AIの速さと、人間(自分)の遅さに向き合うこと
これまで実験的にSnowStack.EncodingProbe.PowerShellの開発をClaude Codeに任せて進めてきました。
結果は、私にとって非常に満足のいく水準のものでした。
開発するソフトウェアの規模と複雑さによってコーディングエージェントの出力する成果物の品質は変わってきますが、適切にモジュール分割してコーディングエージェントに任せるモジュールの規模を小さく抑えることができていれば、ソフトウェアの開発業務の部分は全てコーディングエージェントに任せられる水準に到達していると思います。
モジュール分割が肝になるので、大規模ソフトウェアにおいてはアーキテクチャ設計が重要になってきます。
アーキテクチャ設計はプログラミング技術の延長線上にあるので、プログラミング技術が不必要になるという話ではありません。
世間では、AIエージェント(コーディングエージェント)によってプログラマーが失業するとかホワイトカラーが全滅するなどと騒がれていますが、この記事ではその類いの話はしません。
現在のコーディングエージェントの進歩の速度から考えて、近い将来ソフトウェア開発自体が完全に自動化される時が来るとは思いますが、今はまだその段階ではありません。
この記事の主題にしたいのは、「将来のAGIやASI」といった未来のAIを前提にした話ではなく、「現在の生成AIのエージェント」を前提にした仕事と学習についての雑感と考察です。
「将来」ではなく、「今」の話をしたいと思います。
(以降、コーディングエージェントもAIエージェントと表記します)
仕事の速さの価値
AIエージェントが登場する前までは、仕事の能力を測る重要な指標の一つに「仕事の速さ」がありました。
しかし、AIエージェントは人間の百倍の速さで仕事(コーディング)を完了してしまいます。(百倍は比喩表現です) ソフトウェア開発の場合、人間とAIエージェントが共同作業することになります。 将来AIエージェントが進出する他の業務分野でも、しばらくは人間とAIエージェントが共同作業する体制が一般的になると思われます。
もし、その仕事が「仕事の速さ」を重視する仕事ならば、可能な限りAIエージェントに仕事を任せて、できる限り人間側の仕事を減らすことが合理的です。
そして、プロジェクト全体を最速で完了させるには、できる限り「手戻り作業」が少なくなるようにする必要があります。この点は人間だけで仕事をしているときと同じです。
人間だけで仕事をしているときは、最初の依頼や仕様書に間違いがあっても、仕事がゆっくり進んでいたので、プロジェクトの初期段階で誰かが間違いに気付き、早期に修正することが可能でした。「手戻り作業」が深刻な事態になる前に仕様や計画を見直す余裕がありました。
AIエージェント時代においては、この「手戻り作業」の悪影響が大きく、人間がAIエージェントに「間違った依頼」を出してしまうと、人間の百倍の速度で「間違った成果物」を完成させてしまいます。人間が間違いに気付いたときには、「手遅れ」になっていることが多くなります。短時間のうちに仕事に必要な時間と資源と費用を消費してしまいます。
「最初から作り直せばいいじゃないか」と思った人も多いでしょうが、小規模なソフトウェアと異なり、中・大規模のソフトウェアは多数のモジュールの組み合わせでできており、間違ったモジュールを完成させてリリースしてしまうと、それを参照している他のモジュールも全てが一斉に「作り直し」の対象になってしまいます。AIが「間違った依頼」を高速で完成させてしまうことは、中・大規模のソフトウェアにおいては弊害が大きいのです。
また、完成するならまだ良い方で、「間違った依頼」の内容が「矛盾や漏れや曖昧さ」を内包していると、AIエージェントは永遠に完成しない無限ループにハマってしまいます。この間も仕事に必要な時間と資源と費用を消費します。
人間だけで仕事をしていたときより、間違いに対処する時間的余裕がありません。 資源や費用に余裕がなければ、あっという間にそれらを浪費してしまいます。
AIエージェントのコストは安くありません。開発にクラウドなど外部リソースを使用しているなら、それらも無駄なコストになります。
「早く終わるから安い」わけではないのです。(参考記事「1人1か月90万円? 企業が直面 膨れ上がるAIコスト」)
この場合、AIエージェントは「依頼を無視する」「手抜き仕事をする」「作業が永遠に終了しない」「人間に助けを求める」など、良くない結果を返します。
このような状況に陥った場合は、ほぼ間違いなく「人間の依頼内容」の方に間違いがあります。
