たかそら

06/PeachTech/エンジニアになりたいひと

[たかそら @yhatakasora]

複雑ですぐに思い出せない、曖昧にしか頭に浮かばないものは、一度写経でもなんでもいいから書いてみてアウトプットすると記憶しやすいのと同時に整理もつきやすいというメリット2つがついてくるのではないかと思ったので、次そういうことがあったらやってみる。

[たかそら @yhatakasora]

ずーっと沼にハマって解決しなかった問題が解決した瞬間、栓が抜けたかのようにスーッと流れがつながるの最高。仕事ではこういう楽しみを見出していきたい。

[たかそら @yhatakasora]

最近つくづく経験が大事だなって思う。理論ばかりではなかなかわかりづらいことも経験ベースで考えるとわかりやすくなったり、経験したものなら、直感的にこうどうをイメージできるようになる。また、他人の経験も本当に為になる。本や授業とは違って、焦点を絞らない。情報がつながっているのが利点。

[たかそら @yhatakasora]

後者の自覚があるので、質問していきたい

[りょうま @engineer_ryoma]

エンジニアとして1年目の時にCTOから頂いた言葉

「どんどん質問してタスクを納期どうりに終わらせる人と、一人で黙々と闘って遅れる人とでは前者の方が100倍ありがたい。若手には自走力より成長速度を求めてるので、分からないことがあったらどんどん聞いてね！」

この言葉に何度も救われた。

[O'Reilly Japan @oreilly_japan]

【9月16日発売】最新刊プレゼントキャンペーン
➡️下記書籍を抽選で3名様にプレゼント🎁
✅応募方法
❶当アカウントをフォロー
❷このポストをリポスト
応募締切9月23日まで／当選連絡チャット(旧DM)📩

『ソフトウェアエンジニアリングの基礎 ―コーダーからエンジニアになるための実践ガイド』

[たかそら @yhatakasora]

料理できるようになろうかな()

[はんめん教師 @hanmena]

管理職「子どもたちのプログラミング的思考力を伸ばしたい！何かアイデアある？」

情報主任ぼく「調理実習増やしましょう」

[はんめん教師 @hanmena]

管理職「子どもたちのプログラミング的思考力を伸ばしたい！何かアイデアある？」

情報主任ぼく「調理実習増やしましょう」

[たかそら @yhatakasora]

これ欲しい

[O'Reilly Japan @oreilly_japan]

新刊『ソフトウェアエンジニアリングの基礎』は来週9/16(水)発売！
"コーダーからエンジニアになるための実践ガイド"という副題の通り、生成AIコーディングをよりよく活用する上でも必要な、現在のエンジニアに求められる基礎知識を全420ページに詰め込んだ一冊です📖
https://t.co/ML9T8RaCYw

[たかそら @yhatakasora]

#circle_meet_stage

[たかそら @yhatakasora]

#circle_meet_stage

[たかそら @yhatakasora]

#circle_meet_stage
参加してますよ！！

[たかそら @yhatakasora]

能力を高めるには、何を知らないのか、できないのかを自覚している状態で一度ちゃんと知ろうとしてみる、やろうとしてみる。その上でわからないことや、できなかったところはAIも使ってみる流れがいいと思う。最初からAIを併用しようとすると境界がわからなくなるから。これは学生の勉強でも同じ事。

[やねうら王 @yaneuraou]

AIを使って馬鹿になる人について考えるとき、「AIに頼ると頭を使わなくなる」といった話は、あまり本質的ではない。電卓が普及して暗算をする機会が減ったとか、Google Mapsのせいで道を覚えなくなったとか、その程度の話なら、人類は文字を発明した時点ですでに相当馬鹿になっているはずである。

もっと興味深い問題がある。

1983年、心理学者・人間工学研究者のLisanne Bainbridgeは「Ironies of Automation（自動化の皮肉）」という有名な論文を書いた。そこで指摘された逆説は、40年以上たった現在の生成AIにも驚くほどよく当てはまる。

機械が人間より上手にできる仕事を次々に自動化していくと、最後に人間に残されるのは何か。それは、機械がうまく処理できなかった例外的で、複雑で、判断の難しい仕事である。ところが、日常的な仕事を機械に任せれば任せるほど、人間はその仕事を自分で行う機会を失い、技能も状況理解も衰える。つまり、自動化が進むほど、人間の出番は減るのに、人間が出番を求められたときの仕事だけは難しくなる。Bainbridgeが「皮肉」と呼んだのは、この構造である。

