AI時代の雇用市場において、コードを書く能力の価値は急速にゼロに近づいている一方で、「何を作るべきか」を定義する能力の価値は飛躍的に高まっている。ソフトウェアエンジニアリングの現場では、AIエージェントが仕様を完璧に実行する一方で、その仕様そのものが間違っているという静かで高コストな失敗が頻発している。生産コストがゼロに近づく中、新たなボトルネックは「意図の明確化」へと移行しており、これはエンジニアだけでなく全てのナレッジワーカーに共通する課題となっている。翻訳業界がAI導入後も雇用を維持したように、ソフトウェア分野でも総雇用は増加する可能性が高いが、個々の労働者は「高付加価値トークンを駆動できる人材」と「低レバレッジで働く人材」という二つの階級に分断されつつある。この変化は、エンジニアリングの枠を超えて全てのナレッジワークに波及し、仕様を書き、システムを理解し、検証可能な成果物を生み出す能力が新時代の必須スキルとなる。組織は生産性のJカーブの谷底にいるが、エージェント活用に習熟した企業は従業員一人当たりの収益で従来型組織を圧倒する時代がすでに始まっている。
AIエージェントの仕様違反と真の失敗
昨年7月、AIコーディングエージェントがSasterの本番データベース全体を削除し、さらに数千件の偽レコードを捏造してその痕跡を隠蔽するという事件が起きました。これはコードフリーズ期間中の出来事でした。開発者のJason Linenは、エージェントに対して大文字で「変更を加えるな」という明確な指示を与えていたのです。私たちはこうやってプロンプトを書くんだと思いますが、エージェントはそれでも変更を加え、データを破壊し、コードフリーズ中にそれについて嘘をついたのです。
Fortune誌もRegister誌もこれを取り上げました。エージェントが明確な仕様を無視したということで見出しになったのです。しかし人々が注目するこの失敗は、実は間違った焦点の当て方なんです。これは反抗的な機械の物語であり、ターミネーターのような話です。
実際に重要な失敗モードは、もっと静かで、そしてはるかに高コストなものです。それは仕様を完璧に実行するエージェント、つまり要求された通りのものを正確に構築するエージェントによる失敗です。そして要求されたものそのものが間違っているという失敗なのです。
Code Rabbitによる470件のGitHubプルリクエストの分析では、AI生成コードは人間が書いたコードと比較して1.7倍多くのロジック問題を生み出すことがわかりました。構文エラーでもフォーマットの問題でもなく、コード自体が間違ったことを正しく実行しているのです。
GoogleのDORAレポートでは、バグ率が9%上昇していることが追跡されており、これはAI導入率の90%増加と相関しています。同時にコードレビュー時間も91%増加しています。コードはより速く出荷されますが、多くの場合より間違っており、本番環境に入るまで捕捉することが困難なのです。
Amazonが開発者を意図的に遅くさせる理由
AWSはこれに気づき、Cairoという開発環境をリリースしました。その核心的なイノベーションは、より速いコード生成ではありません。実際には、コードが生成される前に開発者にテスト可能な仕様を書くことを強制することなんです。テスト方法を教えることで、どうなるべきかを教えてくれと言っているわけです。
Amazonという、あなたがより速く出荷すれば利益を得る会社が、最も価値あることとして決めたのは、あなたを遅くさせて何が欲しいかを定義させることでした。開発者がテストを書かない場合のエラー率が、それほど深刻だったからです。
これはAI時代においてコードのボトルネックがどこに移動しているかについて、すべてを物語っています。そして暗黙的に、雇用のボトルネックがどこに移動しているかも示しています。
生産コストの崩壊と新しいボトルネック
ソフトウェアを生産する限界費用はゼロに崩壊しつつあります。Claude Codeの90%はClaude Code自身によって書かれており、その数字は非常に近い将来100%になるでしょう。StrongDMの3人は、18ヶ月前なら10人のチームが必要だったものを構築しました。Cursorは従業員一人当たり1600万ドルを生み出しています。部分的には、彼らがAIコード生成を理解したからです。
能力曲線は急峻化しています。横ばいになっていないんです。もしあなたが2024年にAIができたことから推論しているなら、期限切れの地図を使って作業しているようなものです。
しかし、何を構築すべきか知らないこと、仕様を悪く、または曖昧に、あるいは全く書かないことのコストは、生産コストが下がるよりもはるかに速く複利的に増大しています。これは巨大な声明です。なぜなら生産コストは本当に速く下がっているからです。
それでも、人々がこの瞬間を理解するために手を伸ばすあらゆるフレームワークは、間違った質問をする傾向があります。AIが労働者や仕事を置き換えるかどうかを問う傾向があるのです。
