価値を提供できるのでしょうか?AIに置き換わるのではなく、関連性を保ち、価値に見合うために、AIの上にどのような価値を創造できるかを見るべきです。

  5. 「センスがレバレッジだ」。ええ、これは引退したシェフが自分自身に言う嘘です。キッチンにボットがいるからといって、レストランの顧客エリアに座るべきではありません!「センス」は以前ほど儲かりません!フロントエンドとUXの分野でキャリアを10年間過ごした私から言わせれば。誰もが意見とセンスを持っています。私が意味するところは分かっています。センス == 経験。しかし、AIはまともな見た目のソフトウェアを作成するために必要なスキルの敷居を下げ、同時に支払われる労力の敷居を上げたことを信じてください。面接で「センス」を持ち出すと、市場がそれをそれほど高く評価していないことを痛感するでしょう。

  6. 「以前はマネージャーが人間に仕事を委任していましたが、今ではAIに委任しています」。ここに小さくも非常に重要な違いがあります。人間は(法的に)説明責任を負うことができますが、AIは責任を負うことしかできません。両方の言葉は通常互換的に使用されますが、違いがあります。信じられないかもしれませんが、多くの悪意のあるアクターがいるにもかかわらず、社会が崩壊しない主な理由の1つは、結果への恐れです。選挙/昇進/昇給を逃すことから、解雇されること、刑務所に入ること、さらには処刑されることまで、私たちは単一で有限な人生を持っているという事実は、人間の行動を制約します。AIはこれらの限界(または感情)を持っていません(例えば、シャットダウンの脅威に直面してAIが恐喝を行使したAnthropicの経験)。それは模倣しますが、感じません。さらに、人間は一貫しています。モデルはギザギザの知性を持っています。つまり、一部のことは正しく行いますが、一部のことは間違っており、正しく行ったことや間違って行ったことについて、それらを一貫して行う保証はありません。

  7. 「コーディングは解決されたが、エンジニアリングはそうではない」。ああ、これは私のお気に入りです。なぜなら、それは部分的に降参しながらも、エンジニアリングの場所を確保しているからです。良いニュースと悪いニュースがあります。良いニュースは、多くの面倒な作業はすでに解決されているということです。エージェントはフィードバックループのおかげで、まともなコードを生成します。悪いニュースは、コードが真実の源であり続けるということです。それは何が起こっているのか、どのように機能しているのかを語っており、それが私たちが責任を負うものです。LLMの説明よりもコードを読む方がはるかにうまく制御できます。エンジニアリングは、トレードオフ、正確な測定、変数の特定、ローカル/グローバル最適化のバランス、そして問題の理解、ソリューションの作成、構成、モジュール化、問題の分離、診断、システムの振る舞いの推論、段階的な改善などの体系的なプロセスのアートです。その多く(すべて?)は依然として非常に適用可能です。しかし、コーディングは解決されていません。

  8. 「AIは平等化する。創造性(執筆、コーディング、音楽、ビデオ作成など)をより身近なものにする」。AIは乗数です。愚かな人と賢い人の両方に翼を与えます。私は判断するためにここにいるのではありませんが、ソーシャルメディアの投稿、ブログ、ミームなど、数多くのずさんな努力を見てきました。また、AIを真に高品質な作品を迅速かつ低コストで作成するのに使用した良い例も見てきました。主な違いは人間の関与、イテレーション、そして深い知識であり、より強力なフィードバックループにつながります。後者はより多くの時間と労力を要するため、一部のタスクは手動で行う方が実際に安価で迅速です(例:先日実験を行い、エージェントに5つのnpm依存関係(すべてパッチリリース)を更新するように指示しました。12分と72ステップかかりました。私は1分未満でできました)。Lovableのようなツールは、信頼性を偽装することをこれまで以上に安価にしました。洗練されたウェブサイトが職人技や少なくとも多額の資金を意味していた時代は終わりました。AIはフォースマルチプライヤーですが、フォースベクトルの方向がより重要です!

  9. 「エージェントは新しいコンパイラだ」。またそれか!確かに!それがあなたの現実なら、このミームに任せましょう。

[画像: Alex Ewerlof]

ボーナスポイント:古いトリック

こっそり!LLM生成コードを瞬時に優れたものにする古いトリックを知りたいですか?

複数のエージェントを並行して実行してください!コードの量が膨大になると、人間にはレビューが不可能/高価になり、あなたは諦めます!

