すべてのエンジニアリングチームが、AI がクールな実験ではなくなり、負荷に耐えるインフラストラクチャになり始める瞬間があります。あなたはそれを計画していません。ある日、ベロシティの前提が変わり、コードレビューの姿勢が変わり、チームの人間が 18 か月前とは異なる決定を下していることに気づきました。
Roktでその瞬間を捉えました。まだやり終えていません。しかし、私たちは十分な旅を経てきたので、ステージが実際に内部からどのように見えるかを説明できます。これは、ブログ投稿やカンファレンストークでの表示とは異なります。
ステージ 1: オートコンプリート
ほとんどの人がここからスタートし、驚くほど多くの組織が静かに立ち止まります。
この段階では、AIは個人の生産性向上のためのハックです。コンテキストを理解するタブ補完。ボイラープレートの生成。たまに出てくるファンクションボディはほぼ丁度いい感じ。正確なプロンプトの習得に時間を費やすエンジニアは、より速く作業できます。しないエンジニア、しないエンジニア。
組織構造は変わりません。レビュープロセスは変わりません。アーキテクチャは変わりません。より高速なラップトップが個々の利益を得るのと同じように、ツールから個人が利益を得るのと同じです。
ここでチームが犯す間違いは、これをトランスフォーメーションと呼んでいることです。そうではありません。効率性です。それらは同じものではありません。
ステージ 2: 副操縦士
副操縦士への移行は、ツールに関するものではなく、会話に関するものです。
この段階では、AIが設計ディスカッションに参加します。関数本体を埋めるように求めているだけではありません。構築前にアプローチを見直し、仕様のエッジケースを特定し、アーキテクチャに関する決定を後回しにするようIT部門に求めているのです。これが得意なエンジニアは、得意でないエンジニアよりも著しく速く動きます。
目に見えるシグナルは、AI を思考パートナーとして扱うチームメンバーと、AI をコードジェネレーターとして扱うチームメンバーとの間のギャップが拡大していることです。どちらの陣営も同じツールを使用しています。違いは彼らが求めているものです。
ここでは、プロンプトクラフトが本当のスキル格差になります。「X を実行する関数を書いてください」は、コードジェネレーターのプロンプトです。「これが私の現在のアプローチ、私が取り組んでいる制約、私が確信が持てないこと、何が欠けているのか？」副操縦士のプロンプトです。アウトプットは異なるリーグにあります。
スペックの品質もますます重要になり始めています。ガベージイン、ガベージアウトはどちらの方向にも適用されます。最も明確なコンテキストを書いたエンジニアは、最も有用な出力を得ます。あいまいな入力から要件をAIに理解させたい人は、あいまいなコードが返ってきます。
ステージ 3: 共著者
これはアイデンティティのシフトが起こる段階であり、最も不快な段階です。
共著段階では、AIエージェントは開発ライフサイクル全体に参加します。つまり、提案、実装、テストスイートの実行、障害の反復、PRの生成などです。人間の役割は、構築からレビュー、執筆から監督へと移り始めています。
ほとんどのエンジニアリング組織がここで行き詰まるのは、ツールが機能しないからではなく、文化が追いついていないからです。クラフト (エレガントな機能、すっきりとした抽象化、よくできたループ) を重視してキャリアを積んできたエンジニアは、突然、評価対象が自分のコードではないことに気づきます。他の誰かが書いたコードについての彼らの判断です。他に何か。彼らは突然、見込み客のように見え始め、個々の貢献者のメンタルモデルのようには見えなくなりました。
この段階を最も早く通過した組織は、役割のシフトについて明確な文化的許可を与えている組織です。Roktでは、それは私たちのチームと直接話し合うことを意味していました。あなたの仕事はもはやコードを書くことではありません。意図を明確に表現し、アウトプットを厳密に検証し、出荷された結果に責任を持つことです。コードはその下流にあります。コードは、顧客に成果をもたらすための多くのツールの中の 1 つに過ぎません。