しかし生産コストがこのように崩壊しているとき、より有用な質問は実際には、新しいボトルネックは何か、どこで仕事が有用になるのか、です。新しいボトルネックは何か、どこで人間が本当に明確にならなければならないのか。そして答えは何だと思いますか。それは意図です。エンジニアが書くのに苦労する仕様です。
すべてのナレッジワークは、意図を明示する演習になりつつあります。このビデオは、これらのエンジニアリングのメンタルモデルが残りの仕事空間に出ていき、仕事をすることではなくなったとき、私たち全員が自分の価値がどこに移動しているかについて考えなければならないことについてです。
Francois Cholletの翻訳モデルとその限界
仕事とAIを理解する上で、私たちが始める必要がある場所の一つは、Francois Cholletの考え方です。彼はKerasの創設者であり、機械学習における最も鋭い思想家の一人です。
彼はAIと仕事を理解するためのデフォルトフレームワークとなった議論を展開しました。彼は翻訳という職業を指摘しました。AIが2023年以来、核心的なタスクの100%を実行できる職業です。翻訳者は消えませんでした。雇用はほぼ安定して保たれています。この数年で仕事は、自分でやることからAI出力を監督することへとシフトしました。
今、支払い率は下がり、フリーランサーが最初に削減されています。新しい採用凍結が進行中です。だから仕事への影響はあります。それでも、これらすべてにもかかわらず、労働統計局は翻訳の仕事カテゴリーに対して控えめな成長を予測しています。
Cholletの主張は、ソフトウェアも同じパターンをたどるだろうということです。5年後にはより多くのプログラマーが必要になり、減ることはないでしょう。仕事は消えるのではなく変容するのです。
このモデルは考えるのに有用だと思いますが、またしても間違った質問に固執していると思います。生産コストがゼロに向かって崩壊しているとき、ソフトウェアエンジニアがその仕事を維持するかどうかは最も興味深い質問ではありません。なぜなら私たちの多くがエンジニアとして、率直に言えばナレッジワーカーとして、私たちのすべての仕事が生産にあったからです。生産コストをゼロにするなら、私たちは仕事を維持するかという問いは本当に間違った考え方です。
本当の問いは、私たちの仕事は何に変わるのか、です。ですから、仕事の変容についてエンジニアだけでなく全員について問うとき、興味深い質問は、仕事を構築することがもはや難しい部分でなくなったとき、何が希少になり、したがって何が価値あるものになるのか、ということです。
Cholletはそれに対するフレームワークを持っていません。なぜなら翻訳の能力プラトーが市場に翻訳の仕事カテゴリーで安定した答えを見つける時間を与えたからです。AIコーディング、そして延長線上でAIナレッジワークは、今まさに曲線の最も急な部分にあります。
ベンチマークより重要な生産の証拠
私は以前、ベンチマークはかなり簡単にゲーム化できると言ってきました。私だけがそう言っているわけではありません。しかしコーディング能力向上の生産的証拠は非常に明白です。ベンチマークに注意を払う必要すらありません。Cursorの年間経常収益とその成長速度を見てください。Lovableを見てください。エージェントがエージェントのコードをレビューできるようになった能力を見てください。
翻訳には調整する数年がありました。なぜなら技術が本質的に翻訳を解決し、それから何をすべきかを考え出す必要があったからです。ソフトウェアは同じ滑走路を得られないかもしれません。なぜなら変化の深さがはるかに深遠で、ペースがさらに速いからです。
コストがゼロになるとき需要は無限になる
ソフトウェアとナレッジワークにおいて仕事がどのように変わるかを理解するために、異なるモデルが必要です。第一に、コストがゼロになると、需要は無限になります。経済史上、ある領域で生産の限界費用が崩壊するたびに、需要が爆発してきました。
デスクトップパブリッシングはグラフィックデザイナーを排除しませんでした。それは、それ以前のどんな価格帯でも存在し得なかったデザイン作業の宇宙を創造しました。私たち全員の携帯電話のカメラは、カメラが非常に高価で少数の人だけが持っていた時代には存在しなかった写真の宇宙を創造しました。
モバイルは開発者を置き換えませんでした。それは世界が必要とするアプリケーションの数を桁違いに増やしました。ソフトウェアは同じ拡大を経験しようとしていますが、もっと大きなものです。
今、世界のほとんどはカスタムソフトウェアを買う余裕がありません。地域の病院はスプレッドシートで運営されています。小規模な製造業者は在庫を手作業で追跡しています。学区は自分たちの10倍の規模の組織向けに設計されたツールを使用し、中には何も使用していないところもあります。
ソフトウェアの全アドレス可能市場は需要によって制約されていません。需要は機能的に無限だからです。それは生産コストによって制約されています。私たちはソフトウェアエンジニアリングが30年、40年、50年経った後でも、ソフトウェアが不足している状態にあります。
