Andrej Karpathyが「プログラマーとしてこれほど遅れを感じたことはない」と発言したことを起点に、AI時代における技術的レバレッジの根本的な変化を解説する。従来のエンジニアリングは「正確な指示を書くこと」が中心だったが、現在は「確率的な機械をオーケストレートすること」へとシフトしている。この変化はエンジニアだけでなく、あらゆる知識労働者に影響を及ぼす。本動画では、決定論的システムから確率的システムへの移行に伴う4つのレベルからなる新しいスキルツリーを提示し、意図の明確化、コンテキスト設計、検証メカニズム、ワークフロー構築、評価ハーネスといった具体的な能力要素を詳述する。技術者と非技術者という旧来の区分は意味を失い、「確率的コンポーネントをオーケストレートしながら人間の権限を保持できる能力」が新たな競争力の源泉となる時代が到来したことを明らかにする。
AI時代における技術的レバレッジの根本的変化
Andrej Karpathyがプログラマーとしてこれほど遅れを感じたことはないと発言したことは、私たち全員にとって重要な意味を持ちます。私たちが今持っている知識に満足し、さらに学ぼうとすることに引け目を感じる必要はありません。私たちは皆、同じ船に乗っているのです。
この1年間で起きたのは、技術的レバレッジにおける相転移でした。そしてそれこそが、Andreがクリスマスから年末にかけての休暇期間中に多くの時間を費やして語っていたことです。今日のエグゼクティブ・ブリーフィングで私が話したいのも、まさにそのテーマです。
根本的に変化したのは、技術的であることの意味そのものです。そして今、開放されつつある新しい技術スキルツリーは、もはやエンジニアだけのものではありません。リーダーとして考えるべきは、組織内の誰が確率的な機械、つまり大規模言語モデルに対して、どのように有用な仕事を生成できるかを指示する権限を必要としているかということです。
今日は、Andreの考察を真剣に受け止め、それを振り返りながら、何が変化しているのか、なぜこれらの新しいスキルが難しく感じられるのか、そして組織のリーダーとして、エンジニアだけでなくビジネス全体にとって有用だと思えるスキルレベルとツリーをどのように構築し始められるかについて、役立つスキルツリーを提示したいと思います。
変化の本質を理解する
まず、多くの人が避けて通ろうとする明白なことを言いましょう。これは難しいのです。Andreが遅れを感じているのは、私たち全員ができるだけ速く働いている最中に、仕事そのものが本当にリファクタリングされているからです。
ツールは毎週変化しています。能力は跳躍し続けています。メンタルモデルは急速に陳腐化します。Andreが観察していたことの一つで、私が本当に正しいと思うのは、もしあなたがこの1ヶ月間、技術的な観点からClaude Opus 4.5を使っていなければ、あなたの世界モデルはすでに時代遅れだということです。それはたった4週間前のことなのです。
そして感情的な混乱は、単に新しいツールがあるということではありません。私たちが能力の感覚、スキルがあることの意味、ツールや技術に対する支配力を持つことの意味を定めていた古い方法そのものが変わらなければならないのです。なぜなら、それは現実と合わなくなってしまったからです。
従来のエンジニアリングとレバレッジ
現代のエンジニアリングの歴史のほとんどにおいて、レバレッジは他の人よりも速くより正確な指示を書くことから生まれました。確かにそうですが、本当は重要な問題に対してより正確な指示を書くことからです。
エンジニアリングの分野で本当にレバレッジを得たいなら、重要な問題を選び、正確な指示、つまりワークフローやプログラムを書き、それを非常に簡素化された形で広範囲にレバレッジすることができました。これがBill GatesとWindowsの物語です。
抽象化を内面化し、ツールをマスターし、決定論的システムを形作れば、いつの間にかWindows 95ができているのです。ロジックを書けば、マシンはWindowsが配布するすべてのCDコピーで、まったく同じ方法でそのロジックを実行します。
何かが壊れたとき、システムは検査できます。バグパッチを出荷できます。因果関係を追跡できます。動作を端から端までステップスルーして、何が間違っているかを見つけることができます。
その古い世界では、オーサーシップと権限は非常に密接に結びついていました。プログラムを書いた人がそれを修正する権限と、それを修正する知識の両方を持っていたのです。動作を書いたのだから、その動作を所有していました。
支配の前提は、ソフトウェアエンジニアとしての私たちの儀式そのものに組み込まれています。コードを知っているエンジニア、コードを書いたエンジニア、そのエンジニアがコードに触れたからコードベースのすべての秘密を知っているエンジニアという考え方です。
