t-wada さんの動画をみた感想

視聴した動画

https://youtu.be/JgqL7mXiIT0?si=4CIU3fF6uHOZtbfr

感想

スピード追従より、チームの学習サイクル

AI時代で本当に問われているのは、個人がスピードに追いつくことよりも、チームとして学習サイクルを回せているかなんじゃないかと思う。

自分が今のチームでどんな立ち回りができるか、チームがどれくらい変化に順応できているかを見たうえで、次の手を打って改善する。この「失敗して直す」の繰り返しこそ、AIに任せられる範囲が広がった今、人間側に一番残る資産になる気がしている。

サイクル自体は前から言われてきたことだけど、AI時代になって改めてその重要性が顕在化してきた、というのが実感に近いかも

AI時代の問題は、構造で見れば「いつもの課題」

「AI時代の問題も、構造で見れば今までの課題と同じ」という指摘は、聞いてみるとたしかにそのとおりだなと思った。

今まで自分の中に「過去に同じ課題があったなら、過去に解もあるはず」という視点はなかった。これからは新しい問題にぶつかったときに、まず過去の類似構造と解法を探るクセをつけていきたい。

「AIだから全く新しい」という言葉に振り回されないための、地に足のついた視点だと思う。

即断はまだ難しい。だから壁打ちを重ねる

質の高い判断をその場で即実行するのは、並大抵の経験では難しい。自分の今の技量だと、まだ即断は厳しい。だから、設計みたいに影響が大きい部分は、特に丁寧に壁打ちを重ねながら進めたい。最近は壁打ち相手にAIを使うのも効いていて、こちらの案にちゃんと反論もくれるから、思考の抜けに気づきやすい。

「いつか一人で即断できる人間になる」というより、即断できる仕組みをチームで持つという方向に伸ばしていきたい。

リソース効率とフロー効率

リソース効率とフロー効率は知らない概念だったので、これはかなり勉強になった。

小さいチームでAIを活用する流れが進むほど、個人の稼働率（リソース効率）より、価値が届くまでのスピード（フロー効率）を見る目線が効いてくるんだろうなと思う。人数が少ないチームで一人ひとりの稼働率ばかり追うと、ボトルネックが見えなくなる。

結局これも「今までの課題と同じ視点」のひとつなんだな、と腑に落ちた。

教える機会は、自分で作りにいく

「教えることで成長してきた」というのは、自分のこれまでのエンジニア経験を振り返ってもそうだなと思う。

技術記事を書く、チーム内で共有する、LTで登壇する、そういうアウトプットの場を自分から作りにいきたい。

あわせて、モブプロやペアプロみたいに「チームで教え合う場」そのものを設計する視点も持っておきたい。

AIへの問いと、メタ認知

AIへの問いの質は大事で、なかでもメタ認知（自分の理解や欠けている部分を客観的に見る）が鍵になる気がする。

AIと対話しながら、自分に足りない観点を一緒に見つけて補っていく。そんな使い方を意識していきたい。

そしてもう一つ大事なのは、AIが返してきた答えを疑う力。ここが弱いと、AIの出力をそのまま流すだけの「パススルー」になってしまう。動画でもそこが警告されていて、自分も気をつけておきたい。

AIの価値をどこに置くか

動画を見て、一番ちゃんと整理したいと思ったのが「AIの価値を、自分たちのチームでどこに置くか」

これは定量・定性、両方の視点がいると思う。Issueの消化数が増えれば価値なのか、ユーザー満足度が上がれば価値なのか、KPIを達成できれば価値なのか。どこに価値を置くかで、AIの使い方そのものが変わってくる。

逆に、価値を定義しないまま使うと、AIの莫大なアウトプットがまるごと無駄になる。コード量が増えても、事業が前に進んでいないと意味がない。ここはチーム内で共通認識を取っておきたい論点だと感じた。