AIGCは単なるコード支援ではありません

生成型人工知能 (AIGC) は、ソフトウェア開発者の生産性を向上させる大きな可能性を秘めています。しかし、これをうまく活用するには、単なるコード生成ツール以上のものと考える必要があります。

生成型人工知能 (AIGC) はソフトウェア開発に革命をもたらす可能性があります。ソフトウェア開発者の生産性を大幅に向上させ、イノベーション サイクルと市場投入までの時間を短縮します。ただし、これを単なるコード生成ツールとしてのみ捉えると、その潜在的な影響は大幅に減少する可能性があります。残念ながら、この見解は珍しいものではなく、AIGC とソフトウェア開発の実践に対する誤解に基づいています。

これは、ソフトウェア開発プロセスや技術チームの作業と密接に連携する意欲のあるビジネスリーダーやテクノロジーリーダーにとって、ここに真のチャンスがあることを意味します。 AIGC がソフトウェア開発者をサポートできる領域とサポートできない領域を認識することで、AIGC を効果的に活用して真の競争上の優位性を獲得する最初の企業となり、ソフトウェア開発者がより速く、よりスマートに作業できるようになります。

AIGC はどのような方法で付加価値を生み出すことができますか?

AIGC がソフトウェア開発ライフサイクル全体にわたって大きな価値を付加できることは間違いありません。しかし、この値を定量化することは非常に困難です。実際、AIGC の付加価値を定量化すると、AIGC の潜在的な影響が狭まる可能性があります。 Thoughtworks では、コード生産性のメリットだけに焦点を当てることは直感に反すると考えています。当社の経験に基づき、AIGC を、作業方法や適切なチーム トポロジーとともに、市場投入までの時間の短縮、品質の向上、チームの士気の継続的な向上につながるツールの一部として捉えることを推奨しています。これは、最近の研究やメディア報道で採用されているアプローチとは異なります。最近の研究やメディア報道では、限られた比較的単純な問題におけるコーディング速度の測定に重点が置かれており、ソフトウェア開発プロセスの他の部分における AIGC の価値はほとんど無視されています。

これらはソフトウェア開発作業の複雑な部分であることが多く、摩擦や無駄が生じるポイントが伴うことがよくあります。これらを定量化するのは簡単ではないかもしれませんが、AIGC の使用が最も効果的である可能性があるのはまさにこれらであると考えています。ここ数か月間、Thoughtworks の少人数のグループが、ソフトウェア開発ライフサイクルにおける ChatGPT や GitHub Copilot などの AIGC ツールの可能性を探る一連の実験を行ってきました。私たちが目にしている結果は有望であり、10%～30%の生産性向上が可能であることを示唆する結果が出ています。ただし、この生産性の向上は次の 3 つの要因に依存することに注意することが重要です。

開発経験: エンジニアは、何を質問すべきかを把握し、品質を損なうことなく AIGC 出力を判断できる能力を持っている必要があります。

AIGC の使用経験: これらのツールには人間の入力が必要です。つまり、ユーザーは効果的なプロンプトを作成するだけでなく、これらのツールの使用方法を理解し、邪魔になるだけの場合には先に進むための知識とスキルを持っている必要があります。

対処する問題の性質: AIGC は明確に定義された問題には効果的ですが、問題が大きくなったり複雑になったりすると、生産性の向上につながらなくなる可能性があります。

これらの重要な考慮事項を念頭に置いて、AIGC が開発者の作業にどのように価値を付加できるかを見てみましょう。

反復的な作業を減らし、価値の高いタスクに費やす時間を増やす

AIGC は、ある言語から別の言語への翻訳など、パターン マッチングとパターン合成に優れています。ソフトウェア配信におけるこの利点の最も明白な応用は、AI が自然言語をコードに翻訳したり、あるタイプのコードを別のタイプのコードに変換したりする新しいタイプのコード生成です。しかし、これは、変更ログをリリースの説明に翻訳したり、コードやチームチャットをより一貫性のあるドキュメントに変換したり、構造化されていない情報をより構造化された形式やテンプレートにマッピングするなど、他の領域でも活用できます。チームがテストやサンプルデータを生成するのにも役立ちます。

言い換えれば、時間のかかるタスクの一部を排除し、開発者が複雑で付加価値の高い作業を行う時間を増やすことができます。パターンマッチングは自動的に行われ、その結果を精査して「ラストマイル」の作業を完了します。

より早く、より完全な思考

大規模言語モデル (LLM) には私たちを驚かせる力があります。このため、これらのモデルは「幻覚を起こす」、つまり、トレーニング データと一致しないような誤解を招く、または偽の出力を生成する、とよく言われます。これは明らかに特定のユースケースではリスクを伴いますが、予想外の成果をもたらす能力により、優れたブレーンストーミング パートナーやクリエイティブ ツールになります。彼らは私たちの思考のギャップを指摘することができます。