これが、過去数十年の従来の知恵が「創業エンジニアにどれほどイライラしても、彼らはコードを知っているから手元に置いておけ」というものだった理由です。この前提のシステム全体が変化しつつあります。そのレジームは終わりを迎えています。
レバレッジの単位の変化
レバレッジの単位は、コードを書くことから知能をオーケストレートすることへとシフトしています。そしてこれは単なる流行語ではありません。ここでの知能は、魔法のようなAGIの雰囲気を意味するものではありません。それはスタックに入ってきた非常に具体的な種類のコンポーネントを意味し、それはまったく新しいものです。
それは確率的なコンポーネントです。確率的で、誤りやすく、変化します。形容詞は選べますが、アイデアは見えるでしょう。モデルは決定論的な関数ではありません。LLMは確率的なトークン生成器です。入力に条件づけられたもっともらしいシーケンスを生成し、その内部推論はコードを検査するような方法で完全に検査できるものではありません。
シングルステップで進めることはできません。ラバーダックデバッグもできません。エンジニアなら、確実に再現することもできません。クリーンな抽象化として扱うこともできません。それは本当に異質なコンポーネントであり、伝統的なソフトウェアエンジニアにとって本当に奇妙な人間工学を持っています。
だからこそ、この瞬間が地震のように感じられるのです。私たちはより良いPythonライブラリを手に入れたのではありません。ループの中に新しい種類のマシンを手に入れたのです。
エンジニアが直面する前提の崩壊
そしてそれを受け入れれば、人々が感じていること、特に最高のエンジニアが感じていることのほぼすべてを説明できます。なぜなら、エンジニアが訓練されてきた前提が、いくつかの特定の方法で壊れているからです。
リーダーとして、なぜこれがあなたにとって重要なのか疑問に思っているなら、お知らせがあります。あなたの技術チーム全体がこれと格闘しているのです。そして今や、これは技術チームの問題だけではありません。影響範囲を拡大して、このビデオで話すスキルツリーが技術職だけでなく、すべての職種にどのように関係するかを理解する必要があります。
しかしまず、何が壊れたのかを理解して、その上に正しく再構築できるようにしましょう。
最初に壊れたのは、支配がもはやデフォルトではなくなったということです。古い世界では、動作を書いたとき、それはあなたのものでした。新しい世界では、あなたは動作を条件づけるのです。具体的に書くのではありません。
プロンプト、コンテキストウィンドウ、メモリ構造、ツールアクセスを通じて結果を形作ることができます。そしてモデルは確率的に応答します。同じ入力でも、やや異なる出力が得られる可能性があります。同じワークフローでも、基盤となるモデルが変わるとドリフトする可能性があります。実際、その可能性は高いのです。
マスターとは、「毎回まったく同じ方法で正確に望むことをさせられる」というよりも、「確実にX結果に向けて舵取りできる。それが外れたときを検出でき、非常に迅速に修正できる」ということになります。メンタルシフトは、オーサーシップから舵取りへです。
努力と成果の関係の変化
2つ目に壊れたのは、努力がもはや明確に成果にマッピングされなくなったことです。決定論的な世界では、より優れているということは、率直に言って自分の時間でより多くのことができるということでした。タイピングが速く、デバッグが速く、記憶力が良く、アーキテクチャが優れている。正しい問題に取り組んでいる限り、より多くのレバレッジを得られました。
確率的な世界では、そのボトルネックが移動します。時には、委任ループの設定方法を知っている一人の人が10倍のジャンプを得る一方で、別の人は同じくらい賢いのに手動で苦労して、より少ない成果しか得られないということがあります。そしてそれが、Andreが最近スキルの問題と呼んでいるものです。
そのスキルは新しいのです。直感的ではありません。階層的です。実行のスキルではなく、委任のスキルを開発する必要があるのです。それを学べないと、新しいAI経済では努力がレバレッジに変換されないことを意味します。
抽象化スタックの逆転
3つ目に壊れたのは、抽象化スタックが逆転したことです。歴史的に、高レベルの推論は非常にきれいにコードへと下方に崩壊しました。意図があり、それが実装に崩壊するのです。これがプロダクトマネジメントと要件という考え方全体の由来です。
しかし今、低レベルの実装は意図から上方に拡大することが多くなっています。意図があり、生成された成果物に直接ジャンプし、その後出力を検証するという場所に行き着きます。
