作る人が、選択とコストにも責任を持つようになった話

2022年に公開したJicooの創業ストーリーでは、事業の大きな絵を描くためにも、もうコードを書かないほうがいい、と冗談めかして話していました。

それから数年。今の私は、再びプロダクト開発のかなり深いところまで、自分から手を動かすようになっています。

ただし、以前と違うのは、コードの多くを書いているのがAIだということです。

私がやっているのは、作りたいものをAIに直接伝え、出てきたものを確認し、その場で修正を重ねることです。

最近はJicooの機能開発はもちろん、新しい開発ワークフローや、AIに仕事を任せるためのハーネス（実行や評価を管理する仕組み）づくりにも関わっています。

AIによって、事業と開発現場の距離は縮まりました。

その一方で、これまで経営やマネジメントの領域にあった「どの仕事を、誰に、いくらで任せるか」という判断が、作り手一人ひとりの手元に移りつつあります。

プロトタイプが要件になる

以前であれば、アイデアを要件に整理し、それを誰かに伝え、設計や実装を経て、動くものを確認する必要がありました。

チームでプロダクトを開発する以上、このプロセス自体は今も大切です。

ただ、まだ曖昧なアイデアを検証する段階では、人を介するたびに意図を説明する必要があります。言葉に置き換える過程で、最初に考えていたものから少しずつニュアンスが変わることもあります。

いわゆる伝言ゲームです。

それなら、AIに直接指示して、まず動くものを作ったほうが早い。

言葉だけで要件を説明するより、実際に触れるプロトタイプを作り、「こういうものです」と見せたほうが、正確に伝わることもあります。

プロトタイプそのものを、要件として渡せるようになったともいえます。

Jicooでは、プロトタイプを構成するコードと一緒に、「なぜこれを作るのか」というコンテキストも自動的に文書化されるようにしています。コードとコンテキストがそろっていれば、AIが従来の形式の仕様書を生成することもできます。

先に文章で要件を完成させてから実装するのではなく、動くプロトタイプを作りながら要件を具体化し、その過程自体を要件定義として残せるようになりました。

もちろん、AIによって一人ですべての開発を完結できるようになった、という話ではありません。

チームに相談する前の仮説検証や、構想を形にするまでの伝言ゲームを減らせるようになった、という感覚に近いです。

試行錯誤に単価がついた

AIに直接仕事を任せるようになると、どの仕事にどのモデルを使うかも、自分で判断することになります。

難しい設計であれば、あまり迷いません。能力の高いモデルを使うのが定石だからです。

悩むのは、その少し手前にある仕事です。

少し複雑な調査。小さく見えるけれど、既存機能への影響が読みにくい修正。簡単そうではあるものの、ある程度の判断を必要とする設計。

「このくらいなら、安価なモデルでも十分だろうか」

安価なモデルを使って何度もやり直すくらいなら、最初から高性能なモデルに任せたほうが、結果的に安いかもしれません。

一方で、すべての仕事に高性能なモデルを使っていたら、コストは際限なく増えていきます。

どこまでを安価なモデルに任せられ、どこから高性能なモデルを使うべきなのか。その境界は、思っている以上に分かりづらいものです。

気がつくと私は、仕事の難しさだけでなく、この仕事にはどのモデルを使い、いくらまでかけるかまで考えるようになっていました。

もちろん、これまでもエンジニアやデザイナーがお金と無関係だったわけではありません。

働いている時間には人件費が発生します。開発には予算と納期があり、クラウドの利用料やライセンス費用もあります。

それでも、アイデアを考える。設計に悩む。試しに作ってみる。うまくいかなければ、別の方法を試す。

そうした試行錯誤の一回ごとに、作る本人が金額を意識することはありませんでした。

人件費は月給としてまとめられ、会社の予算の中で管理されます。作る本人は、自分の一時間がいくらなのかを毎回計算せず、「どうすればもっと良いものになるか」に集中できました。

ところがAIを使うようになると、どのモデルを使い、どこまで試し、いつ打ち切るかを、その都度判断することになります。

作る過程のコストが、作り手にもその場で見えるようになりました。

試行錯誤に、単価がついたのです。

全員が小さなマネージャーになった

AIはよく「アシスタント」にたとえられますが、使い込むほど、小さなチームを持った感覚に近づいていきます。

設計が得意なAIには設計を任せる。大量の情報を調べる仕事は、別のAIに任せる。単純な仕事には安価なモデルを使い、重要な判断には能力の高いモデルを使う。

どの仕事を、どのAIに、いくらで任せるのか。

これは、かなりマネジメントに近い仕事です。

これまで、エンジニア個人の時間や人件費を管理するのは、エンジニアリングマネージャーやCTO、経営層の役割でした。個々のエンジニアは、与えられたチームや予算の中で、技術的な成果を出すことに集中していました。