たとえば、毎日100本のプログラムを書かなければならない人がいて、そのうち99本をAIが完璧に書いてくれるようになったとする。これは一見すると素晴らしい。しかし人間に回ってくる1本は、「なぜか本番環境でだけデッドロックする」「仕様書そのものが矛盾している」「二つの設計思想のどちらを採用するか判断しなければならない」といった、AIが処理できなかった難問になる可能性が高い。

つまり、その人は99本の普通のプログラムを書くことで本来得られたはずの訓練を失った状態で、100本中もっとも難しい1本だけを解かなければならなくなる。

これはなかなか意地の悪い仕組みである。

1995年、EndsleyとKirisは、この問題を「out-of-the-loop performance problem」として実験的に調べている。人間がシステムを直接操作する立場から、自動化されたシステムを眺めるだけの立場に移ると、単に操作技能が落ちるだけではなく、「いま何が起きていて、この先どうなるのか」という状況認識まで低下する。そして自動化システムが故障して突然人間に操作を返したとき、対応が遅れる。研究では、能動的な情報処理から受動的な情報処理へ移ることが、この低下の重要な原因として示唆されている。

これはプログラミングに限らない。部下が作った契約書を毎日チェックしている人は、長年のうちに「この条項は妙だ」という感覚を身につける。しかし契約書をAIが作り、AIがチェックし、人間は最後に「承認」ボタンを押すだけになれば、その感覚を獲得するために必要だった何千回もの小さな判断が消える。そして本当にAIが見落とすような珍しい契約上の問題が起きたときだけ、人間に判断が戻ってくる。

AIによる能力低下の恐ろしさは、「簡単な仕事ができなくなること」ではない。簡単な仕事を大量に経験することでしか育たなかった、難しい仕事を処理する能力まで失われることにある。

さらに厄介な問題がある。自分の能力が落ちていることを、自分自身が認識できなくなる可能性である。

心理学には「metacognitive calibration」という考え方がある。簡単に言えば、「自分がどれくらい正しいか」という自己評価と、実際の正答率がどれくらい一致しているか、という問題である。知識が多少不足していても、自分が何を知らないかを正しく認識できる人は比較的安全である。危険なのは、能力そのものより、このキャリブレーションが壊れることである。

2026年に『Computers in Human Behavior』に掲載された研究には、実に象徴的なタイトルがついている。

「AI makes you smarter but none the wiser」

直訳すれば、「AIはあなたを賢くするが、自分がどれほど賢いのかは分からなくする」といった意味になる。この研究では、LLMを使うことでLSAT型の推論課題の成績そのものは向上した一方、人々が自分の成績をどれだけ正確に評価できるかというメタ認知には問題が生じた。特に興味深いのは、AIリテラシーが高いことや自信が強いことが、必ずしも自己評価の正確さにつながらなかったという点である。

考えてみれば当然である。

AIなしで10問中6問解ける人が、AIを使うと10問中9問解けるようになったとする。このとき本人が観察できるのは「私は9問解けた」という結果だけである。しかし、その9問のうち何問が自分の能力で、何問がAIの能力なのかは、結果からは分離できない。

ここで、自分自身の能力を測るためのフィードバック系が壊れる。

筋力なら、100kgのバーベルを持ち上げられなければ自分の筋力不足はすぐ分かる。しかし、AIと一緒に100kgを持ち上げている状態では、自分が何kgまで持てるのか分からない。そしてAIの補助があまりに自然になると、そもそも「これは二人分の力で持ち上げている」という感覚すら薄れてくる。

私は、AI時代に本当に危険なのはここだと思う。

人間は無知であることには比較的耐えられる。「これは知らない」と自覚していれば、調べることができるからである。しかし、知らないという自覚そのものを失えば、調べるという行為も発生しない。

もう一つ、この問題を理解するうえで面白い古典的な実験がある。「generation effect（生成効果）」と呼ばれる現象である。

SlameckaとGrafは1978年の実験で、答えをただ読んだ場合と、自分で答えを生成した場合を比較した。すると同じ情報であっても、自分で生成したもののほうが、その後の記憶成績が良かった。これはさまざまな条件で確認された。

この現象をAIに当てはめると、少し嫌なことが見えてくる。

たとえば会議で「この新規事業の問題点を三つ考えてください」と言われたとする。五分間考えて、「市場規模」「競合」「人材」という三つを自分でひねり出す。その後ChatGPTに聞いたら、「法規制」「顧客獲得コスト」「既存事業とのカニバリゼーション」まで出てきた。この使い方なら、自分の思考にAIによる追加が行われる。