言い換えれば、仕事は何かを構築することから、建設クルーを監督することへとシフトします。定義された目標があります。作業空間の制約を定義しました。システムが合格する必要がある評価があります。そして修正方法論があります。
今、仕事は「指示を書く」から「そのシステムを設計できるか」へと移行します。システムが正しい動作に到達するまで自己進化するようなシステムです。
その世界では、意図は「私は特定のタスクを実行できる特定のプログラムを作りたい。これが私の評価です。これが私の制約です。私の評価に合格するまで、おそらくコードベースやプルリクエストといった成果物を生成させます。そして検証された出力を得て、実際に何かができる」へとシフトします。
これは抽象化についての考え方を変える全く新しいやり方です。
エンジニアリングの境界の変化
4つ目は、エンジニアリングの古い境界がもはや意味をなさなくなったことです。最も重要な分割線は、エンジニアと非エンジニアの間にありました。今では、委任できる人とできない人の間にあります。
生成を委任しながら権限を保持するという概念は、AI時代に必要な新しいスキルの核心です。そしてそれはエンジニアリングに限定されません。
AIで私たちがやっていることを考えると、私たちは依然として責任者でなければなりません。依然として権限を保持しなければなりません。しかし、レバレッジを得るためには委任しなければならないのです。
エンジニアがコードを書いたとき、権限は無料でついてきました。なぜなら、私がコードを書けば、システムの動作を正当化できるからです。この行を指し示して、根本原因を説明できます。
しかし確率的な世界では、マシンが動作を生成し、あなたはその自然な管理の連鎖を失います。マシンが何をしているかについて、自動的に権限を持つわけではありません。なぜそうなったかを完全に理解せずに正しいものを出荷することが可能です。そして正しく見える間違ったものを出荷することもできます。
新しい技術スキルツリーの中核
だから技術の中心は変化しつつあります。生成活動の膨大な量を委任できるが、実際に出荷されるものに対する人間の権限を確保できるワークフローをどのように設計するかです。
それが新しい技術スキルツリーです。しかし、それは技術者だけのものではないことがわかります。私はもう技術者という存在を信じていません。それはすべての人のためのものです。なぜなら、すべての職業が「人間の権限を保ちながら確率的コンポーネントをオーケストレートする」というバージョンの何かになりつつあるからです。それが知識労働の定義なのです。
プログラミングは単にこれに最初に遭遇しただけです。では、少し時間をとって、この新しいスキルツリーとは何を意味するのか、そしてなぜリーダーがそれに注意を払うことが重要だと私が考えるのかを実際に説明しましょう。
スキルツリーの階層構造
私はこのスキルツリーをノードの階層として説明します。すべてのノードは、あなたが実証できる能力です。すべてのノードには、スキップした場合の失敗モードがあります。そしてツリー全体は、確率的モデルが意思決定をトークン生成の行為から分離することを要求するという核心的なアイデアの周りに構築されています。
それが私たちが始めるルートノードです。生成と意思決定を分離しなければならないことを理解していなければ、他のすべてが本当に混沌としたものになります。なぜなら、確率的モデルは生成において信じられないほど優れているからです。
ドラフト、オプション、コード、要約、変換、仮説、構造化された出力を生成できます。信頼性が欲しいなら、許されないのは最終的な権限者になることです。ワークフローが決定しなければなりません。システムが決定しなければなりません。または人間が決定しなければなりません。しかしモデルは、何が真実で、何が安全で、何が計画されているかを決定すべきではありません。
人々が頭を悩ませるかもしれないので、もう一度言います。ワークフローまたはシステムが決定しなければならないと言うとき、人間が保持する正しさの定義に対して測定された、非常に信頼性が高く非常に正確な出力を生み出すように、ワークフロー内にモデルを設計できるという意味です。そして人間がエッジケースを扱えます。
モデルが決定すべきではないと言うとき、そのワークフローハーネスなしのLLM単体では、何が正しいかを確実に決定できないという意味です。何が安全かを確実に決定できません。何が承認されているか、何を出荷すべきかを確実に決定できません。
職場でLLMで火傷を負うとき、それはほぼ常に、誇大広告に騙されたからだと思いますが、トークン生成器を審判として残してしまったからです。
レベル1:コンディショニング(条件づけ)
ここで話しているツリー全体は、本当に1つのことをするために必要なスキルのセットです。ワークフローを通じて人間の権限を保持しながら、モデルに迅速に生成させるということです。