今は、一人ひとりがAIを使い分け、その利用量やコストと成果を実質的に自分で管理しています。

特に個人開発では、AIの利用料金がそのまま自分の支出になります。どのモデルを使うか、どこまで試行錯誤を続けるかは、技術判断であると同時に経営判断でもあります。

作る人全員が、小さなエンジニアリングマネージャーになったともいえます。

そして、その上にいるマネージャーも、いずれ人間の工数だけでなく、AIに使った費用と、そこから生まれた成果の関係を見るようになるはずです。

何人のチームで作ったかだけでなく、人間とAIをどう組み合わせ、いくらで何を作ったかが評価される。

生産性の見方そのものが変わろうとしています。

全員が少しずつエンジニアっぽくなった

もう一つ、面白い変化があります。

以前のエンジニア界隈では、新しい言語やライブラリ、フレームワークがよく話題になっていました。

この技術を使うと開発が速くなる。このライブラリならコードを減らせる。この構成にすると運用が楽になる。

技術の話は、昔から「何を作るか」以上に「どう作るか」が盛り上がります。Howについて延々と話せるのは、エンジニアの特性なのかもしれません。

AIが登場してからは、その対象がモデルやトークン、AIへの指示や仕事の分け方に変わりました。

この用途にはこのモデルがよい。設計と実装でモデルを分けると効率がよい。複数のAIに仕事を分担させると速い。こうすれば利用量を減らせる。

相変わらずHowの話をしているのですが、今やそれを話しているのはエンジニアだけではありません。

営業、マーケティング、デザイナー、経営者も、「この仕事にはどのAIがよいか」「複数のAIをどう分担させるか」を話すようになりました。

全員がマネージャーになっただけでなく、全員が少しずつエンジニアっぽくなっている。

人類全体が、急にシステム構成を考え始めたようにも見えます。

AIは知性を民主化し、思考を従量課金にした

AIによって、これまで一部の専門家にしかできなかった仕事へ、多くの人がアクセスできるようになりました。

コードを書けなかった人がプロダクトを作る。デザインの経験がない人が画面を作る。専門的な資料を読み解き、自分のアイデアを形にする。

AIは、知的作業へのアクセスを大きく広げました。

しかし同時に、利用量に応じて課金される環境では、AIに仕事を任せるたびにコストが積み上がります。

考えを整理してもらう。別の可能性を出してもらう。大量の情報を読んでもらう。設計を一緒に検討する。

AIは知性を民主化したが、同時に思考を従量課金にした。

AIは作り手を単純作業から解放し、もっと創造的な仕事に集中させるものだったはずです。

ところが実際には、創造的な仕事と一緒に、その試行錯誤の単価まで作り手に意識させるようになりました。

これは、なかなか皮肉な話です。

作る量が増えるほど、「良い」を見極める力が必要になる

AIによって作れるものが増えるほど、重要になるのは、その中から何を選ぶかです。

どの案がよいのか。何がユーザーにとって価値を持つのか。どこまでなら世に出せるのか。そもそも、これは作るべきものなのか。

AIは多くの選択肢を作れますが、どれを選ぶべきかまで完全に任せられるわけではありません。

そこには、多くの良いプロダクトに触れ、複数の選択肢を比べ、なぜこちらを選ぶのかを考えてきた経験が必要です。作る量が増えるほど、人間には審美眼と判断基準が求められます。

AIが作ったものを見て、選び、その理由を考える。

そこから、何を作るべきかを考える人と、AIがよりよく働ける環境を設計する人に分かれていくのかもしれません。

どちらも、AIが作ったものを評価するところから始まります。

試行錯誤の単価の先にあるもの

もちろん、AIのコストを管理することは大切です。

事業を運営する以上、費用対効果を無視するわけにはいきません。高性能なモデルを無計画に使うより、仕事に応じて適切なモデルを選ぶほうが健全です。

ただし、利用量を減らすこと自体が目的になると、おかしなことになります。

安価なモデルで何度も失敗するより、高性能なモデルを使って少ないやり取りで仕事を終えたほうが、結果として安いこともあります。

本当に見るべきなのは、使ったトークンの量ではありません。

最終的に、どれだけ価値のあるものを作れたかです。

AIによって、私たちは以前より速く、多くのものを形にできるようになりました。

その力を使って、何を作るのか。本来は、そこにもっと時間を使うべきなのだと思います。

コストを考えることも、これからのプロダクトづくりの一部です。ただ、利用量を最適化することに夢中になり、何を作りたかったのかまで見失わないようにしたい。

Jicooでは今、AIを使ってアイデアを素早くプロトタイプにし、実際に動くものを見ながらプロダクトを磨いています。

AIに任せるところと、人が考えるところを試行錯誤しながら、職種の境界を越えてプロダクトづくりに関わるチームです。

と同時に1プルリクエストごとに、その作成にかかった費用が自動的に見える化されるようにしていて、一人一人が自分の仕事の収支を意識できるようにしています。

つまり今まではエンジニア、マーケター、デザイナーなどと分かれていた職種の境界がAIの活用によって曖昧になることで、全員が「作る人（ビルダーと呼んでいます）」になり、同時にその選択とコストに責任を持つようになったのが今のJicooというイメージかもしれません。

以上最近感じていたことをつらつらとまとめてみました！

こうした開発の変化を面白いと思う方、自分の担当範囲を決めすぎず、アイデアを実際に形にするところまで関わりたい方がいれば、ぜひ一度お話ししましょう。

Jicooの採用情報を見る