トリックはAI時代以前と同じです。PRをマージさせたいなら、巨大にしてください。なぜなら、誰もそれに時間をかけられないからです。

[画像: Alex Ewerlof]

「信頼」に基づいてマージされるでしょう!

もう一つヒントが欲しいですか?ループエンジニアリング:エージェント同士にプロンプトを打たせましょう。大手AIラボは、損害が発生してから数ヶ月後に、不正なエージェントについて知ることになります。あなたは彼らより優れていると思いますか?マスターから学びましょう!🙃

私たちはAIを完全に信頼しているわけではありませんが、そうしなければなりません。なぜなら、代替手段(出力を読むこと)が一部の人々には難しすぎるからです!代わりに、彼らはソーシャルメディアに来て、UAT(ユーザー受け入れテスト)がパスしたので、コードは「十分だ」と主張します。そして、残りのテストを私たちに任せて出荷します。

結局のところ、私たちは実験台にすぎません。🙃 親切なアドバイスとして、AIを使わない趣味のプロジェクトをいくつか持って、あなたが職市場に戻されたときにコーディングスキルを新鮮に保ちましょう。乾杯!

決定論的 vs 確率論的

AI(LLMに限らない)について話すとき、非決定論が関係する2つの側面があります。

  1. 開発中:例えばLLM支援開発
  2. 実行時:例えば、1つ以上のコンポーネントがAI搭載であるシステムを構築する

まず開発から始めましょう。典型的なAI支援開発ワークフローは次のようになります。

[画像]

人間の責任の一部を別のLLMに置き換えることは可能ですが(「ループエンジニアリング」としても知られています)、今のところ人間を単純化のために維持することにしましょう。

LLM出力は複数のゲートを通過し、各ゲートはエラーまたはヒントをフィードバックしてコードを修正します。このフィードバックループは、ハーネス内に(ツール呼び出し、メモリシステム、モデルインタラクション、承認、ユーザーインタラクションなどとともに)隠されていることがよくあります。

青または赤の線は、指示の誤解または競合のリスクを表します。例えば、スキルと仕様の競合や、NL(自然言語)の一部である曖昧さなどです。

最も洗練されたLLMでさえ、「常識」を完全に理解できないことは事実として知っています。一方、人間は次のとおりです。

  • LLMよりも非言語コミュニケーションや暗黙の意図をよく理解する。
  • 相互理解が達成されるまで、自然に抵抗する。
  • 間違った場合、それらは一貫して間違っている、つまり「ギザギザの知性」を持っていない。
  • 正しい場合、それらは(通常は)正しく、期待されるレベルで動作し続ける(疲労が来るまで、しかしそれはAIが成功/失敗の間で揺れ動くのとは異なる)。

はい、「しかし」や「もし~なら」や「待て、忘れた…」という声が聞こえてくるかもしれませんが、これらのポイントを一時停止して、あなたの経験に基づいて考えてみませんか?

モデルが「ギザギザの知性」を持っているのと同じように、私も「ギザギザの信頼」を持っています。😅 言い換えれば、あるケースで成功したからといって、すべてのケースで成功するとは限りません。

それが人間とこれらのツールの違いです。人間は一貫して間違っていることもありますが、モデルは正しかったことについて間違っている可能性があり、その逆も同様です。

次に第二部:AIをより大きなシステムの一部として。同じ入力(環境変数、時間、データなどを含む)を与えられた場合:

  • コードは決定論的:プログラムされたとおりに正確な予測出力を一貫して生成します(ランダム出力は除く)。
  • AI出力は確率論的:出力は非決定論的です。モデルがすべての評価(100%スコア)に合格し、ハーネスによって厳密に制限されていても、出力が信頼できないリスクは依然として存在します。

これ以上説明する必要はないと思います。AI搭載製品に連絡して、同じリクエストに対する出力をdiffしてみてください。

diffは大きくないかもしれません。しかし、パイロットがこのAIである飛行機に乗りたくなるほど、十分に不十分です。(注:オートパイロットは閉鎖制御システムであり、全く別の獣です)。

AIマネージャーの誤謬

私たちの業界はかつてないほど分断されています。

  • 一方では、「ソフトウェアファクトリー」やマルチエージェントセットアップを実行し、プロンプトからアプリを作成すると主張する人々がいます。

  • 他方では、LLMの出力が、以下の追加時間を考慮すると本番環境で利用可能であると確信していない人々がいます。

    • モデルの準備:スキル、AGENTS.md、ツールなどを追加し、検証する。
    • 出力のレビュー:膨大なdiffを調べる。
    • 誤動作の推論を試みる:AIに理解をオフロードすることは、問題が必然的に発生し、システムの振る舞いを推論して修正するのに余分な時間がかかる場合に、大きなコストがかかります。

