AIがエンジニアの価値を実行から判断へシフトさせる

IEEE Spectrumは静かながらも重大な主張を展開している。AIが標準規格を検索し、設計オプションを生成し、シミュレーションを実行できる時代において、希少なスキルはもはや個々の技術的ステップを実行することではない。それは、人間、機械、ドメイン専門家がどう作業を分担すべきかを決定し、最終判断の責任を持つことである。

グローバルな意味合いとして、エンジニアリング労働の再価格付けが起きている。過去20年間、需要は個別のタスクを実行できる人材に集中していた。モジュールを書く、解析を実行する、研究論文を読む、といった作業だ。AIはこの層を圧縮する。AIが確実にできないのは、曖昧な問題を定義すること、自身の自信に満ちた出力が脆弱な仮定に基づいていることを検出すること、医療機器や電力システムが構築して安全かどうかを判断することである。システム思考、つまり問題全体とそのトレードオフを視野に収める能力が差別化要因となる。これはまた実質的なリスクも露呈する。AIは一つのテストに合格し次のテストで失敗する妥当性のある回答を生成するため、コスト削減のためにシニアレビュアーを削減する組織は、より少ない間違いではなく、より説得力のある間違いを出荷することになる。

日本にとって、この問題は抽象的ではなく構造的である。SIerモデルは依然として人月課金と多段階下請けに大きく依存しており、利益は上流で書かれた仕様書を実行するために大量のエンジニアを動員することから生まれる。AIはまさにこのピラミッドの下層部、つまり中堅企業や下請け企業が依存する実装や基本設計作業を攻撃する。初期の技術的ステップが工数の一部に圧縮されれば、人数ベースの契約もそれと共に浸食される。

機会は、日本のITが歴史的に過小投資してきた部分にある。上流工程、要件定義、そして元の仕様が間違っていると言える判断力である。実行の人員配置からAIの統制、その出力の検証、クライアント問題の定義へと再配置するSIerは利益を守ることができる。人数での課金にしがみつく企業は、利益が圧縮されるのを見ることになる。

RPAと社内開発チームも並行したシフトに直面している。RPAは反復的なクリック作業を自動化した。次の層は推論ドラフトを自動化する。利益を得るのは、レビュー規律を構築し、どの作業をAIに委任するか、何を人間がチェックすべきか、いつ専門家が主導すべきかを決定するチームであり、生成されたコードや設計を額面通りに受け入れるチームではない。