これは重要な問いを投げかける。ジュニア職が枯渇すれば、金融サービス全体で新たなプロジェクトや導入施策を率いるシニア開発者へとやがて成長するソフトウェアエンジニアの供給経路はどうなるのか。
デービッド・ソロモンCEOが人員数の抑制について語り、アルジェンティ自身もAIによる人員削減がITエンジニアリング以外の部門にも広がると見込むなか、業界自体はまだ安心材料や答えを示せていない。
いずれにせよ、変化は起きており、すでに大きく進行している。では、金融サービス業界以外の人々を含むリーダーやプロフェッショナルは、ここから何を学べるのか。
重要な教訓と示唆
ここで最も明確な教訓は、狭い範囲から始め、価値提案が実証された時点で拡大することで進展を実現できるという点である。ゴールドマンは、成果を容易に測定でき、成功か失敗かがすぐに明らかになる既知の問題から着手した。取り組みやすい課題（ローハンギング・フルーツ）から始めることで信頼を築き、より大きな目標に向けた支持と予算を獲得できる。
同行はまた、利用率や導入率のような補助的指標ではなく、成果を測るほうが効果的であることもすぐに学んだ。これにより、個別タスクのスピード向上や人間の労働者の効率性だけでなく、AIの全体的な価値提案を理解できるようになった。
ただし、すべてが順調というわけではない。Cognitionによる顧客成果のレビューでは、Devinはコード理解に関してはシニア開発者レベルで機能する一方、実行面でははるかにジュニア寄りであり、特に目標が曖昧だったり具体性に欠けたりする場合にその傾向が強いことがわかった。これは、エージェント型AIと協働する際に、範囲が明確で構造化されたプロンプトや指示が重要であることを裏付けている。
最後に、エージェント型AIが人間の労働力に与える影響については依然として大きな不確実性がある、という懸念すべき事実がある。組織は拡張や自動化アシスタントについて語りたがるが、ジュニア人材の供給経路が縮小している現実は無視できない。
これは決して銀行業界に限った話ではない。エージェント型AIを大規模に導入する者は誰であれ、遅かれ早かれこの課題に直面する可能性が高い。いま対処を怠れば、新興人材や人間のスキルが組織から失われ、将来の失敗リスクを高めることになりかねない。