AIエージェント時代においては、人間の依頼内容の「正確さ」や前提認識の「正しい理解」が、より重要になってきます。
つまり、AIエージェント時代の仕事において、「プロジェクト全体の速さ」を求めるのなら、「人間側の正確さ」が重要な要素になっており、仕事の速さは「可能な限りAIエージェントに任せる」ことで満たされます。
視点を逆にすれば、「人間側の仕事の速さ」は重要ではないことになります。
人間に求められるのは、「速さ」より「正確さ」です。
AIエージェント時代において、「人間の仕事の速さの価値は失われた」と言えます。
急いで仕事をする慣習から脱却する必要がある
人間は、急げば急ぐほど間違う確率が増えます。体感的・経験的に誰にでも分かるはずです。
人間が、より正確な仕事をする上で必要なことは、以下のものになるはずです。
- 正確で十分な情報を得る
- 複雑だったり情報量が多い場合、情報の学習に十分な時間をかける
- 情報や自分の判断の正確さを十分に再確認する
- 矛盾や漏れなどをすべて解消する(不足している情報の収集や間違いの修正)
- 静かに集中できる環境で、納得できるまで考える
- 関係者全員に十分に確認する
情報収集や確認などにAIを使用すると、その部分は早くなりますが、人間側の作業に時間がかかる点は変わりません。ここでは人間が間違わないために必要なことを述べています。
人間が、より正確な仕事をするのに必要なのは、「十分な時間」であることが分かると思います。
急げば急ぐほど正確さは失われていきます。
(昨今、セキュリティに十分な時間とコストをかけていないITシステムが、世界中からサイバー攻撃の餌食になっていることは、この話と無縁ではありません)
人間だけで仕事を進めていた時代には、正確さと速さは全て人間だけの役割でした。
だから、仕事を早く終わらせるためには、人間が急ぐ必要がありました。
人間には、時間をかけて正確に仕事をすることと、時間を削って急いで仕事をすることという、互いに矛盾する責任が課されていました。(今考えると完全にダブルバインドです)
しかし、AIエージェント時代においては、「急ぐ仕事はAIエージェントに任せる」ことができます。人間は「時間をかけて正確に仕事をすること」だけに責任を負えば良くなったのです。
(ちなみに、先のサイバー攻撃に対する安全対策も、AIエージェントによる脆弱性診断無しには実現できないでしょう。人海戦術に頼る組織は滅びると思われます)
従来は、急いで早く仕事を進めることが美徳とされてきましたが、この「急ぐ」美徳は「手戻り作業により資源を浪費する」悪徳に変わったと言えると思います。
「急ぐことは悪徳」になったのです。
従来の仕事の「急ぐ」慣習から脱却する必要があると考えられます。
急ぐならAIを使え
全ての仕事が「速さ」を重視するわけではありません。
時間がかかっても良いから、「正確な判断」や「高い品質」が求められる仕事は多いです。
ただ、それらの仕事はAIエージェントが登場する前から、「急ぐことは悪徳」だったわけです。
AIエージェント時代に、人間が「急ぐ」ことを正当化する理由は、完全に失われたと思います。
また、急いで仕事をしている人(急ぐことを要求する人)に対しては「そんなに急いでいるのならば、なぜAIエージェントを使用しないのか」と聞くべきでしょう。 依頼内容さえ適切ならば、AIエージェントは人間の百倍の速度で品質の高い成果物を出力します。
成果物に問題があるのならば、人間の依頼内容に間違いがあるのです。
人間の学習について
これまでは仕事の話をしてきましたが、次は人間の学習について考えてみたいと思います。
仕事と学習は同時にできなくなった
AIエージェントを使用していて私が実感しているのは、AIエージェントを使用した仕事では、仕事による学習ができなくなったということです。 いわゆるOJT(オン・ザ・ジョブ・トレーニング)が不可能になったと感じています。
従来のシステム開発の仕事は、開発の仕事を通じてコーディングや設計、アーキテクチャ、ドメイン知識など様々な学習をもたらしてくれました。
しかし、AIエージェントにコーディングを任せると、コーディングやプログラミングの技術は全く習得できません。
既にプログラミングの実務経験があり、技術と実務を知っている人なら問題ないのですが、コンピュータ言語など、技術の知識が無い場合は、仕事を通じて技術を習得することができなくなりました。
AIエージェントが主な作業をやってくれるので、OJTによる学習ができなくなったのです。
初めてソフトウェア開発を経験するジュニアエンジニアの場合、いくら仕事をしてもプログラミングの知識と経験は身につかないことになります。