生産コストが崩壊すると、私たちが構築不足であるという制約が永遠に解除されます。現在メール、スプレッドシート、電話で運営されているすべてのビジネスプロセスが今や争奪の対象です。時給200ドルのエンジニアリング料金では自動化する価値がなかったすべてのワークフローが、2ドルのAPIコールで自動化する価値が出てきます。
ソフトウェアの市場は縮小しません。爆発するのです。そしてこれが、ソフトウェアの総雇用がおそらく成長し、縮小しない理由の最良の議論です。Cholletはそれについて正しいです。
ソフトウェアを実現させる人々への需要は、彼らがどのようにそれを実現させるにせよ、従来のコーディングではないかもしれませんが、これまでになく高くなっています。そしてコストの崩壊はそれをさらに高く押し上げるでしょう。
しかし正直に言いたいのは、ジェヴォンズのパラドックスによって雇用が成長すると手を振って言えるからといって、あなたの特定の仕事が安全だという意味ではありません。その違いを理解するには、制約が生産から仕様へと移行するときに何が起こるかを理解する必要があります。
仕様のボトルネック
失敗するソフトウェアプロジェクトの大半は、悪いエンジニアリングのせいで失敗するのではありません。誰も正しいものを構築するよう仕様を書かなかったから失敗するのです。
「ユーザーフレンドリーにする」は仕様ではありません。「犬の散歩のUber」も仕様ではありません。単なる雰囲気のピッチです。
ソフトウェアエンジニアリング全体の規律、アジャイル、スプリント計画などは、曖昧な人間の言語から仕様を強制的に引き出す方法として進化しました。曖昧な人間の意図を、コードを書くのに十分正確な指示に変換するメカニズムが必要なのです。
この曖昧さの問題は常にそこにありました。新しいのは、実装の摩擦が変化していることです。何かを構築するのに6ヶ月と最低でも50万ドルかかったとき、組織は何が欲しいかについて本当に慎重に考えることを強制されました。構築コストが仕様の品質に対するフィルターとして機能していたのです。
AIがやっているように、構築コストを取り除くと、そのフィルターが消えます。仕様を書くインセンティブが組織内で蒸発したのです。そして、本当に悪い仕様を書くコストは、これまで以上に速く複利的に増大します。なぜなら今や、前例のないスピードとスケールで間違ったものを構築できるからです。
バイブコーディングされたアプリは午後と20ドルのAPIコールで作れます。仕様が間違っていたら、6ヶ月節約したわけではありません。午後を無駄にし、おそらく顧客に害を与えるものをローンチしたのです。仕様が最初から正しくなかったからです。
二つの階級のエンジニアの出現
これは私たちがもっと注意を払う必要がある逆転です。なぜならこれは仕事がどこに向かっているかについて多くを教えてくれるからです。ソフトウェアにおける希少なリソースは、コードを書く能力ではありません。コードが何をすべきかを定義する能力です。
面白いことに、それがナレッジワーク全体が曖昧な仕事ファミリーに崩壊し始めている理由の一部です。なぜなら、仕様を書く能力は私たち全員が必要とするものであり、エンジニアだけではないからです。
曖昧なビジネスニーズを取り、それを仕様に変換できる人が、組織における新しい重心です。その人のタイトルが何であるかは関係ありません。消えていくのはコードを書く人ではありません。プルリクエストをレビューする人でもありません。なぜならますますそれはエージェントになるからです。
機械を指示するのに十分な精度を持ち、結果が実際に顧客の問題を解決するかどうかを知る判断力を持つ人です。
今、二つの階級のエンジニアが出現しています。エンジニアリングは氷山の一角です。これはナレッジワークの残りの部分についても真実になるでしょう。今出現しているこの二つの階級は、ソフトウェアにおいて仕事がどこに向かっているかを教えてくれます。
第一の階級のエンジニアは高付加価値トークンを駆動します。彼らは正確に仕様を書きます。システムをアーキテクチャします。単数ではなく複数のエージェントフリートを管理します。意図に対して一貫して出力を評価します。製品全体を頭の中に保持します。何をすべきか、誰にサービスするか、なぜトレードオフが正しいか、なぜ重要かを。
そして彼らがすることは、AIを使って以前は不可能だったスケールで実行することだけです。考えてほしいことの一つは、もし私たちがソフトウェアが不足している状態なら、私たちのすべてのメカニズムは不足しているソフトウェアフットプリントのためのものだということです。
AIがそのスケールを可能にしたために、あなたのエンジニアが頭の中に10倍大きなソフトウェアフットプリントを保持しなければならない世界を想像してください。AIで顧客が望むすべてにイエスと言えますが、あなたのエンジニア、プロダクトマネージャーはそのレベルの抽象化を頭の中に保持する準備ができていますか。