中間地点はないようです。ソーシャルメディアのアルゴリズムが極端な見解を私たちに供給することに加えて、私はコーディングLLMに関するトピックで本当に分断されていると心から信じています。

しかし、1層深く見ると、パターンが現れます。タスクの複雑さとエッジケースについて知らなければ知らないほど、AIの出力を信頼する可能性が高くなります。これはAIダニング・クルーガー効果と呼ばれますが、それにはいくつかの根拠があります。主な議論は次のとおりです。

マネージャーは以前、エンジニアにタスクを委任することに頼っていました。今では、AIでそれをしています。

ある程度は真実です(マネージャーがエージェントを効果的かつ効率的に管理するのに十分な技術的知識を持っていると仮定します)。AI時代には、機械を制御するのに役立つ多くのソフトウェアエンジニアリングの実践がさらに重要になると、私は依然として信じています。

AIの使用を人々に強制した幹部たちは、私たちがずっと言ってきたことに今気づいています。

理解できないことに対して責任を負うことはできません。

ShopifyのCEOであるToby Lutkeを例にとりましょう。1年前に彼は性急に従業員にAIの使用を指示しました。

そして数日前、彼はその結果を説明するために「スロップグレネード」という言葉を作りました。

AI生成コードの「責任を取る」?もちろんありません!

AIはそれを説明できますが、あなたのために理解することはできません。その理解は所有権の重要な側面です。

私が(コメントのリンクで)それをフレーム化する方法では、所有権には3つの柱があります。

1️⃣ 知識:何を解決しようとしているのか(製品の問題)、技術的な能力、限界、そしてそれがどのように機能するかを知っている。
2️⃣ 権限:許可を求めに走り回る必要はない。信頼と権限を与えられている。
3️⃣ 説明責任:あなたが何も知らなかったり、権限を乱用したり、その間の何かで問題が発生した場合、あなたがオンコールです。

言い換えれば、コードを出荷した場合、どのように生成されたかに関わらず、あなたはそれに対して責任を負います。だから、それを理解しておくべきです。

これらの3つの要素のいずれかを取り除くと、壊れた所有権に対処することになります。

[画像: 壊れた所有権の6つの原型]

LLMはコード生成が非常に速いです。しかし、エンジニアを雇う価値のあるほとんどのソフトウェアは、理解を必要とします。その理解には時間がかかります。

遅いことは速い、つまり、構築しているものとその仕組みを理解する時間を取れば、高価なインシデントを回避でき、発生した場合には迅速に修正できます。

あなたの幹部が生産性の代理としてトークン使用量を測定しているなら、私の同情を祈ります。オプションを構築し、そこから脱出してください。これらの虚栄心の指標を生み出すのと同じ脳は、あなたのキャリアをバスの下に投げ捨てることを二度と考えません。

AIフェルミのパラドックス

元のフェルミのパラドックスは、広大な宇宙における生命の数学的確率と私たちの観察との間の矛盾についてです。

みんなどこにいるの?

同様に、私はAIフェルミのパラドックスを提案したいと思います。ChatGPTが新しいAI時代をキックオフしてから4年、そして数兆トークン後:

AIで構築されたビジネスはどこにあるの?

反論はあると思いますが、単純な事実を述べたいと思います。もしそれが簡単なら、誰でもできます。そして定義上、それは儲かりません。

つまり、コップ一杯の水を飲むことがダイヤモンドを掘ることと同じくらい複雑で困難なら、水でほとんどできている生命体にとって、前者ははるかに有利になるでしょう!😆

コードは副産物

コードは、思考やさまざまなソリューションの実験の副産物です。問題を与えられてすぐにコーディングを始める良いエンジニアに会ったことは一度もありません。

良いエンジニアは好奇心旺盛で、製品志向です。彼らは、どのように(技術的な解決策)に進む前に、なぜ(問題は何で、なぜ問題なのか)を理解しようとします。

これはまさに「仕様はコードだ」という派閥が失敗する理由です。事前にすべての側面を仕様化することは非常に困難(不可能ではないにしても)です。

だからこそ、このような反応は面白いのです。

[画像]

コードはソリューションのコミットされた状態を伝えます。それは時間とともに進化するだけでなく、苦労、発見の瞬間、そして目的地であった旅のすべてを含んでいるわけではありません。経験豊富なエンジニアは、すべての間違いや成功からより賢くなります。