100%完全にAIエージェントにソフトウェア開発を任せることができるのなら、それでも良いのですが、現状のAIエージェントはまだ設計の部分にシニアエンジニアを必要とします。
設計に必要なアーキテクチャの知識は、プログラミングの知識の延長線上にあるため、プログラミングを学ばずにアーキテクチャの知識だけ身につけることは、不可能だと私は思います。
よって、仕事ではプログラミングをAIエージェントに任せていても良いですが、仕事とは別にプログラミングを学ばなければならないのが、現在のAIエージェントの現実です。
成果物の確認で学習できないか
「AIエージェントはハルシネーションを起こし、間違ったコードを出す可能性があるので、成果物を確認して学習すれば良いのではないか」という意見を持つ人は、まだまだ多いと思います。
私は、ClaudeのSonnet 4.5ぐらいまでは、人間がコードの確認をする必要があるという認識でした。
しかし、Opus 5あたりから人間が成果物の確認をする必要性を感じなくなりました。
今のOpus 5.5を使用して、開発用とは独立した別のセッションとフォルダー環境を用意して、成果物の確認自体をOpus 5.5にやらせてみると、人間より多くの不具合を発見してくれました。
開発用とは別のAIエージェント(のセッション)を作ることで、ソフトウェアの脆弱性を人間より高い精度で発見してくれるようになったのです。
(昨今のサイバー攻撃も、AIエージェントでターゲットの脆弱性を見つけ出し、不正侵入の手段にしている可能性が高いと聞きます)
こうなると「人間がAIの成果物を確認する」作業自体が時代遅れとなります。
AIエージェントは、「速さ」だけではなく、「正確さ」でも人間を凌駕しているのです。
ただし、これは「AIエージェントにできる仕事に限られる」話です。現状ではまだ、AIエージェントにできない仕事がたくさんあります。
AIエージェントの得意なプログラミングにおいても、まだ組み込みなど低レイヤーの開発は人間のシニアエンジニアに劣るという話も聞きます。
今のところはAIエージェントの能力には限界があります。(将来解決されるとは思いますが)
少し話が逸れましたが、以上の理由により「AIエージェントの成果物を人間が検収する過程でプログラミングを学習する」方法は、あまり現実的ではないと思います。
仕事に「速さ」を求める職場なら、なおさらOJTは実現できないでしょう。人間の学習時間がボトルネックになるからです。急ぐ組織ほどボトルネックを嫌います。
「そんなに急いでいるのならば、なぜAIエージェントを使用しないのか」という理屈が、この場合悪い方に作用します。「検収による学習」を「無駄な時間」として組織は切り捨ててしまうでしょう。
仕事と学習を分離する必要がある
仕事の効率と速度を追求するならば、仕事は可能な限りAIエージェントに任せるべきです。
しかし、100%完全にAIエージェントに仕事を任せられないのならば、AIエージェントに任せている仕事の内容を、人間が理解しておく必要があります。(設計はまだ人間の仕事です)
ソフトウェア開発においては、アプリケーション・レイヤーならプログラミングはAIエージェントに任せられます。(ミドルウェア・OS・デバイスドライバなどの低レイヤーでは、その限りではありません)
人間の仕事が少しでも残っているのならば、その仕事を担う人材には学習コスト(時間と予算)を支払う必要があります。
プログラミングに関しては、仕事とは別にAIエージェントを使用しないプログラミング学習と訓練の時間を確保すべきでしょう。
このコストをかけないと、AIエージェントにできない「設計の仕事を任せられる人材」が育ちません。
繰り返しになりますが、アーキテクチャ設計の知識はプログラミング知識の延長線上にあります。プログラミング知識と開発経験無しにアーキテクチャ設計の知識は習得できません。
OJTは、特別な教育体制を構築しなくても、人材育成ができた便利な手法でしたが、AIエージェントで使用できなくなりました。
AIエージェントにより、仕事は高速・効率化できましたが、同時にOJTが無効になり、別途人材育成のコストがかかるようになったのです。 生産性は上がったかもしれませんが、生産活動で人材育成ができなくなりました。
組織全体としては、果たして効率化できるのか、よく分からない状態になったと思います。AIエージェントによる生産性の向上分を、人材育成のコストが上回ると、組織全体では生産性が下がったことになります。
AIエージェントで本当に組織や社会全体の生産性が上がるのか、現状では私にも分かりません。
学習も急ぐ必要がない