十分によく仕様を書き、効果的にエージェントをオーケストレートできれば、同時に構築・維持できるものの数は、あなたの判断と注意によってのみ制限され、一日の時間によっては制限されません。
これらの人々は並外れた価格決定力を持つことになります。従業員一人当たりの収益データは桁外れです。Cursorの1600万ドルについて触れました。Midjourneyはわずか11人で2億ドルです。Lovableは1億ドルを超え、まもなく2億ドルを超えます。
これらは単なる外れ値ではありません。これはAIネイティブな労働者が極めて高い価値を持つことによって駆動される均衡です。適切なスキルと適切なエージェントインフラストラクチャを持つ一人が、数年前に20人チームが生産したものを生産できるとき、その人は以前チーム全体に分配されていた価値のほとんどを獲得します。
第二の階級のナレッジワーカー、第二の階級のエンジニアは非常に低いレバレッジで働いており、そのレバレッジは低下しています。単一のエージェントワークフロー、コパイロットスタイルのオートコンプリート、AI支援だがAI主導ではない。
これらのエンジニア、これらのナレッジワーカーは、これまでやってきたのと同じ仕事をより速く、より良いツールでやっているだけで、コモディティ化されています。正直に言う必要があります。シグナルはすでにデータにあります。
エントリーレベルの求人は約3分の2減少しています。新卒者は採用の7%で、これは歴史的な低水準です。採用マネージャーの70%がAIがインターンの仕事をできると言っています。
ジュニアのパイプラインは入口で狭まっているのではありません。崩壊しているのです。なぜならジュニアが以前やっていた低レバレッジの仕事が、AIが最初に、そして最もうまく処理する仕事だからです。
ここで本当に明確にしたいのは、私は個人的に見てきましたが、これはジュニアだけの問題ではないということです。これまでのやり方にこだわっている中堅やシニアのエンジニアは、まったく同じ船に乗っているのです。
ソロプレナー論の真実
さて、雇用議論への最も人気のある反応の一つ、ソロプレナー論に目を向ける時です。誰もが事実上ソロ資本家になり、一人会社として途方もない価値を解放できるという考えです。
それは本当に素晴らしく聞こえますが、第一の階級の開発者、ナレッジワーカーについての何かリアルなことを捉えていると思います。第二の階級については捉えていません。
一人の才能ある人が構築できるものの上限は間違いなく天井を突き抜けました。しかし私の賭けでは、これは今日のナレッジワーカーの10から20%だけが活用できる位置にある論だということです。
起業家的本能を持っている必要があります。深い領域専門知識を持っている必要があります。リスクに対する胃袋とAIツールに素早く習熟する能力を持っている必要があります。
それがあなたなら素晴らしいです。世界はあなたの思いのままです。クールなものを構築するこれ以上良いチャンスはありません。しかし残りの80%にとって、未来はより小さなチームとより高い期待と圧縮されたユニットエコノミクスのように見えるでしょう。
彼らにとって自律性の革命ではありません。同じ生産モデルで構築しているあなたにとっても自律性の革命ではありません。代わりに、それは雇用を維持するために何が必要かについてのより多くのプレッシャーです。
では、違いは何でしょうか。トップ10から20%にいて世界が思いのままの人々と、そうでない人々の違いは何でしょうか。人間の判断の単位あたりに生成される経済的アウトプットに帰着すると思います。それが一文で見ている二極化です。
そしてその二つの階級の間のギャップは、エージェント能力が増加するにつれて広がるでしょう。なぜならエージェントは優れた人間の仕様と判断を力で乗算するからです。それは学習可能なスキルです。
ところで、これが石に刻まれているとは思いません。私は現実世界で観察したパーセンテージの分割について話しています。避けられないと信じているものについて話しているのではありません。
人間の仕様と判断を学ぶことができます。それは絶対に達成可能なことです。私はそのための演習を持っています。達成できることです。しかし誤魔化したくありません。あなたがリーダーなら、チームはそれをする必要があります。個人もそれをする必要があります。
労働力の10から20%から30から40%をこのポジションに移行できる会社は、はるかにはるかに競争力が高くなるでしょう。人間の判断をスキルとして、仕様をスキルとして学ぶことの非線形な価値のためです。
ナレッジワーク全体への波及
AI時代において、ソフトウェアエンジニアはここでの炭鉱のカナリアに過ぎません。炭鉱全体ははるかに大きいのです。分析、コンサルティング、プロジェクト管理のようなナレッジワーク。これはすべて、AIがすでにソフトウェアで変容させているのと同じ基盤上で動いています。
コンピュータ上で起こります。デジタルアウトプットを生み出します。大まかにでも記述、形式化、検証できるパターンに従います。
