​四方山話

我々、社会で働いている人は、社員やパートや事業主に限らず、社会やお客様や会社・上司から評価されていますし、それから逃れることできません。そうであれば、高い評価を受けるようにしなければ、社会や会社の仕組みの中で、充実した時間を送ることは出来ません。 それでは、評価する側つまり会社や部門は、何を評価しているのでしょうか。評価の重要ポイントが分かれば、自身がそれに即した思考と行動を心がければいいのです。 その人の評価を考えるとき、誰もが、経験年数、スキルセット、コミュニケーション力等がある中で最初に思い浮かべるのは「その人がどんな成果を出してきたか」ではないでしょうか。 もちろん成果というのは、その人がどんな貢献をしてきたのか、ビジネスの世界ですから、成果を出すということは大前提の話です。ですが、これからの時代、評価され続ける人とは、「過去の成功にとどまらず、常に学び、挑戦し、進化し続ける人」です。成果よりも大切なのは、“未来への伸びしろ”を自らつくり出せるかどうかなのです。変化の速い今、会社も人も「成長し続ける力」こそが最大の競争優位となるからで

1. 先行指標としての「コーディングエージェント」 AI活用の停滞の中で唯一、未来を先取りしているのが開発者領域です。 クラウドが辿った「開発者 → 部門 → 全社」という普及パターンを、AIも同様に進んでいます。 GitHub Copilotはすでに2000万ユーザに達し、Fortune 100企業の90％が導入しています。しかし、エンタープライズ全体での本格普及は2028年と予測されています。 現時点のAIでは、エンタープライズアプリケーションの開発には向いていないのです。その理由は、必要な“全体最適・責任・統制”を担えないことが本質的な制約だからなのです。 （１）要件定義の曖昧さを解釈しきれない 大規模業務システムの難しさは、コードではなく要件定義にあります。業務要件は①暗黙知・例外だらけ②部門ごとに利害が衝突する③法規制や商習慣が頻繁に変わる、だからです。 AIは「明文化された仕様」には強いですが、実際の現場にある曖昧・矛盾・政治的調整を含む要件整理はできません。 （２）システム全体の整合性（アーキテクチャ設計）が弱い...

1. 熱狂と停滞の奇妙な共存 私たちは今、テクノロジー史においても類を見ない「期待」と「実態」の乖離の中にいます。 2025年上半期、ベンチャーキャピタル（VC）資金の半分以上1160億ドルがAI分野に投資されました。しかし、この巨額の投資にもかかわらず、ビジネスの現場では「AIによる劇的な変化」を実感できている人は驚くほど少数です。 なぜならAI投資の73％はインフラ層に集中し、エンドユーザーが恩恵を受けるアプリケーション層への資本供給は相対的に不足しているからです。 2. 衝撃の事実：本格導入はわずか「10%」にすぎない 「AIがすべての業務を代替する」という夢のような物語とは対照的に、マッキンゼーの「2025年AI動向グローバル調査」が示す数字が現実です。 ●少なくとも1つの業務機能でAIエージェントを展開している組織は23％ ●それを全社スケールで運用している割合は、わずか10％未満 多くの企業における「導入」とは、限定的な実験にとどまり、組織の業務基盤を換えるには至っていないのが現実です。 3. タイムトラベル：2025年のAI

1．「書く仕事」から「設計する仕事」へ 従来、エンジニアの中心業務は詳細設計・コーディング・テストでした。しかしAIがコード生成を担うことで、役割は以下へシフトします。 システム全体構造の設計/AIへの適切な指示（プロンプト設計）/生成コードの品質評価 すなわち、「プログラマー」から「システム設計者」への転換です。 2．「実装能力」より「問題設定能力」 AIは、実装は得意ですが、「何を作るべきか」を定義することは不得意です。そのため重要となるのは以下の能力です。 業務理解/課題定義/要件整理 これは、How（どう作るか）からWhat（何を作るか）へのシフトを意味します。 3．「コーディング」から「AIとの協働」 開発は「人間＋AI」の協働型へ変化します。 要求整理/AIへ実装指示/コードレビュー/修正フィードバック エンジニアは、「開発者」から「AIディレクター」的役割へと進化します。 4．品質保証の重要性の増大 AI生成コードには以下のリスクがあります。 ロジックミス/セキュリティ問題/パフォーマンス問題/ハルシネーション（誤情報生

1. AI活用の実態（4つの類型） 　① 業務自動化・効率化（最も多い） 現在のAI導入の 7〜8割がここです。 ・議事録作成　・メール作成　・文書要約　・問い合わせ対応AI ・データ入力　・Excel分析　・契約書チェック　⇒これは『AI＝ホワイトカラー業務のRPA』と言われます。 　② 意思決定支援（データ分析） これは多くの人が見落とす領域です。 ・売上分析　・需要予測　・不正検知 ・顧客分析　・マーケティング分析 AIは膨大なデータからパターンを抽出し人間より高速 に分析できるため、意思決定の質と速度を向上させます。 　③ システム開発の効率化 これも急速に広がっています。 ・コード生成　・テストコード生成　・バグ修正　・設計支援　・ドキュメント作成 現在は『AIペアプログラミング』という形が主流です。『AIペアプログラミング』とは、 「人間（開発者）とAIエージェント（生成AI）が協働してコードを記述・レビュー・デバッグする」ソフトウェア開発手法です。AIがコードを書く側や設計・