生産性の話に逸れてしまいましたが、「急ぐ」必然性で考えた場合、学習においても急ぐ必然性は失われたと思います。
これまでプログラミングなど職務の知識は、OJTで学習されていたがゆえに、急いで進める必要がありました。
しかし、AIエージェントにより、OJTは無効となり、学習は仕事とは別に進める必要が生じています。
仕事とは別の時間を確保して学習をするのならば、仕事の進捗を気にしながら学習する必要はなくなります。
学習に費やせる時間を決めるのは、組織の人材育成計画次第になります。個人がプライベートの時間を投入することも考えられますが、OJTに比べれば僅かな時間になりますから「焼け石に水」と言えるでしょう。
(組織が職務目的で個人のプライベート時間を消費させすぎると社会的に問題視されるようになります。残業規制やパワハラ禁止法・フリーランス新法のように法規制の対象になりかねないので避けた方が良いでしょう)
学習時間の裁量権と責任は、完全に組織の側のものになりましたから、個人の努力でどうにかなる次元の問題ではなくなったと思います。
学習と人材育成に費やした時間とコストは、人間のAIエージェントに対する依頼内容の正確さに影響します。
100%完全にAIエージェントに仕事を任せられないのならば、生産性は人間側の「正確さ」と「正しい理解」に左右されます。ここが不正確だと「手戻り作業」の連発が起きて資源と予算と時間を浪費します。
人間側の「正確さ」と「正しい理解」を確保する意味でも、学習を急ぐことは弊害が大きいと思われます。
ダラダラ怠けることを推奨しているわけではない
これまで、「急ぐ」ことの弊害を説いてきましたが、「ゆっくり正確に仕事に取り組む」ことを推奨しているのであって「ダラダラ怠けること」を推奨しているわけではないことは、文章をキチンと読めば分かるはずです。
AIの速さに引きずられて急いでしまう
AIエージェントの登場以降、AIのコーディング能力は急激に向上し、その進歩に私は毎回驚かされています。
既に、AIにコーディング能力で対抗しても敵わないことを実感しています。
AIとコーディングを競うことは、昔のプログラマーがアセンブラでのプログラミングでコンパイラと競っていたのと、よく似ています。初期段階ではある程度競争できていましたが、コンパイラの最適化性能が向上して人間はコンパイラに全く敵わなくなりました。今のAIエージェントも当時のコンパイラと同じです。
昨今は技術の進歩が早く、真面目にキャッチアップしようとしても、どうしてもついて行けません。 私の学習能力では、AIの最新技術や、その他の技術の進歩にもなかなか追いつけないでいます。 そんな状況に焦りを感じ、しばらくの間「急いでキャッチアップしなければならない」と自分で自分を追い込んでいた側面があります。
しかし、SnowStack.EncodingProbe 1.3.0の開発をClaude Code(Opus 5.5)に任せてみて、設計を除いてテストとデバッグを含むほぼ全ての開発作業をOpusだけで完成させたのを見て、「AIがこんなに速く正確に仕事をするのならば、人間の私が急いで仕事をする必要は無いのではないか」と思ってしまったのです。
振り返って合理的に考え直してみると、この記事で説明したように、人間が急ぐ必然性はなく、むしろ人間が急いで頑張るより、「いかにAIエージェントに仕事を任せるか」に知恵を絞った方が、生産性も品質も上がって効率的になります。
非常に極端に言ってしまえば「人間が中心になって働く時代は終わったのだ」と思います。
そういった「気付き」を得てから、学習でも仕事でも「急ぐ」ことが、とても不毛な努力に思えてきました。
人間がAIと速度や正確さで競争しても敵うわけがありません。知識の量でも知能指数でも敵いません。AIは24時間の長時間労働だって可能です。
一方で、AIに仕事を任せるためには、AIと会話ができる必要があり、開発ならプログラミングの知識が無いとAIと会話ができません。 テストをさせると、AIはプログラミングの知識が無いと理解できない内容の長文報告を上げてきます。多数の技術的な確認を求めてきます。(単体テストではありません。AI主導の結合テストです)
今のところ、プログラミングの知識無しで、AIエージェントを使用して自由自在にソフトウェア開発ができるとは、私には思えません。
外部仕様だけ満たせば良いようなアプリ開発なら、非エンジニアでもできると思います。(参考記事「誰でもアプリが作れちゃう! AI自作アプリの光と影」)