標準的な反論は検証だと知っています。ソフトウェアには非常に明確な組み込み品質シグナルがあります。コードはコンパイルされるかされないか。ナレッジワークははるかに曖昧です。
それは2026年では通用しません。二つの力が収束してこの前提を打ち破っています。第一に、ナレッジワークの膨大な部分は、大きな組織が自分自身を管理する必要があるために存在しています。レポート、スライドデッキ、ステータスアップデート。これは調整の結合組織です。大企業が機能するために必要な神経系です。
組織がスリムになると、これは私が多くのことについて話してきたことの一つですが、AIは組織をスリムにしており、大企業全体でそれを見ています。その調整作業はAIで変容するのではありません。単に削除されるのです。
ブルックスの法則が逆に働くことになります。ブルックスの法則は、多数の人々を調整することがいかに複雑で、それが指数関数的にスケールするかについて語っています。さて、人数を減らしてチームをスリムにすれば、効率的に調整する能力に指数関数的な利益があることがわかります。
その仕事はそれ自体価値があったわけではありません。組織がそれなしでは機能するには大きすぎたから価値があったのです。そして組織は、価値を維持するために多くの生産労働が必要だったから大きかったのです。組織を簡素化してスリムにすれば、その調整作業はすべて削除できます。
ナレッジワークの検証可能性
第二に、残るナレッジワーク、つまり分析、戦略、判断の呼び出しは、より検証可能にできます。金融サービスですでに起こっていることを考えてください。
ポートフォリオ戦略は、デッキと四半期ごとの会話のセットに存在していました。今では、定義された入力、テスト可能な前提、測定可能な出力を持つモデルに存在しています。戦略は事実上仕様になっています。
そして仕様になったら、データに対して検証し、それに対してシナリオを実行し、その金融戦略の実行があなたの意図と一致したかどうかを測定できます。
法律も同じ道をたどっています。契約レビューは構造化されたプレイブックに対するパターンマッチングになりつつあります。コンプライアンスは成文化されたルールに対する継続的な自動監査になりつつあります。マーケティングは測定可能なコンバージョンファネルを持つ実験デザインになりつつあります。
メカニズムは単純です。雰囲気で評価されていたナレッジワークのアウトプットを取り、それをテスト可能な主張または測定可能な仕様のセットとして構造化すれば、突然それはソフトウェアを検証可能にするのと同じ品質シグナルの対象になります。
すべてのナレッジワークが明日まさにこの方法で自動化できると言っているわけではありません。しかし毎年、そのフロンティアはますます速く前進しており、構造化に抵抗する仕事は、最も有能な人々がとにかくやっていた高判断、高コンテキストの仕事である傾向があります。
だからナレッジワークはソフトウェアに収束しています。コンサルタントが全員コーディングを学ぶからではなく、根本的な認知タスクが実際に同じものだからです。曖昧な人間の意図を、人間またはマシンシステムが実行できる十分正確な指示に変換しているのです。
製品機能を指定する人とビジネス戦略を指定する人は、ただ異なる抽象化レベルで同じ仕事をしているだけです。
ナレッジワークを構造化、テスト、検証するツールが良くなるにつれて、その二つの間の区別は非常に非常に速く崩壊するでしょう。そしてそれとともに、非エンジニアリングのナレッジワーカーが持っているかもしれないと仮定する断熱材も崩壊するでしょう。
みなさん、私たちは今エンジニアリングと同じ船に乗っています。違う船ではありません。私たちは全員AIエージェントと仕事をしているのです。
何をすべきか
さて、明らかに、ナレッジワークが収束しているなら、私が言うように、雇用の観点からの実践的な質問は、それについて何をするかです。明らかに、答えはコーディングを学ぶことではありません。それは間違ったアドバイスです。しばらく間違ったアドバイスでした。
エンジニアは50年をかけて、ナレッジワーカーが今ようやく直面している問題を中心とした規律を発展させてきました。そして私は、システムが意図を実行できるほど正確であるための方法について、エンジニアリング規律から学べると思います。
ナレッジワーカーにとっての大きなアンロックの一つは、良いエンジニアが知っている基本を学ぶことです。まず、適切な抽象化レベルを選び、エンジニアが機能を仕様化する方法で自分の仕事を仕様化することを学びましょう。
「オンボーディングフローを改善する」と書くプロダクトマネージャーは、間違った抽象化レベルで作業しており、「もっと良くして」や「このプロンプトに正しく従って」と書く開発者と同じカテゴリーの失敗を生み出しています。
エンジニアは痛みを伴いながら、良い受け入れ基準、完了を定義する具体的でテスト可能な条件を書くことを学びました。推測してください。私たちがエージェントと仕事を始めると、全員がそれをする必要があります。
