AI 時代のソフトウェアエンジニアリングリーダーシップの未来を形作る

要求の厳しいテクノロジー環境で競争力を維持するには、強力で適応性の高い製品だけでなく、それを構築、保守、進化させるエンジニアリング人材も必要です。ソフトウェアエンジニアリングチームが効率的に規模を拡大し、新しい課題に取り組むことができるようにするには、企業はそれらのチームがより少ないリソースでより多くのことをより良くできるようにする方法を再考する必要があります。

人工知能 (AI) は、チームの創造、コラボレーション、イノベーションの方法を形作る基本的な力となっています。AI 主導のツールが開発ライフサイクルに深く組み込まれるにつれて、エンジニアリングリーダーは、自動化と人的監視のバランス、人材戦略の適応、生産性指標の再定義といった新たな課題に直面しています。

AIは開発時間を短縮し、エンジニアがより高いレベルの問題解決に集中できるようにします。また、一般的なコーディングエラーを最小限に抑え、ソフトウェアの信頼性と保守性を向上させるのにも役立ちます。AIは、プログラミング知識のギャップを埋めることで、経験の浅い開発者を支援することもできます。

しかし、これらのメリットには課題も伴います。たとえば、AI で生成されたコードは常にベストプラクティスに従っているとは限らず、非効率性、セキュリティの脆弱性、または意図しない動作につながる可能性があります。AI モデルは、なぜ特定のアウトプットを生成するのかを常に説明しているわけではなく、デバッグを困難にする一方で、ビジネスロジック、プロジェクトアーキテクチャ、微妙な要件を誤解することもあります。そのため、より広範なシステムや組織との連携を確保するには、人間による監視が不可欠です。

最近、エグゼクティブ・リーダーズ・ネットワークと共同で主催した円卓会議で、他のソフトウェア・エンジニアリング・リーダーと話をして、AI の意味を探りました。人間が主導する意思決定の価値を維持しながら、組織がAIを効果的に活用する方法についての洞察を提供しました。

ソフトウェアエンジニアリングにおけるAIの役割:バランスを取る行為

GitHub によると、開発者は時間の 75% をコーディング以外の作業に費やしています。この統計は、ソフトウェアエンジニアリング分野における長年の課題を浮き彫りにしています。それは、エンジニアが管理オーバーヘッドではなく価値の高い問題解決に集中できるようにワークフローを最適化することです。

円卓会議では、参加者はAIを活用したツールを使った経験を共有し、生産性の向上を測定することの利点と複雑さについて話し合いました。たとえば、ある国際投資銀行のあるテクノロジーリーダーは、AIがサポートするコーディングを何千人ものエンジニアに展開した経験について詳しく説明し、AIが人間の能力に取って代わるのではなく強化することを保証しながら、ROIを正当化する必要性を強調しました。また、コードの品質とガバナンスを維持するために、AI アシストコーディングにおける継続的な人間による監視の必要性を強調する意見もありました。

AI 時代の人材戦略の再考

もう1つの話題は、タレントマネジメントと、現代のソフトウェアエンジニアリングに求められる進化するスキルセットに関するものでした。「スキルの半減期」という概念が懸念事項として浮上しました。技術的な専門知識はかつてないほど急速に時代遅れになり、ソフトウェアエンジニアは常に適応する必要に迫られています。これには、継続的なスキル開発とそれに伴うコストも必要です。

一部のリーダーは、特定のツールで数年間経験してきた問題解決能力と適応力を強調しながら、AIが活用された世界で人材を採用し維持するための戦略を共有しました。あるエンジニアリングディレクターは、深い技術的専門知識と学習能力と進化能力とのバランスを取ることの難しさを指摘しました。これは、以前の経験と同じくらい将来の可能性に関するものであるため、職務明細書に書くのは非常に難しいことです。