それを追っていけば、階層は実際にかなり直感的だと思います。レベル1は本当にコンディショニングについてです。そして繰り返しますが、リーダーとして心に留めておいてください、これはエンジニアだけでなく、知識労働に関係するあなたの会社のすべての役割について考え始められる方法です。
コンディショニング、確率的コンポーネントの舵取りです。最初のノードは意図の明確化かもしれません。決定論的システムでは、曖昧な要件は依然として問題を引き起こしますが、システムはあなたが何を意味したかを幻覚させることはありません。
今日のような確率的システムでは、曖昧さは火に油を注ぐようなものです。モデルは喜んでもっともらしいナンセンスでギャップを埋めます。だから、非常に厳密な問題契約が必要であり、知識労働ではそれに慣れていませんでした。
非常に厳密な目的、厳密なオーディエンス、厳密な制約、定義などが必要です。これは単なる管理上のオーバーヘッドではありません。新しい世界では、分散を減らし出力の信頼性を高めるために入力を舵取りすることなのです。
ノード2はコンテキストエンジニアリングです。モデルの失敗の大部分は、単純にコンテキストの失敗です。間違った素材、不足している素材、素材が多すぎる、素材の順序が悪い、指示の矛盾、履歴の切り捨て。
コンテキストエンジニアリングとは、コンテキストウィンドウに何が入るか、何が入らないか、何が要約されるか、何が引用されるか、何が逐語的に保存されなければならないか、何が信頼されていないかを確実に決定できることを意味します。
これはAIスタックの新しいIOとデータベースです。そして、このレベルのノード3は制約設計です。制約は、トークン生成器を信頼できるコンポーネントに変える方法です。
定義された出力フォーマット、定義されたスキーマ、定義されたルーブリックがあります。必須の引用があります。許可されたツールがあります。トークンバジェット、停止条件があります。
制約のない確率的システムはスロットマシンです。制約のある確率的システムは、仕事ができる信頼できるマシンになります。
これらが、舵取り、コンディショニングに関するスキルツリーのレベル1に入れる最初の3つのピースです。意図で舵取りできますか。コンテキストエンジニアリングで舵取りできますか。良い制約で舵取りできますか。
レベル2:AI時代における権限
それができたら、レベル2は完全なオーサーシップなしに所有権を保つことについてです。私がAI時代における権限と呼ぶものです。これは難しいレイヤーです。「AIを使った」と「AIシステムを責任を持って運用する方法を知っている」の違いです。
ここで学ぶべき最初のことは検証設計です。真実はどのようにループに入るのか。それが正しいことをどうやって知るのか。なぜなら、モデルは多くのもっともらしい虚偽を生成でき、本当に明示的な検証メカニズムが必要だからです。
一部の検証は決定論的であり得ます。スキーマで有効かどうか。ユニットテストに合格しているかどうか。一部の検証は非常に手続き的です。人間がレビューでき、二次批評を提供でき、敵対的プロンプティングができるなどです。
重要なのは、検証はオプションではないということです。それは、エンジニアが開発する著作されたロジックから得られた古い保証に取って代わるメカニズムです。
だから、このレベルで学ぶ必要があるのは、システムのパフォーマンスと正しさの間の厳密な整合性を確保する検証をどのように設計できるかということです。
次に、出所と管理の連鎖がここで要因になります。過去には管理の連鎖は暗黙的でした。ワークフローを見れば、誰が書いたかわかります。だから管理の連鎖があります。
しかし、権限が出所を必要とするなら、AI時代にそれをどのように得るのか。出力が主張をするなら、それらの主張がどこから来たのかを示すことができるシステムを設計する必要があります。ソース、引用、引用文、取得されたドキュメント。それはすべて、今日良い確率的システムを設計することの一部です。
決定論的な世界では、テストを伴うコードからそれを直接得ることができました。確率的な世界では、それは証拠についてです。第一級オブジェクトとしてトレーサビリティを著作するシステムを確立することです。初日から監査されるように設計します。
そして次のピースは権限です。モデルはあなたのセキュリティ境界になることはできません。それは災害です。システムが顧客にメールを送る、お金を動かす、権限を変更する、コードをマージすることが許可されている場合、システムの他の部分で権限を扱うのと同じように扱わなければなりません。
権限付与は決定論的であるべきです。最小権限ベースであるべきです。そして、許可リスト、スコープツール、承認ステップ、監査証跡など、いつもの手段をすべて通過すべきです。