たとえば、異なる思考を刺激するシナリオを生み出す LLM を立ち上げるなど、製品や戦略のアイデアで素晴らしい成果が得られています。また、ユーザーストーリーとテストシナリオを強化するために、LLM を討論パートナーとして使用します。たとえば、特定のアプリケーションが使用されるさまざまな方法を想像しようとしている場合、LLM は思考を広げ、考慮していなかったシナリオのギャップを埋めるのに役立ちます。これの利点は、要件をより効率的に把握することで、後で作業を繰り返す必要性が減り、開発プロセスの速度が大幅に向上することです。

タイムリーに情報を入手する

ソフトウェア開発者にとって最も非効率なことの 1 つは、適切な情報を見つけることです。オンライン検索から社内文書まで、必要な情報をどこで見つけられるかを知ることは大きな負担になる可能性があります。

AIGC は、大量の非構造化情報ソースに対して新しいタイプの検索機能を提供する機会を提供します。これはすでに実現しています。GitHub の Copilot CHAT (執筆時点ではベータ版) は、Copilot の既存のコーディング支援機能に基づいて構築されており、開発者に自然言語とコンテキスト固有のサポートを提供します。同様に、Atlassian Intelligence は、高密度で構造化されていない組織情報を閲覧および検索する方法をユーザーに提供します。もちろん、AIGC システムは適切に統合され、必要なデータに基づいてトレーニングされる必要がありますが、効果的に使用すれば、ソフトウェア配信チームが手元のタスクに関連する情報に簡単にアクセスできるようになります。これにより、組織は、確認が必要なコンプライアンスやセキュリティの問題をユーザーに警告するツールを提供するなど、特に重要な情報を明らかにするための新しい方法も得られます。

AIGC チャットボットは、徹底した情報源に基づく調査の完全な代替品とはみなされず、正確性と「錯覚」がないか常に監視される必要がありますが、ユーザーのコンテキストを考慮に入れるようにトレーニングすれば、摩擦を減らして生産性を向上させるのに非常に効果的になります。

リスク

AIGC のリスクは秘密ではありません。ここ数か月、「幻想」、偏見、プライバシーの問題が広く議論され、討論されてきました。ソフトウェア開発ライフサイクルの文脈では、これらのリスクは、エンジニアリング チームの能力、文化、目標に応じてさまざまな形で現れます。

たとえば、経験の浅い開発チームに AIGC ツールを導入すると、効率性や提供されるソフトウェアの品質が向上するどころか、むしろ低下する可能性があります。たとえば、AIGC によって生成されたコードが動作しない場合、経験の浅い開発者は不必要に回避策に取り組み、関連するドキュメントを読んだ方がよいのに、AI によって生成されたコードを動作させるために多くの時間を費やすことになります。

つまり、生成された出力は、エラーや幻覚の可能性を考慮して、常に注意して扱う必要があります。これは、再現性が重要である場合に特に当てはまります。十分な注意を払わずに、未熟な実践に AIGC を適用すると、既存の問題が解決されるのではなく、悪化したり、定着したりする可能性があります。

将来を見据えて: 成熟したエンジニアリング実践の重要性

AIGC を最大限に活用してその可能性を実現するには、組織は継続的インテグレーション/継続的デプロイメント (CI/CD) や DevOps などのソフトウェア エンジニアリングの優れたプラクティスを採用する必要があります。 AIGC の時代において、これらのプラクティスはプロセスの測定と管理を容易にするため、これまで以上に重要になっています。たとえば、ワークストリームに配信メトリックが含まれている場合は、AIGC の影響と発生する可能性のある課題を特定して、迅速に対処できるようにします。

これらのプラクティスは、効果的な AI 運用モデルによってさらにサポートされます。これは、組織内で AI がどのように使用されるかを明記し、必要に応じてガイダンスとガバナンスを提供する戦略計画です。その利点は、急速な変化のペースの中で、組織が戦略目標、文化、既存のプロセスに忠実であり続けることを保証できることです。ツールの決定を導く場合でも、進化する規制要件に対応できるようにチームを支援する場合でも、堅牢な運用モデルは、これらの開発に遅れずについていき、それに応じて調整するのに役立ちます。

これは、AIGC に関しては組織がトップダウンのアプローチを取る必要があるという意味ではありません。さらに重要なのは、草の根活動と戦略的意思決定の間の認識と調整を確実にするためのフィードバック ループを確立することです。技術が急速に変化している時代には、こうしたフィードバック ループは組織の成功にとって非常に重要です。市場で何が起こっているかに焦点を当てたくなるかもしれませんが、こうしたフィードバック ループは、リーダーシップ チームが常に組織内で何が起こっているかに基づいて意思決定を下せるようにするのに役立ちます。

これは、市場側での警戒を避けるという意味ではなく、本当に重要なのは開発チームに十分な権限を与える組織の能力と意欲であることを認識することです。リーダーとして、私たちは好奇心と既存の専門知識を通じて従業員自身の生産性の向上をサポートする必要があります。