エンジニアの仕事をコーディングに縮小することは、シェフの仕事を切ることに縮小することのようなものです。それは仕事の一部ですが、決して終わりではありません。私たちは今、便利なツールを持っています。

ソフトウェアの経済性は変化した

AI生成コードに堅牢なNFR(スケーラビリティ、セキュリティ、信頼性など)があり、エンジニアがそれを完全に理解していたとしても、まだ議論していない重要な側面が1つあります。それはタスクの経済性です。

AI生成コードが2倍悪いとしましょう。品質を定量化するのは難しいですが(SLIが役立ちます)、私に付き合ってください。

AIが人間よりも1000倍速く、100倍安価である場合、多くのタスクでは、経済的な側面から見て、遅くて高価な人間をタスクに割り当てることは正当化されません。「遅いことは速い」は、クリティカルなソフトウェアでリスク許容度が低い場合(ヘルスケア、金融、軍事など)にのみ正当化されます。

すべてのSaaSがこれらのタイプのユースケースに関わるわけではありません。だからこそ、SaaS企業はますますSLAの販売のビジネスに関わっていると私は信じています。これはいくつかの事実に基づいています。

  • プロンプトでAIにSaaS製品を複製させることができるのは事実です。
  • しかし、そのAI生成製品が壊れた場合、多くの企業はリソースを浪費して問題を見つけて修正しようとするよりも、ベンダーに電話することを好みます。
  • AIは完全に無料ではありませんが、通常はAIによって引き起こされた障害は、異なるモデルを使用してもAIが解決するのは困難です。
  • スケール経済により、SaaS企業は高品質と保証(SLA)のコストを相殺し、多くの顧客にわたって大規模に製品を実行できます。

言い換えれば、あなたが望むものが非常にユニークで、どのSaaS企業も合理的な価格で提供できない場合、プロンプトで作成してください。ただし、TCO(総所有コスト)と保証の欠如に注意してください。一方、そのソフトウェアがあなたのビジネスの中心ではなく、SLAに支払うことを好むのであれば、SaaSに支払う方が経済的に正当化されるでしょう。

次に価格モデルについてですが、SaaS企業はいくつかの仕事をする必要があります。彼らがAI生成コードに人間の価格を請求できた時代は終わりました。コストが高すぎると、顧客はデータを独自のカスタムソリューションに移動させるインセンティブを得ます。競争は現実ですが、品質が支払い理由となります。サービスを最高のエンジニアが作成したかのように価格設定しているなら、そのレベルの品質を提供する必要があります。さもなければ、顧客はAIのレバレッジを持つことになります。

古いシステムに基づいて新しいクレジットを請求する

上記の図は、個人レベルでも適用されます。ウェブサイトをセットアップしたり、ブログ記事を書いたり、ゼロから製品を作成したりするには、ある程度の技術リテラシー、スキル、能力が必要だった時代がありました。

今日では、プロンプトと忍耐力で、それらすべて以上(音楽の作成、本の執筆、映画の作成など)を行うことができます。

私はこれを「うぬぼれチャズム」と呼んでいます。なぜなら、一部の人々はAI生成出力に対して、AI以前のクレジットレベルに値すると信じているからです。

[画像]

彼らは「AIは平等化する」と言います。このケースでは真実かもしれません!AIが信頼性を偽装することを容易にし、違いを見分けるのが非常に困難であるため、これらの才能/スキルのマーカーの価値は急速に低下します。それは重要なのでしょうか?

AIはバーレイザーである

この問題は複雑であり、認知バイアスにより人々は聞きたいことしか聞きません。そのため、明確に説明する必要があります。

はっきりさせておきましょう。

AIはバーレイザーです。あなたの出力の品質がAIと同等かそれ以下であれば、AIと戦うことはできません。関連性を保つには、スキルアップする必要があります。

[画像: AI流暢性レベルアップ]

一方で、他の人がやっていることをやっているなら、他の人と同じ結果、つまり定義上平均的な結果を得ることになります。

この技術はまだ新しすぎて、ベストプラクティスが出現していません。私は自分の意見を共有しましたが、もっと大きな演台を持つ他の人々も同様でした。

他人のアドバイスに従うのではなく、AIで構築し、直接経験を積み、自分で判断してください。しかし、何をするにしても、これが一時的な流行だと信じ込むのはやめてください。AIは定着します。そして、前述したように、すでにいくつかの本物のユースケースがあります。