もうひとつ繰り返し取り上げられたテーマは、AIをワークフローにシームレスに統合できる、フルスタックのジェネラリスト（ソフトウェア開発エコシステムを総合的に理解しているエンジニア）の価値でした。さらに、参加者は、さまざまな状況でAIの可能性を最大限に引き出し、技術的な意思決定において多様な視点を確保するために、シニアとジュニアの人材を混在させることの重要性を強調しました。

AI を念頭に置いたエンジニアリングチームの構築

議論は、AIを組み込む際にソフトウェアエンジニアリングチームをどのように構成すべきかに移りました。私のゲストの一人は、エンジニアリングチームを AI 主導の開発に完全に移行するのではなく、AI プログラミングアシスタントによって補完すべきだと提案しました。

これにより、ガバナンス、倫理的考慮事項、AI開発における人間の価値の重要性について、幅広い議論が交わされました。ある出席者は、AIモデルに倫理を組み込む前に、チームは組織内で明確な倫理ガイドラインを確立する必要があると指摘しました。たとえば、個人データの取り扱い方法や公正で合法的な使用とはどのようなものかなどです。

AIは、要件収集、テスト、デプロイの自動化など、コーディング以外のソフトウェア開発ライフサイクルの他の側面にますます影響を与えています。この総合的なアプローチでは、エンジニアリングリーダーは、人間の専門知識と AI によって生み出される効率性の間で責任をどのように分けるかを再考する必要があります。それぞれには提供できる価値のあるものがあり、その価値を最大限に発揮することがリーダーの役割です。

AI 拡張世界における生産性の測定

セッションで議論されたトピックの1つは、組織がAIのコンテキストで生産性をどのように測定すべきかということでした。コードの行数を数えるなどの単純な方法は、意味のある出力の指標としては不十分だと批判されました。代わりに、私たちのリーダーは、DORAのような確立された業界指標を使用することを提唱しました。DORAは、独立した開発者のアウトプットではなく、より幅広いチームのパフォーマンスに焦点を当てています。

コンセンサスは明確でした。生産性の測定は具体的なビジネス成果に結び付けられなければならないということです。AI主導の効率化は、ソフトウェアの品質、配信スケジュール、エンドユーザーエクスペリエンスを大幅に改善する場合にのみ価値があります。ある出席者は、経営幹部チームは多くの場合、それを達成するために使用される特定のプロセスよりも、タイムリーなデリバリーを重視していることが多く、AIイニシアチブとビジネス目標を戦略的に連携させる必要性が強調されていると指摘しました。

ソフトウェアエンジニアリングにおけるAIの実用化

ディスカッションは、AIをソフトウェアエンジニアリングのどこに最も効果的に適用できるかについての実用的な洞察で締めくくられました。新しい開発者のオンボーディング、開発者フローの維持、制作上の問題の解決、技術的な質問への回答という4つの主要分野について概説しました。

自然言語でコードを自動的に文書化するAIの機能により、新しいチームメンバーのオンボーディングプロセスを合理化し、立ち上げ時間を短縮し、知識の獲得と伝達の継続性を確保できます。一方、統合開発環境（IDE）内のAIを活用した検索および知識抽出ツールを使用すると、必要に応じて関連情報を即座に表示したり、他の利害関係者からの質問に答えたりできるため、開発者はフロー状態を維持できます。

エンジニアリングリーダーシップにおけるAIの未来

ソフトウェアエンジニアリングがAIとともに進化する中、リーダーは、イノベーションを推進する人間の創意工夫と創造性を維持しながら、自動化を活用するという微妙なバランスを取る必要があります。私たちの会話では、AIは有能なソフトウェアエンジニアに代わるものではなく、成功をもたらすものであり、最も効果的なリーダーは、技術的な先見性と倫理的および戦略的リーダーシップを融合させた人々であることが強調されました。

私の考えでは、これからの道のりは、AIツールを使いこなすだけでなく、破壊的な脅威ではなく協力の力としてAIを受け入れるようにソフトウェアエンジニアリング文化を再構築することでもあります。

Glean の詳細と、AIを機能させるために私たちがどのように支援できるかを知るには、 無料デモ 今日または見る AI を活用したエンジニアリング ウェビナー。