ところが最初から「問題点を10個挙げて」とAIに尋ね、その中からもっともらしい三つを選ぶだけになれば、自分が問題を生成する工程そのものが消える。

成果物だけを見れば後者のほうが立派である。だが、脳の中で起きたことはまったく違う。

これこそ、AIについて議論するときに「生産性」という指標だけを見てはいけない理由である。ある人がAIを使って以前の三倍の文章を書き、二倍のコードを書き、五倍の資料を作れるようになったとしても、その数字から本人の能力が向上したとはまったく言えない。極端な場合には、成果物の品質が上がるのと同時に、本人が単独で判断する能力は下がり、しかも本人にはその低下が観測できない、ということすら起こり得る。

そして、ここまで考えると「AIを使って馬鹿になる人」の特徴も少し違って見えてくる。

AIに質問する人が馬鹿になるのではない。AIに文章を書かせる人でもない。コードを書かせる人でもない。

AIが担当した認知過程と、自分が担当した認知過程との境界が見えなくなった人が危ないのである。

自分が考えたのか、AIが考えたのか。自分が理解したのか、理解しやすい説明を読んだだけなのか。自分に判断能力があるのか、AIが常に正解を横に置いてくれているから判断できているように見えるだけなのか。

この区別を意識的に維持できる人にとって、AIは恐ろしく強力な知的増幅器になる。

維持できない人にとっては、もっと恐ろしいものになる。

なぜならAIは、その人の能力を奪うときですら、本人には「以前より賢くなった」という感覚を与えることができるからだ。

だから、AIなんか使うな。

ちなみにこの文章は全文ChatGPTが書いた。

[たかそら @yhatakasora]

@osaru_george_it 日々頑張ってるエンジニアさんからフォローいただけて嬉しいです！エンジニアになりたいと思ってるので僕も頑張ります！仲良くしてください是非！

[たかそら @yhatakasora]

SREすごいな...かっこいい。Datadog使ってみようかな

[りょうま @engineer_ryoma]

次の動画のためにSREに必要なスキルセットをまとめていたらあまりにも膨大すぎて絶望すら覚える。そりゃSREの年収高くなるわけだ。。。

[たかそら @yhatakasora]

CEDEC 2026聴講させて頂きました！
楽しかった！

[たかそら @yhatakasora]

正にいま欲しいポストだった。

[サカモト@エンジニアキャリア論 @sakamoto_582]

自社開発企業を目指している方に伝えたいことがあります。「単にポートフォリオを用意しましょう」という時代は、もう終わりつつあります。

AIを使えば、個人レベルのものは作れてしまう時代です。採用する側の興味は、もはや「作れたかどうか」にはありません。

では何をするのか。

自分や世の中が抱える課題に対して、ソフトウェアエンジニアリングでどう解決したのか、ということです。その結果がポートフォリオなのであれば問題ありません。

なぜこれが大事なのかというと、実際の仕事のシミュレーションになるからです。

仕事では、「こういう課題がある」「この業務をもっと効率化したい」「この体験を改善したい」といった課題に対して、技術を使って解決することが求められます。

相手は、あなたが何を考え、どのように課題へ取り組んだのかを聞く中で、それが自社でも再現できるかを見極めています。

一方で、「ポートフォリオを通して○○を学習しました」というスタンスだけでは、採用する側との見ている方向が少しずれてしまいます。新卒レベルであればまぁ大目に見て採用される事もあるでしょうが、甘めに見られた結果であることを認識しましょう。

またAIが作れるなら技術力はいらないのかというとそうではなく、そのエピソードの中で必ず技術的な深掘りが入ります。そこで自分の意思決定や設計、AIの活用方法について答えられるように準備しておきましょう。

[たかそら @yhatakasora]

何か成果物を見せて欲しいと言われた時に何も出せないのがもやもやするし、情けなく思う。基礎ってどこまでのことを言うんだろうか…と思うけど、少し考えてなにか改善してみることでそれを記事にできるかもしれない。いいね、行ける気がしてきた

[たかそら @yhatakasora]

Qiita1回だけ書いたことあるけど、自分にとっての発見として初歩的なことを書いた。基礎のテリトリーを広げていったところを書いてる人よりも、試行錯誤して研究していることや、試したものが他と比べてどうなのかを書いている人が多いからかが無くなってしまった。自分もその域に行ってからにしようと

[たかそら @yhatakasora]

思ってしまっているが、逆に言うと、基礎を発展させて研究することを何もできていないレベルということ。それを行うにはより具体的な行動をしないといけない。それが苦手かも。インプットで抽象概念や基礎を補うのは好きだけど、自分でやってみようっていうのが少ない気がする。

[たかそら @yhatakasora]

確かに。そうしないと日々を改善していく要素さえないのか。

[わんこPM @dx_saru]

「どうせズレるからスケジュールなんて立てなくていい」みたいに言う人、ズレたことにどうやって気が付けるのでしょうか

スケジュールは守るものじゃない
守られなかった理由を説明するためにある