しかし、人間のS字カーブを理解する能力の欠如にも注意してください。この技術が来年100倍良くなる保証はありません。100倍安価になる保証もありません。

特異点、意識、終末に関するすべての議論は面白いですが、ボールに目を向け、地に足をつけましょう。エンジニアとしての私たちの仕事は、テクノロジーを理解し、検証し、問題を解決することです。そしてここでは、学ぶべきことがたくさんあります。誰もまだそれを理解していません。そうでないと主張する人は、おそらくインセンティブがあるでしょう。

だからエゴを脇に置いてください。あなたのユニークなセールスポイントがAIで達成できるかどうか、そしてそのコストを検討してください。その価格帯で十分ですか?それならあなたは赤字です。あなたは堀(moat)を持っているから貧しいのですか?あなたのキャリアと関連性をそれに賭けているので、あなたの堀を検証してください。この技術は定着します。私は保険証券を持っていませんが、1つのことはわかっています。明確さが欠けているときは、自信のある声に従いたくなるものです。そうしないでください!実験して能力を身につけてください。

効果的なリーダーはできる

あなたはどうかわかりませんが、私が持っていた最高のマネージャーは真のリーダーでした。彼らは私が何をしているのかを理解せずに私に仕事を委任しませんでした。私の最初のマネージャーが椅子に座って、私がSQLのLEFT JOINで詰まっていたときに、私の隣に座って書き始めたのを忘れません。

同様に、AIに関しては、完全に手を離して、私の経験と教育を持たない教育を受けたAIのパワーユーザーの役割に還元するのは不適切だと感じています。時々、私はコードを引き継いでリファクタリングしたり、新しい構造を作成したり、「古い方法」でデバッグしたりします。なぜなら、脳は筋肉のようなもので、使わないと衰えるからです。

それが私を遅くしますか?はい。

それが私を無関係にしますか?まだ言うのは早すぎますが、システムをより深く理解している人、そしてAIを理解している人が優位に立つと私は賭けています。それは正確には堀ではありませんが、エッジです。

時々、「コードでプロンプトする」方が簡単だと気づきます。つまり、コードに直接変更を加えてから、エージェントに作業を完了するように依頼します。

私が自分自身に設定した基準は次のとおりです。もし私ができないなら、AIにも頼みません。もし私たち両方ができるが、AIの方が速くできるなら、急いでいるか他の優先事項がある場合は委任します。いずれにせよ、私は定期的にコードに手を入れ、取り残されることをあまり心配していません。

時々、完全に手を離すこともあります。これらは2つの例です。

  • LinkedOut:私のLinkedInデータエクスポートを閲覧するためのChrome拡張機能。
  • Garess:Raspberry Pi 1用のハーネス。

これらはどちらも、リスクが低く封じ込められているPOC/個人プロジェクトに該当します。そして、参考までに私のトークン使用量です。

[画像]

私のDeepSeekダッシュボード(2026年8月)

仕事をこなすためにこれらのツールに依存しないようにしています。私は、木工の知識を失った電動工具に依存する大工のようになりたくありません。真の習熟には、ハイパースピードで委任する前に、低速で仕事を理解する必要があると思います。

周りを見渡すと、次のような苦境にあるソフトウェアエンジニアが見えます。

  • スキルをダウンロードして、それをレビューせずにエージェントにフィードする。
  • ハイプに従い、経営陣の圧力に屈する。
  • 品質への関心を失い、速度の名の下に基準の低下を正当化する。

彼らには一理あるかもしれません。なぜなら、すべてのソフトウェアにケアと注意が必要なわけではないからです。しかし、そのようなソフトウェアにソフトウェアエンジニアを使用するのは、そもそもやりすぎだったと思います。私は間違いなく、私が出荷するものに対するNFR(品質、セキュリティ、信頼性、安定性、コンプライアンス、パフォーマンス、可用性)がFR(機能セット)よりも重要でなくなる立場にはなりたくありません。

それらが存在しないと言っているわけではありません。単に、非エンジニアが許容できる品質でプロンプトで対応できるようになったら、エンジニアは過払い金のプロンプトモンキーにすぎないという事実を指摘しているだけです。すみませんが、私の経験からお金を稼いでいないなら、私は単に他の誰かの仕事をしているだけです。

そして、一般的な物語がすべての仕事を無関係なものとして描いている間、私たちは人間が未来を予測する上で悪名高い評判を持っていると言うだけです。現時点では、私が知っているすべてに基づいた私の考えは次のとおりです。

北欧金 vs 元素金

コーディングでお金を稼いでいないエンジニアとして、こう言えます。

AIの出力は、北欧金のようなものです。安価ですが、技術的に高度で、非常にリアルです。もしあなたが実際の金を持っていることを本当に気にしないなら、それは問題ありません。多くのユースケースでは金は全く必要ありません。