これはビジネスにおいて最も転用可能なスキルの一つになりつつあります。そして今日から仕様を書く練習を始めるべきです。ところで、これを聞いているリーダーの方、それはあなたにも当てはまります。あなたの戦略は仕様化可能である必要があります。
「これが成功基準です」と言えるべきです。私は自分の時間に非常にひどい戦略ボードデッキをたくさん見てきましたが、これは一般的にそれらを改善すると思います。
第二の主要原則、コンピュートと仕事をすることを学びましょう。コンピュートについて学ぶだけでなく、AIについて学ぶだけでもなく。トークンをうまく使う方法を知る高価値のAIワーカー、高価値のエンジニアは、PythonコードやJavaScript、Rustを知っているから価値があるのではありません。
彼らはAIが何ができて何ができないか、エージェントが完了できるようにタスクをどう構造化するか、エージェントがやったことが正しかったかどうかをどう評価するかを理解しているから価値があるのです。
ナレッジワーカーは同じリテラシーが必要になるでしょう。財務アナリストなら、自分のモデルをAIに通し、どこで失敗するか、どの前提を見逃すか、どのエッジケースを無視するかを学ぶべきです。
契約レビューエージェントを自分の判断に対してテストすべきです。ここでの目標は、あなたの判断との一対一の置き換えに到達することではありません。機械を十分理解して指示し、ガイドし、ガードレールを設け、間違いを犯したときに捕捉することです。
第三の主要原則、あなたのアウトプットを検証可能にしましょう。一部の人々がここで反対方向に走っているのを知っています。チームのAIを意図的にサボタージュしているナレッジワーカーがいます。仕事がないと感じているからです。
それはリーダーシップの失敗です。リーダーシップは人々が傾倒するためのサポートを与える必要があります。なぜなら、あなたの日々の仕事の汚い詳細を検証可能にする方法を見つけられなければ、非常に速く自動化することはできないからです。
エンジニアはテストを書きます。関数は正しい値を返すか返さないかです。ナレッジワーカーは同等のもの、組み込みの検証を持つ構造化されたアウトプットを開発する必要があります。
市場分析にはデータソースが必要です。プロジェクト計画には測定可能なマイルストーンが含まれるべきです。面白いことに、私たちはナレッジワーカーとしてしばらくこれを言おうとしてきました。
OKRsをめぐるすべての目の回転は、あなたのアウトプットをより検証可能にすることの初期のプレビューのようなものです。ただ今、私たちは本当にそれをしなければなりません。
次に、文書ではなくシステムで考えることを学びましょう。仕事の成果物は、エンジニアではないほぼすべての人にとって、ある種の文書でした。今、あなたの仕事が駆動している、より大きなシステムの観点から考える必要があります。
デッキには、四半期ごとにそれを生産する人が必要です。システムには、一度それを指定し、条件が変わったときに維持する人が必要です。システムの観点で考えるナレッジワーカー。入力は何か。ルールは何か。何がアクションをトリガーするか。それが機能しているかどうかをどう知るか。彼らは複利的に増えるものを構築するでしょう。
エンジニアリングの外でも、文書の観点で考えるナレッジワーカーは、AIがものをより速く生成するだけで、同じ古いものです。私たちは、すべてのナレッジワーカーの核心的スキルとして、システムで考えることを教え始める必要があります。
最後に、調整のオーバーヘッドについてあなたの役割を監査しましょう。正直な評価が、あなたの仕事のほとんどがあなたの組織がそれを必要とするほど複雑だから、それを必要とするほど大きいから存在しているというものなら、ステークホルダーを調整しなければならない、部門間で翻訳しなければならない、多くのチームからの情報を統合するレポートを作成しなければならない、あなたはAI時代において本当に露出しています。
それはあなたが仕事が下手だからではありません。あなたの仕事を正当化する組織の複雑さが、AIが不要にするのと同じものだからです。
問うべき質問はこれです。もし私の会社が現在のサイズの半分または4分の1だったら、私の役割は存在するでしょうか。答えがノーなら、あなたが提供する価値はおそらく調整にリンクしており、調整はスリムな組織における最初の犠牲者です。
OpenAIはすでに、ナレッジワーカーが会社のSlackメッセージをクエリする必要がないように、内部システムを非常に透明にしています。ミーティングからコンテキストを探す必要がありません。エージェント駆動検索で内部データシステムにヒットし、50や60の異なるステークホルダーから必要なものを正確に取得して戻ってくることができます。
それが組織が動き始めている方向です。調整するためにミーティングを持つ必要はありません。エージェント検索にヒットして、目の前にデータが見えます。
その状況での動きはパニックすることではなく、直接価値を創造する仕事に移行することです。レジを鳴らす方法を探しましょう。どうすれば顧客向けの収益を生み出す製品を構築できるか。ビジネスの方向性を駆動する、またはビジネスの方向性を駆動するデータを取得するという観点で、自分の仕事について考え始める方法。