そしてここで、実際に有用な方法でエージェントをインスタンス化できます。これら3つを見ると、私があなたに理解してもらおうとしているのは、確率的マシンの時代における権限の要素です。
仕事を検証できなければなりません。有用な仕事を持つために、出所と管理の連鎖を示すことができなければなりません。そして、送り出すエージェントが過剰に権限付与されていないことを証明できるように、権限エンベロープが必要です。
そしてそれは2026年にますますセキュリティの問題になるでしょう。
レベル3:ワークフロー
権限について学び、コンディショニングと意図の舵取りについて学んだとしましょう。スキルツリーの次は何でしょうか。レベル3は本当にワークフローについてです。
知能を原材料として取り、それをスケールアウトされた工場に変えるにはどうすればよいでしょうか。ここで複利的なレバレッジが発揮されます。
ここでの1つのピースは、パイプラインステップへの分解方法を学ぶことです。ここでモデルをチャットボットのように扱うのをやめ、パイプラインの一部として扱い始めます。中間成果物を構築します。
チェックポイントを作成します。生成器を最終決定から遠ざけます。失敗をグローバルではなくローカルにします。そして、あなただけでなく他の誰かが実行できるワークフローにします。
それは失敗モード分類学と連動します。決定論的システムでは、デバッグはロジックをトレースすることです。コードを通してトレースできます。確率的システムでは、デバッグは本当に失敗モードを分類し、それに対処する有用な方法を見つけることです。
コンテキストが欠けていたのか。それについて何をすべきか。検索が間違っていたのか。コンテキストウィンドウをどのように調整するか。ツールが失敗したのか。ツールを正しく宣言したか。制約が矛盾したか。幻覚したか。タスクが不十分に指定されていたか。単に実行を拒否したか。予算を超過したか。
基本的に完全なエラーの分類学が必要です。そうすれば、毎回プロンプトをいじくり回せると仮定するのをやめ、失敗が発生した正しいレイヤーを特定し、適切に修正し始めることができます。
そして、ここでの次のピース、すべてまだワークフロー内ですが、可観測性をどのように扱うかです。システムをどのように判読可能にするか。モデルの内部推論を完全に検査することはできません。
だから、周囲のシステムを非常に可観測にすることで補償しなければなりません。ツール呼び出しのトレース、使用された入力、取得されたドキュメント、中間出力、合格または不合格の検証、タイミング、コスト。
これが、ワークフロー全体を通してシステムを判読可能に保つ方法です。ある意味で、レベル2で学んだ監査可能性のスキルを取り、ワークフローレイヤーにスケールしているのです。
ワークフローレイヤーの3つのピースを合わせると、レバレッジを拡張する余地が得られます。あなただけが物事をやっているのではありません。今や自動化システムを構築しているのです。ステップに分解できます。失敗モードを診断できます。複雑なシステムで可観測性を理解できます。LLMをスケールし始めることができます。
レベル4:複利化
最終レベルは複利化です。ここでレバレッジが、一度設定して進むだけのものではなく、より永続的なものになります。
評価ハーネスはここで非常に重要です。評価なしでは、複利化は困難です。単により速く即興で対応することになります。評価は小さくてもかまいません。例の黄金セットであり得ます。出力の回帰テストであり得ます。スコアカードや閾値であり得ます。
しかし、プロンプト、モデル、検索方法、ツールをロシアンルーレットをせずに変更できるように、ハーネスが必要です。
また、システムが自己修正できるように、より良いフィードバックループも必要です。最高のレバレッジは、ドラフト、批評、修正、再チェック、出荷というループでエージェントが効果的に動作することから生まれます。
または、答えを取得し、引用し、検証し、完成させることができます。ループは、最終出荷前にシステム内でエラーが捕捉されるため、生成器のリスクを低くします。
そしてこのスキルをより移転可能にもします。天才的なプロンプターである必要はありません。本当に本当に良い評価ループを構築できればよいのです。
本当にこれをスケールしたいなら、心に留めておくべき最後のことは、ドリフト管理とガバナンスのスキルを学ぶことです。モデルは変化し、データは変化し、チームは変化し、攻撃者は適応します。ガバナンスはバージョン管理などを意味します。
監査可能性ポリシーなど。技術者ではないため、そのような考え方に慣れていなくても、行う作業を本番インフラストラクチャのように扱い始める必要があります。
これが権限の最終レイヤーです。システムの制御を失うことなく、継続的な変化の条件下で動作できる能力です。