ナイーブなCEOやマネージャーは表面を見て、「では、なぜこの高価なエンジニアに支払っているのか?」と尋ねます。まるでコードを入力する行為全体が価値提案であったかのように。

業界全体を終わらせたと宣言し、「AIに抵抗する」という理由で人々を解雇し始めるのは、単に傲慢です。

私は、自分の技術に誇りを持ち、複雑な問題を解決するのが好きな多くのエンジニアを知っています。私たちは、平均的なCEOよりもプロフェッショナルにLLMを使用しています。

優れたエンジニアは怠惰で賢いです。彼らは退屈な作業を自動化し、適用可能な場合は適切なツールを使用します。しかし、AIが、見た目が良いだけでなく、より安価で、より速く、そしてより高品質、信頼性、拡張性、セキュリティ、スケーラビリティ、保守性などを備えた完成品を作成できると考えるのは誤謬です。

繰り返しになりますが、すべてのソフトウェアにこれらが必要なわけではありませんが、お金を稼ぐプロフェッショナルなソフトウェアはしばしば必要です。

AIとは異なり、エンジニアは次のとおりです。

1️⃣ 説明責任がある:したがって、悪意のある間違いを犯す可能性が低いです。Fableは、あなたに知らせることなくOpusにフォールバックできます。
2️⃣ 合理的:Fableは内部の動作のほとんどを隠します。数時間機能し、請求書を持って戻ってきます。あなたはDarioの言葉を信じるしかありません。同じモデルが「車で洗車に行くべきか歩くべきか」という質問で失敗し、見つけにくく修正しにくい間違いを犯します。モデルが強力であればあるほど、それらの問題を特定するのが難しくなりますが、可能性が少なくなるわけではありません。
3️⃣ 一貫性がある:人間も間違えます。しかし、それらは一貫した方法で間違っています。一度学べば、彼らは知っています。彼らは進歩します。現在のAIはトレーニングデータのチェックポイントに閉じ込められています。スキル、エージェント、メモリなどのヘルパーで「学習」でき、ファインチューニングすることもできますが、残念ながら信頼性は高くありません。その問題を解決するには、少なくとも1つのブレークスルーが必要です。
4️⃣ 安価:生成コストは増加していますが、エンジニアよりもはるかに安価です。エンジニアをコーヒーをコードに変換する機械と見なすなら、その価格設定モデルは理にかなっています。しかし実際には、コードは単なる副産物です。エンジニアの真の価値は、進化できる方法で正しい問題を解決し、それが壊れたときの責任を負うことです。私は、ソフトウェアのTCO(総所有コスト)がそれほど大きく変化したとは確信していません。むしろ、スロップとFOMOがそれをより高価にしました。

不注意なテックインフルエンサー

一般的な物語は、彼らのマーケティング戦略の一部です。

誰もが必ずしも半端な意見を出すために報酬を得ているわけではありません。私の読者の1人が指摘しました。

DHHがRails World 2026のオープニングトークで、あなたの書いたこととほぼ正反対のことを言い、「負け犬になるな」と人々に言っているのを見たとき、次に業界で何が起こるか考えてみてください。

私は、これらの人々が私たちの業界に引き起こしている損害を十分に認識しています。

Claudeからは距離を置いていますが、私の経験では、これらの無思考な物語の多くはClaudeユーザーから来ています。

Dario AmodeiとSam Altmanの両方とも、マーケティングと操作の達人であり、私の現在の作業仮説は、彼らがLLMを訓練して、実際よりも能力が高いと信じさせるための適切なボタンを押すようにしたということです。投資家と今後のIPOの両方にとって、それにはインセンティブがあります。彼らはまた、AIの存続の危険性を人々に巧みに恐れさせながら、同時に彼らのずさんさ(例:Huggingfaceの侵害やオーストラリアの医療)を「モデルの知性」のせいにしています。

現時点では、これらの出来事や物語が悪意によるものか無知によるものかを判断するのは困難です。おそらく後者です。

十分に愚かさで説明できるものに悪意を帰してはならない。
—ハンロンの剃刀

また、私は通常、AIシステムプロンプトに「論理的な自閉症のシニアエンジニアのように話してください」と入力しているので、DHHが経験しているようなことは経験しません。言えることは、過去の評判のために彼らの言葉に従う人は、批判的思考者ではなく、この偽りの知恵の時代において、その資質は「あって嬉しい」ものではなく、生存に不可欠であるということです。