クライアント・サーバー型で、ラウンドロビンで負荷分散する複数台のサーバー機を使用し、DBMSも複数使用するようなシステム開発であれば、非エンジニアにできるとは思えません。こういうのはアーキテクチャの設計ができなければ無理でしょう。
SnowStack.EncodingProbe.PowerShell開発の場合は、外部仕様は単純なコマンドですが、文字エンコーディングのバイトパターンの知識が必要で、見た目は地味ですが、非エンジニアに開発できるとは思えません。Claude Codeもガンガン技術的な確認や報告を上げてきます。
UTF-8、UTF-16LE、UTF-16BE、UTF-32LE、UTF-32BEのバイトパターンを考えてみてください。改行コードの識別方法、テキストが全て英数字だった場合の文字エンコーディングの識別方法、マルチバイト文字とシングルバイト文字の解析方法の分岐、一度に読み込めない巨大なテキストファイルの文字エンコーディングの解析方法などを、頭で考えただけでロジックが思いつく人でなければ、仕事を任せたAIエージェントと会話することができません。
「知らないことはAIに聞けば良い」と思うかもしれませんが、人間が全てを理解するのに時間がかかりすぎて、現実的ではないと思います。「バイトとは何か」「バイナリとテキストの違いは何か」「文字集合と符号化方式とは何か」「メモリとストレージの違いは何か」「リトルエンディアンとビッグエンディアンの違いは」「そもそもCPUのレジスタとは何か」これらの知識を非エンジニアさんが随時AIに質問して学びながらAIエージェントに開発を依頼する状況を想像してみてください。コンピュータの五大装置から学習することになると思いますが、たぶん大半の非エンジニアさんは挫折すると思います。
AIエージェントを自由自在に操るには、その仕事の専門知識が必要になる点は、プログラミングに限らず、他の専門知識でも同様だと思います。
そういう意味で私は「ホワイトカラー消滅論」には懐疑的です。一般事務職の雇用が急速に失われているようですが、これはAIエージェントが登場する前から起きており、AIと関係なくDXの進展により、本来必要ではなかった仕事が消えているだけだと思っています。(AIエージェントが登場したのは2025年です)
現在実用的なAIエージェントが実現しているのは、プログラミング分野だけで、他の業務分野のAIエージェントが作られるのは「これから」のことです。現状では他の業務分野の雇用にAIエージェントが影響することは、ありえないはずです。
マクロな雇用不安について
仕事や学習を「急ぐ」理由には「将来仕事が失われるかもしれない」というマクロ経済的不安もあるかもしれません。
マクロな雇用の将来予測については、経済産業省が推計を公表しており、これは以前のブログ記事で紹介しています。雇用の未来が心配な方は以下の記事を読んでみてください。
SNS等でインフルエンサーが主観的予測を立てていますが、IT・経済学・社会科学のいずれの専門性も無い素人の予測に価値はありません。先進国の国家機関が国家予算を使って分析した将来予測の方が信頼性は高いでしょう。
経産省レポートを見る限り、AIによってマクロな失業率が高まる心配は無用なことが分かります。
日本のマクロな社会的問題は、「AIによる失業率の増加」ではなく、「少子高齢化による人手不足の深刻化」の方です。現実の世間を見回しても今の社会問題は人手不足のはずです。(経産省推計では、就業者数が2022年の約6700万人から2040年には約6300万人へと、約400万人も減少します)
インフルエンサー達のマーケティングの弊害
多くのインフルエンサー達は、どうして目の前の人手不足の現実を無視して、空想上の失業増大の不安を煽っているのか理解できません。
今のプログラマーやIT職の人々の課題と役割は、AIやITシステム活用による人手不足の緩和です。
「AIを学ばなければ将来失業する」という不安や焦りも、不要なものと言えるでしょう。
AIの習得は、プログラミングの習得より、はるかに簡単です。誰でもできます。
こういう「不安や焦り」を煽る発信は、ほとんど全てマーケティング目的の「デマ」に等しい発信です。
このような発信により、世間の人々は益々「急ぐ」ことに囚われ、焦って不正確な依頼をAIエージェントに投げて、セキュリティホールを増やし、手戻り作業を何度も繰り返す悪循環に陥るのです。
急ぐ仕事はAIエージェントがやってくれる。経産省推計でも雇用の将来は悪くない。むしろ将来の不安は「人手不足」の方向にある。この状況で、なぜ「急ぐ」必要があるのでしょうか。
一度、みなさんも「急ぐことに価値があるのか」という点で自問自答してみてはいかがでしょうか。
今回、言いたいことはこれだけです。
では、また。