ここでも、アーキテクチャの前提条件が非常に重要であることが判明しました。内部ではなく独立してデプロイされ、データを所有し、契約を公開するサービスは、エージェント開発にとってアーキテクチャ上安全です。緊密に結合されたシステムはそうではありません。ある場所での変更が予期せず他の10か所にも波及するコードベースでは、エージェントを安全に操作させることはできません。私たちはすでにカプセル化に向けた構築を行っていましたが、その投資は、それを実現したときには完全には予想していなかった方法で成果を上げました。
ステージ 4: スーパーバイザー
ここで、開発者の役割とエンジニアリングマネージャーの役割が融合し、上級エンジニアリング人材の実際の姿が変わります。
スーパーバイザー段階では、コード行を確認しているわけではありません。意図の設定、方向性の確認、基準の適用、ドリフトの監視など、さまざまなエージェントを管理することになります。重要なスキルは、優れたエンジニアリング管理において常に重要視されてきたスキルです。良いとはどのようなものかを明確に伝えます。何を受け入れ、何を送り返すかについての判断。システミックリスクの認識。
ここで優れているエンジニアは、必ずしも最高のコードを書いたエンジニアではありません。彼らは最も正確にコミュニケーションをとる人たちです。生成された400行の出力を見て、3つの問題点をすばやく特定できるのは誰ですか。システムを総合的に理解し、アーキテクチャ的に正しくない技術的に正しいソリューションを見つけることができる人。2人のエージェントを互いに対戦させ、勝敗を迅速に判断できる方。
当社の最高AI責任者であるクレア・サウジーは最近、次のように述べました。
将来のソフトウェアチームの決定的なスキルは、どれだけのコードを書くかではなく、いかに明確に意図を表現し、曖昧さから明確さへと移行し、構築した内容の影響を制御するかです。
それはスーパーバイザーの職務内容です。現時点で最速のチームの上級ICとリードについて説明しています。この移行に向けた私たちの取り組みは、新卒者から経営幹部まで、すべての人に適用できるようにすることです。
トランジションが定着する理由
予想以上に重要なことがいくつかあります。
舗装された道路。 適切なデフォルト設定で承認されたツールを使用すると、摩擦がなくなり、すべてのチームから「どのツールを使うべきか」という決定がなくなります。エンジニアリング部門全体で 15 種類の AI コーディング設定を行うことは望んでいませんでした。私たちは良い道を楽な道にしました。
学びの共有。 各段階に進んだエンジニアは、まず組織の他のメンバーが必要としていることを学びました。私たちは、四半期ごとのオフサイトではなく、非同期チャネルを通じてそれらの学習内容を迅速に明らかにするメカニズムを構築しました。これにより、人々は何がうまくいっているかをリアルタイムで確認できるようになりました。
測定。 私たちは、製品の意思決定に適用するのと同じ厳密さを社内向けAIの採用にも適用しました。つまり、インストルメンテーション、コントロールグループ、明確な成功基準などです。「速く感じる」は指標ではありません。AI支援によるアウトプット（サイクルタイム、レビューサイクル、欠陥率）を測定して、実際に改善しているのか、それとも単に改善しているように感じているのかを確認しました。
ステージ間の遷移は自動的ではありません。仕事がどのように構造化されるか、どのようなスキルのために採用するのか、エンジニアにはどのような人になるよう求めているのかを慎重に決定する必要があります。移行を受動的なものとして扱う（ツールを購入し、文化が浸透するのを待つ）組織は、段階の合間に行き詰まり、なぜROIが実現しないのか疑問に思います。
ツールは素晴らしく、改善され続けています。ほとんどの場合、ボトルネックは周囲の組織的な決定です。この段階では、テクノロジーは文化よりも速く動いています。エンジニアリングリーダーとしての私の仕事は、文化が後れを取らないようにすることです。
Roktでは、これらの決定を正しく行うことがさらに複雑になっています。エージェント開発を実現可能にしたのと同じエンジニアリング文化が、製品側と同じくらい迅速に行動させてくれます。つまり、すべてのトランザクションでよりスマートになるモデルを出荷し、ミリ秒単位で機能するパーソナライゼーションインフラストラクチャを構築し、組織の慣性にとらわれることなくお客様にとって重要なことを繰り返し処理します。上記のステージは抽象的なものではありません。それらは私たちが築き上げてきたものです。
メリッサ・ベヌア Rokt の開発者エクスペリエンス担当副社長です。
.jpg)
.jpg)