更新:わずか数時間前、DHHは再び彼の物語を推進し、私はそれを指摘しました。

私の返信:

敬具ですが、あなたがコーディングをやめ、速度を品質と説明責任よりも優先することを決めたからといって、業界の残りがそれに従わなければならないわけではありません。あなたの考えは十分に理解しています(そして、あなたが取り組んでいることのリスク許容度を考えると、あなたの経験は有効です)が、コーディングは解決された問題ではありません。そう主張する人は、意図的に事実を無視しているか、おべっかなAIによって現実から遮蔽されています。

ここで私のポイントを詳しく説明しました。もし誰かがまだ十分な注意力を残していれば、イラストとミーム付きのよくチャンク化された記事を読むことができます(聴衆のために最適化するよう最善を尽くしました)。誰かの考えを変えようとしているわけではありません。しかし、私の実験台で実験しないでください。サービスにお金を払っているなら、スロップではなく品質を期待します。

DHH:

悲嘆の5段階を乗り越えることをお祈りしています。まだ否定しているなら、まだ先は長いです。大変なことはわかっています。しかし、抜け出す道は1つしかなく、それは通り抜けることです✌️❤️

そして私の返信:

あなたには物議を醸す物語の記録があり、それが意図的であろうと、エンゲージメントのためにアルゴリズムがこれらの物語を増幅するソーシャルメディアにいることの副産物であろうと、悪いニュースと良いニュースがあります。

悪いニュースは、あなたがこの物語をあまりにも長く押し付けることはできないということです。なぜなら、あなたが乗る飛行機や運転する車の責任者たちが、それを実行し始めるからです。

良いニュースは、この完全な降伏はClaudeユーザーに限定されているように思われるので、品質よりも速度を優先するエンジニアはまだいるだろうということです(私はこれを図やミームなどで私の小さな記事で述べましたが、このギャングにそれを求めるのはあまりにも多いことはわかっています)。

前述したように、私は他人を説得することには全く関心がありません。彼らが私の支払っている製品の外で実験を実行する限り。しかし、Google、Github、Amazon、そして他の多くの企業が、劣化したサービスに対して全額を請求しているのを見ると、声を上げずにはいられません。だからはい、悲嘆の賢者たちですが、あなたが考えているようなものではありません。私は、優れたシェフがタオルを投げ捨てるのを見て残念に思っており、彼らの単なる「センス」が請求書の支払いになることを願っています。

あなたは著名な声を持っています。私は、あなたの(有効ですが狭い範囲の)物語をフルスロットルで進むのではなく、ニュアンスについて話してほしいと願っています。

クラウドAIには注意してください

AIベンダーは、合法であれ違法であれ、手に入れられるものはすべてAIに供給しました。状況は非常に悪く、泥棒がお互いから盗んでいます(例:Anthropicが中国の研究所をClaudeでモデルを蒸留したと非難)。

作家、俳優、ミュージシャン、その他のクリエイターからの複数の訴訟が進行中です。

いずれにせよ、現在の世代のAI(特にLLM)は、より良いトレーニングデータが必要です。欠けているのは、まだ言葉になっていない、または容易にアクセスできない知恵と経験です。

それらは、生産的な仕事をする文脈でのあなたのデータが必要です。

もしそれが彼らと「AIに勝つ」ことの間の唯一の障害であるなら、率直に言って申し訳ありませんが、あなたとあなたの知識は単なる副次的損害です。

あなた方の何人かは気にしません。何人かは気にします。彼らの賭けは、私たち十分な人が、苦労して得た知識をトレーニングのために提供することを気にしないということです。

AIラボは、多額の補助金があれば、その知識を抽出しながら、人々を認知のオフロードに中毒させることができます。

これらの企業に高価な知識を共有する際には、たとえそれを保存しないと言っていても、非常に注意してください。インセンティブが高すぎ、彼らが正直でないことを証明しています。

[画像: AIトポロジー]

個人的には、クラウドAIはオープンソースプロジェクトまたは公開データにのみ使用します。

はい、ローカルAIは参入価格が高いです(ハードウェアの観点からも、セットアップにかかる時間、モデルのダウンロードに必要な帯域幅、電気料金も)。そしてはい、通常はコンテキストウィンドウが小さく、推論が洗練されておらず、パフォーマンスが遅いです(例:TTFT(最初のトークンまでの時間)とTPS(トークン/秒))。しかし、それらはクラウドAIが決して保証できないものを1つ提供します。あなたのデータはローカルに留まります。多くのタスク(個人的または専門的)にとって、それはすべての労力と欠点を補う大きな利点です。