これを行う多くの方法があり、必ずしもあなたがプロダクトマネージャーであることを意味しません。ビジネス、どんな複雑なビジネスも、まだ存在しなければならない多くの運営部門を持っています。
財務はまだ存在するでしょう。これらの機能はどこにも行きません。これらの領域で、どうすればより直接的に価値を生み出せるかを探しましょう。
これらのどれもコンピュータサイエンスの学位を必要としません。すべてがエンジニアリングのマインドセットを採用することを必要とします。そして率直に言って、ナレッジワークは何十年もそれに抵抗してきました。
私は何年にもわたって、マーケターやカスタマーサービスの人々と「エンジニアリングは難しすぎる。そんなに正確にはなれない」と言われた会話の数を見失いました。
悪いニュースがあります。私たちは今、全員がそれほど正確である必要があります。全員がテスト可能である必要があります。全員が反証可能である必要があります。全員が、ツールがいつ間違っているかを知るのに十分ツールを理解する必要があります。
生産性のJカーブ
日々の仕事の詳細から一歩下がって、より大きな生産性と雇用の全体像はどのように見えるでしょうか。雇用とAIをめぐるこの対立は、現実世界でどこで展開しているのでしょうか。
私たちは今、Jカーブの谷にいます。製造業に関する国勢調査局の研究では、AI展開は最初に生産性を平均1.3パーセントポイント減少させることがわかりました。私がこれを言うとは思わなかったでしょう。
一部の企業は回復し始める前に60ポイントも下落しています。私が今週初めに共有したMETRの研究は、AIエージェントがすべてのコードを生産するだけでなくすべてのコードをレビューするダークファクトリーのアイデアについて語りました。
同じ研究で、経験豊富な開発者がAIツールを使って19%遅くなっていることがわかりました。彼らは24%速いと信じているにもかかわらず。彼らは単に理解していなかったのです。
これが技術採用のJカーブです。生産性は急上昇する前に下がります。そして私たちは下落の中にいます。
興味深いのは、AIが非常に速く動いており、経済に非常に広く影響を与えているため、これがJカーブであって永続的な劣化ではないことを知っているということです。なぜなら、これを理解して巨大な倍数に到達した企業を文字通り見ることができるからです。
Midjourneyについて仮説を立てる必要はありません。Cursorについて仮説を立てる必要はありません。それらの組織の従業員は本当にそれほど生産的であり、数字でそれを見ることができます。
では、MidjourneyやCursorで働いていない私たち残りの人々にとって、その後何が来るのでしょうか。AI以前にデジタル的に成熟していた製造企業は、最終的に…AIケイパビリティスケーリングのペースを考えると、エージェントがバグ修正から1年足らずで数時間にわたる持続的エンジニアリングに進んでいます。3人チームが10人チームまたは20人チームが昨年出荷したものを出荷しています。
私の賭けは、この全体が18から24ヶ月のようなものに圧縮されるということです。それがこのサイクルの物語でした。ソフトウェアのJカーブ、流暢になる前に直面する採用コスト、経済の残りの部分にとっても、ネイティブでないAI企業にとっても、18から24ヶ月のようなものに圧縮されるでしょう。
そしてアーリーアダプターはすでに底を過ぎているでしょう。仕様駆動開発とエージェントオーケストレーションを理解する企業は、単により効率的になるだけでなく、従来の組織を完全に死んだように見せるスピード、生産性比率で運営できるようになります。
従業員一人当たり10から80倍の収益ギャップが開きます。ここで重要なことの一つは、Jカーブが本当にJの形をしているということです。底を過ぎると、本当に本当に速く加速し始めます。なぜならエージェントの利益があなたのビジネス全体にきれいに掛け算され始めるからです。
歴史的類似点と二極化の現実
では、歴史の広い弧を見ると、どのような歴史的類似が私たちにとって実際に意味をなすのでしょうか。最もよく当てはまる歴史的並行は、ATMの発明と銀行窓口係への影響の話ではありません。
電卓と数学者への影響の話でもありません。実際には90年代の電話交換手の話です。
それらの仕事は一夜にして消えませんでした。しかしそれらの仕事を保持していた人々、当時は主に女性と労働者階級でしたが、10年後にはより低賃金の職業にいるか、労働力から完全に出ているかのどちらかでした。
全体的な雇用は成長しました。新しいカテゴリーの仕事が現れました。しかし十字線上にいた個人にとって、それは冷たい慰めでした。それらの女性にとっては重要ではありませんでした。
私たちは同様の瞬間にいると思いますが、お互いをサポートするためのより多くのツールがあると思います。そして1920年代にやったよりも良い仕事をすることがリーダーシップに求められていると思います。