これで複利化のピースです。これらが4つのレベルです。私は大まかなハイレベルのスキルツリーをスケッチしているだけです。それを埋めて、新しいAI時代の特定の職種に適した詳細なカリキュラム、詳細なルーブリックを実際に得るには、やるべき仕事がたくさんあります。
新時代のスキルの性質
しかし、ここでの私の目標は、Andreのような考察を受け取って「ええ、その通りです。学ぶべき全く新しいスキルセットがあります」と言い、エンジニアリングの観点だけでなく戦略的に考え始める方法を共有することでした。
これは本当にAIツールを学ぶことについてではありません。ビジネス全体にわたってコンピューティングサービスとして確率的システムを運用する方法を学ぶことです。それはすべての人に適用されます。
契約レビューワークフローを構築する弁護士も、デバッグエージェントを構築するエンジニアも、今日は同じスキルツリーを登っています。成果物は異なるかもしれませんが、スキルの階層は同じです。
Factorioの比喩
そしてここで、非常に有名なコンピューターゲームが完璧な比喩になります。Factorioは、まさにこの種のスキルツリーを登ることについてのゲームです。聞いたことがなければ、すぐに説明します。それは単なるビデオゲームで、新しい惑星に着陸し、自動化された工場を建設することがあなたの仕事です。
本当に基本的なアイテムを手作りすることから始めますが、システムはすぐにあなたを自動化へと押し進めます。
マイニングを改善し始めます。コンベアベルトを設置し始めます。より多くの出力をより多くの工場にルーティングし始め、最終的にはサプライチェーンのますます多くを自動化し始めます。
これは、実際にスケールする本能を教えてくれるので、この時代の素晴らしいトレーニングの比喩です。問題の分解はスケールし、モジュール性はスケールし、可観測性はスケールします。
システムのどこにボトルネックがあるかを理解すること、それはスケールします。影響範囲の推定、それはスケールします。
仕事に意味を見出すために、手作業のオーサーシップの質に執着する必要はありません。あなたが個人的にマシンに入る歯車を作ったかどうかは誰も気にしません。重要なのは、システムが有用な仕事をする歯車を大規模に生産することです。
能力の再定義
私たちは数十年にわたって能力をオーサーシップと同一視してきました。特にエンジニアリングの世界では、これが得意なスーパーエンジニアを称賛しました。しかし、世界は今や別のものに報いようとしています。
それは、LLMトークン生成器がシステムの中心で確率的で、部分的に不透明であっても、信頼できる結果を生み出すワークフローを設計する、エンジニアだけでなく誰もの能力です。
それは能力が低いのではありません。単に異なる能力なのです。そしてそれは本当に難しいです。なぜなら、支配の快適さをシステムの規律に置き換えることを強いられるからです。
遅れを感じているなら、それはあなたが失敗しているからではありません。スタックが違うことを正しく認識しているということです。
前進の道
今、前進の道は必死のツール追跡ではありません。明らかに否定でもありません。私たちが異なるスキルツリーを持っていることを理解することを選択することです。知識労働の世界の私たち全員が一緒にそのツリーを登っていて、意図的に登るときにより良い仕事ができるということです。
生成と意思決定を意図的に分離するとき。成果物と制約でシステムの動作を意図的に条件づけることを学ぶとき。システムで権限を保持することを学ぶとき。プロンプトだけでなくワークフローを構築することを学ぶとき。評価、良いフィードバックループなどでシステムを実際に複利化できるとき。
新しい階層は、誰が最も速くコードを書けるかに基づくものではありません。権限を失うことなく不確実性をオーケストレートできる人に基づくものになります。そしてそれが、技術的ということが今意味することだと思います。それはすべての人のためのものです。
そして、はい、発明されている最中に新しい種類のマシンを操作することを学んでいるので、絶対に難しいです。しかし、これを課題として認識する組織にとって、これらは私たち全員がAI時代により速く前進するために成長させる必要がある人間のスキルの種類です。
組織への示唆
これが私たちの前にある機会です。この理解を適切に受け取り、特定のコンテキストに詳細化し、労働力全体にスケールする方法を理解する組織。それらは10倍のスピードアップを実現する組織です。
技術対非技術の古い階層に固執し、私には仕事の帽子があってそれはプロダクトマネージャーだけで、プロダクトマネジメントのことだけをするという組織。それらはうまくいかない組織です。
だから選択はあなた次第です。しかし、これは技術対非技術の時代の終わりであり、新しい時代のためのスキルツリーを開始する必要があると思います。幸運を祈ります。
コメント