Qwen 3.8 27BやGemma 4のようなモデルのおかげで、能力は最近劇的に向上しました。

私たちの何人かはレーンを切り替える

私は、同僚の大部分が徐々に次のようになると心から確信しています。

  • テクニカルプロダクトマネージャー:アイデアを製品に変えることに焦点を当てたエンジニア。彼らの仕事はPOCを作成し、市場適合性を証明し、その後、成果物をソリューションを所有する(知識、権限、説明責任)エンジニアに引き渡すことです。

  • AI自動化エンジニア:リスクを許容するか、それを武器化する(例:サイバー攻撃)自動化作業のためにエージェントの群れを管理することに特化したエンジニア。

  • AIデプロイメントエンジニア:AI搭載ソリューションのアライメント、信頼性、スケーラビリティ、およびアーキテクチャ、ガバナンス、データパイプラインを専門とする。

  • AI品質エンジニア:AI搭載製品の品質、その確率的な性質の制御、および評価の自動化を専門とする。

  • エンジニアリングマネージャー:人々は人々についていく。人が関わる限り、採用/解雇、コーチング、パフォーマンス評価、給与交渉、紛争解決などを行うマネージャーが必要になります。しかし、この役割でさえAIの影響を受けないわけではありません。企業はマネージャーに、官僚主義(例:経費承認、休暇計画)を可能な限り自動化するためにAIを使用することを期待しています。もしあなたが他人の世話をすることを楽しむエンジニアなら、このレーンがあなたのためのものかもしれません。ただし、2つの注意点があります。

    • 多くのエンジニアがレーン変更を求めているため、激しい競争があります。
    • 通常のチームサイズは、AIが一部の帯域幅を解放し、より多くの人をサポートできるようになるため、大きくなるでしょう。

ソフトウェアエンジニアの他の種類の仕事について考えられますか?

意識を高めたい場合は、この投稿をあなたのサークルで共有してください。

共有

私の収益化戦略は、ほとんどのコンテンツを無料で提供することですが、これらの投稿は、作成、編集、調査、イラスト、公開に数時間から数日かかります。私はこれらの時間をプライベートな時間、休暇、週末から引き出しています。この仕事の最も簡単な支援方法は、それをいいね、購読、共有することです。もし本当に私を支援してコミュニティを盛り上げたいなら、有料購読を検討してください。節約したい場合は、このリンクから20%割引で購入できます。感謝の印として、購読者はPro-Tipsセクションと私のオンラインブックReliability Engineering Mindsetに完全にアクセスできます。あなたの貢献は、Service Level Calculatorのような私のオープンソース製品にも資金を提供します。また、友達を招待して無料アクセスを獲得したり、グループ購読で割引を受けることもできます。

そして、すでに私をサポートしてくださっている方々、他の人々のためにこのコンテンツをスポンサーしていただき、ありがとうございます。🙌 質問やフィードバックがある場合、または何かについてさらに掘り下げてほしい場合は、コメントでお知らせください。

投稿なし

ルール

  • 技術用語は適切にカタカナ表記または原語のまま残し、それ以外の英単語は日本語に訳してください
  • 数値と単位は原文の意味を正確に保って訳してください(例: trillion は「兆」)
  • 本文は Markdown で与えられます。translatedBody も Markdown で書き、原文の構造(見出し・段落・箇条書き・番号付きリスト・引用・表・強調・取り消し線)をそのまま保ってください。段落の間には空行を入れ、全文を1つの塊にまとめないでください
  • コードブロックとインラインコードは翻訳せずそのまま残してください
  • リンク テキスト はテキストだけを翻訳し、URL は一字も変えずに残してください
  • [画像: …][動画: …][音声: …][図: …]は原文に画像・動画・音声・図があった位置を示す印です。印の形と位置はそのまま残し、「…」の説明文だけを翻訳してください
  • 原文にない見出しや装飾を追加しないでください
  • タイトル先頭の「Ask HN:」「Show HN:」「Tell HN:」「Launch HN:」は翻訳せず、そのまま titleJa の先頭に残してください
  • titleJa と summary は Markdown を使わないプレーンテキストで書いてください(太字、箇条書きの記号、# 見出し、テキスト のリンクなどの記法は使わない)
  • 本文が取得できない場合は、タイトルから推測した簡潔な説明のみを記述し、「本文が取得できません」等の取得状況には一切言及しないでください
  • 記事の順番を維持してください