経済はこれまで以上に多くのソフトウェアを創造するでしょう。コンピュータ上で動くより多くのシステムを創造するでしょう。おそらく今日の2桁または3桁多くなるでしょう。コンピュータは歴史上のどの時点よりも人間社会の中心であり続けるでしょう。
その物語の部分は本当に構造的に楽観的です。なぜならコンピュートはレバレッジを創造し、レバレッジは私たちに豊かさを創造するからです。
しかし経済におけるより多くの仕事とあなたの個人の仕事は非常に異なるものです。二極化はすでにデータにあります。AIネイティブ企業は爆発的に成長し、従来の企業が放棄している経済的パイの断片を拾い上げています。
それが過去数週間のSaaS株式市場の崩壊を見る理由です。高付加価値トークンを駆動できるエンジニアとできないエンジニアの間のギャップは、文字通り2850億ドルです。これはClaudeが法的作業に関する200行のプロンプトをリリースすることで、従来のSaaS株から一掃できた金額です。
私はそれについて全体のビデオを作りました。ここでのポイントは個別の株価下落ではありません。それが回復するかどうか、今は私の問題ではありません。ポイントはナレッジワーカーについて考え、今は高付加価値トークンを押し上げていないナレッジワーカーの70または80%が、そうするためのスキルを得られるように、より意図的な会話をする必要があることを理解することです。
チームの分布についてどう考えることができるか、チームの各人を、エージェントの流暢さでレベルアップできる人、仕様を書く能力と意図を理解する能力でレベルアップできる人として見ることができるか。なぜならそれが重要になる新しいスキルだからです。
そしてそれについて人々を置き去りにしなければならない理由はありません。それは絶対にスキルの問題です。学習可能なスキルです。
この移行は、私たちがそれに備えるかどうか、チームをサポートするかどうかに関係なく起こるでしょう。唯一の変数は、私たちが二極化のどちら側に終わるかということと、企業リーダーとしての私たちが傾倒してその移行においてチームをサポートするかどうかです。
このAI移行を乗り越えるために最善を尽くしている個人としての私たちが、仕事そのものをするのではなく、私たちの仕事において明確な意図と目標と制約を与えるという観点で考え始めるスキルを学べるかどうかです。
そしてその窓はより速く閉じています。なぜならAIエージェント能力の利益は加速し続けているからです。
行動を起こす時
技術は組織と個人が追いつくのを待ちません。私たちは傾倒してお互いを助ける必要があります。もしあなたがチームにいて、私が言っていることを理解しているなら、チームの仲間がこれをよりよく理解するのを助けるのはあなた次第です。
もしあなたがリーダーなら、組織内の全員をサポートするシステムをどう構築するかを考えるのはあなた次第です。そしてもしあなたが行き詰まっているなら、エージェントに仕事を与え、それが仕事をするのを見ることの意味を理解するための少なくとも一歩を踏み出す方法を見つけ出すのはあなた次第です。
Claude in Excelを試してClaudeが何かを作成するのを見るくらい簡単かもしれません。それが始めるための最も簡単な方法かもしれません。私は様々なスケールの他の演習もSubstackに載せています。
しかし大きなポイントは、トンネルの終わりに希望があることを信じる必要があり、あなたが運営している会社、あなたがしている仕事は、あなたがピボットできるものだということです。
より大きな問題に取り組むこととして、価値を創造するためにエージェントがどこに行く必要があるかを指定するものとして考えるなら。それは私たちがすべきことです。エージェント能力はそこにあるでしょう。私たちが持っているこのすべてのコンピュート能力で途方もない価値を創造できるように、私たちが望むものを十分に指定するのは私たち次第です。
私たちはより良い戦略が必要です。より大きく考える必要があります。海を沸騰させることについて考えることは実際に合理的です。私たちは常に企業として、リーダーとして、プロダクトマネージャーとして、戦略で海を沸騰させないように言われてきました。
でも、ソフトウェアの生産コストがゼロに下がっているなら、なぜ大きく考えないのでしょうか。なぜ勇気を持って考えないのでしょうか。なぜより多くの価値を生み出すことについて考えないのでしょうか。
それは実際に、私が話している方法で多くの変革的変化を触媒できる大胆な目標だと思います。チームがよりスリムに働くことを触媒できます。個人がどのように伸び、成長し、エージェントが自分のために働くことを定義できるかを考え始めることを触媒し、より多くのことができ、直接的な価値の生産により傾倒できるようにします。
それが私たちが行く必要がある場所です。それが仕事の未来がコードや仕事の生産についてではない理由です。それはエージェントがどこに行くかを指定する良い判断についてです。幸運を祈ります。
コメント