CTOとして駆け出しの頃、私は定期的にオフィスで丸1日などの時間を確保し、一気にコードを書き上げては、エンジニアに渡して検証、統合、本番用リポジトリへのコミット（そしてその後の保守）を任せていた。当時、私がコードを書き上げると言えば、1行ずつ手でタイプする作業だった。いまやAIによって、誰もがコーダーになった。従来の意味ではないが、自然言語でAIに指示し、好きな言語でコードを生成させられるという意味においてである。当初の生成コードは明らかに出来が悪かったが、いまでは品質が劇的に向上した。Anthropicをはじめ複数の業界幹部が、将来、自社のコードの相当部分がAI生成になると見込んでいると表明している。では、これはビジネスにとって何を意味するのか。
示唆1：それでもエンジニアは必要か
必要だと私は考える。コードを書くことは、エンジニアが訓練を受ける内容の大きな部分を占めるが、本番コードは、生成に費やした1時間あたり、何時間もの保守を要する。だからといって、すべての保守が人手というわけではない。AIエージェントが本番コードの保守のかなりの部分を担うようになるだろう。ただし、人間がこれらのエージェントを監督することになる。実際、Humans On The Loopという用語は、業界が向かう方向性を表している。人間が監督者となり、日々の介入はエージェントが担う、という姿だ。
示唆2：SaaSや他のソフトウェアベンダーは必要か
AIがSaaSの提供モデルを絶滅へ追い込むかもしれない、という議論は盛んだ。論理は明快である。もし自社内で、AIエージェントのチームと人間の監督により、サービスアプリケーションを自ら開発し、立ち上げ、運用・保守できるなら、なぜSaaSベンダーに料金を支払う必要があるのか。最近では、AnthropicがClaudeがCOBOL（多くのレガシーシステムで用いられてきた古典的なコンピュータ言語）からのコード移植を可能にしたと発表し、投資家が、そうしたレガシーシステムを真に理解する数少ない企業としてのIBMの長年の強みが不要になるのではないかと懸念した結果、IBM株の下落につながった。この点は、結局のところ時間が教えてくれるだろう。ソフトウェアベンダーは、ソフトウェア以外にも多くの目に見えない価値を提供している。例えば、時間と実戦で鍛えられた機能へのアクセスであり、あなたのワークロードだけでなく、顧客全体のワークロードから蓄積された知見を学んできた、見えない専門家チームによって支えられている。これがどれほどの価値を持つのか、そしてそれが各顧客が個別に獲得できるものなのか、あるいは特定の顧客層だけが得られるものなのかも、結局は時間が教えてくれる。
示唆3：生産性とコストの測定
最近の記事によると、アクセンチュアは従業員のAI活用度を昇進の基準として追跡しているという。それ以上に、あらゆる階層のリーダーが、人間の生産性とAIを活用した人間の生産性をどう比較すべきか頭を悩ませている。「AIを使うべきだ」とか「人間とAIが協働すれば、どちらか単独よりも生産性が高い」と言うのは簡単だ。私は、AIによって得られる効果の度合いを示す「AIフォース・マルチプライヤー」について書いてきた。いまや私たちは、単にAIの使い方を知るだけでなく、他者よりもうまく使いこなす必要がある段階に来ている。しかし、その閾値は実際どこにあるのか。AIを活用する人間は、その給与と「トークンコスト」（AI利用料）に見合う成果を出すために、どれほど生産的でなければならないのか。現在、多くの企業が採用を凍結し、新しいポジションがAIでは代替できないことをチームに証明させている。投資対効果（ROI）を評価するための、より定量的で測定可能な、理想的には業界標準となる手法が必要とされている。
示唆4：コードが増えすぎる
AIは驚異的な速度でコードを生成できる。時間が経てば、AIエージェントがそのコードの保守にも十分習熟し、既存コードを改修して新たな機能を追加するよりも、タスクごとに新しいコードを生成したほうが、コスト効率が高く安定的になる可能性がある。各機能が別々のコードベース（あるいはエージェント）によって担われる形で、コードが増殖する状況が起きるかもしれない。これは、今日のソフトウェアライフサイクル管理の多くの慣行を覆し、ある作業は簡素化する一方で、別の作業は劇的に複雑化させるだろう。
示唆5：セキュリティ
Anthropicは最近、同社のLLM（大規模言語モデル）であるClaudeが受けた蒸留攻撃（distillation attack）の件数に言及した。蒸留攻撃とは、AIに繰り返し問い合わせることで、その仕組みを理解し複製することを狙うセキュリティ攻撃の一形態である。より多くの企業が、外部公開型のAIを自社製品・サービスに組み込むようになるなか、これらのAIがどのように攻撃され得るかを理解しているだろうか。そして、そうした攻撃を検知し被害を防ぐには、人間が必要なのか、エージェントが必要なのか、あるいはベンダー提供のツールが必要なのか。従来のソフトウェアライフサイクル管理には、広範なセキュリティレビューが含まれており、企業の評判や法的リスクが関わる場合には、いっそう厳格になった。いまやAIが生成するコード量が増えるなかで、既存の慣行がこの問題に対処する最善の方法なのか、あるいはそもそも有効なのかは明らかではない。
重要なポイント
AIは、企業内のソフトウェアのあり方を、あらゆる観点から変えつつある。リーダーの責務から、個々の貢献者に求められるスキル、採用や昇進の根拠、ベンダーに対する内製か購入か（make vs. buy）の意思決定に至るまで、影響は広範だ。こうした移行を管理するために、以下を検討すべきである。
- すべての企業にとって、自社独自のAIソフトウェア戦略を持つことには価値がある
- AIに取り組み始めたばかりなら、AIネイティブ戦略の策定を検討すべきである。それがソフトウェア戦略へとつながっていく
- 新たなAI技術とベストプラクティスの奔流に適応できるよう、戦略は常に最新の状態に保つべきである
