George Leimer氏は、その画像を見てすぐに何を示しているのか分かったと述べた。

最近、Yahoo Financeのプロダクト責任者との通話中、人工知能の前後で仕事がどう変わるかを示す比喩として、2つのハンバーガーが横に並んだスライドが映し出された。Leimer氏は画面に身を乗り出し、「まさにそれだ」と語った。

そのスライドは、Princetonのコンピューター科学者で、最近ソウルで開催されたInternational Conference on Machine Learningで基調講演を行ったArvind Narayanan氏によるものだった。Narayanan氏の図では、「Traditional」と書かれたハンバーガーには、仕事の実行層、つまりコーディング、デバッグ、タスクの遂行を表す厚いパティが、比較的小さなバンズに挟まれている。一方、「With AI」と書かれたハンバーガーでは、パティは薄い層に縮小し、上のバンズである「decide」と下のバンズである「deliver」が大きく膨らんでいる。

この比喩は、知識労働の変化を表している。かつて仕事の最大部分を占めていた中核的な作業は、AIによって圧縮されつつある。しかし、その実行層の上と下にある人間の仕事は消えていない。むしろ、何を作るべきかを決める仕事、そしてそれを検証し、統合し、提供する仕事が拡大している。Leimer氏の言葉を借りれば、仕事はますます「仕事について話し合うこと」になりつつある。

「私たちは集まって互いに話し合い、本当に確かな確認と確信を持てるようにします。つまり、これが私たちのやることだ、と。そして、これがエージェントを解き放つ方法だ、ということです」とLeimer氏は述べた。

Leimer氏のチームは、Fortuneが最初に報じた時点で公開から約2カ月が経っていた新しい投資プロダクト、AlphaSpaceの開発を主導した。その期間に同チームは100以上の新機能をリリースしており、Leimer氏は、実行層がいかに速く加速しているかを示すペースだと説明した。同氏がFortuneに語ったところによると、ユーザーは平均的なYahoo Financeユーザーと比べてAlphaSpaceで3x長い時間を費やしており、同チームはUnusual Whalesとの提携を通じてリアルタイムのオプションデータを追加するなど、フィードバックに迅速に対応できている。

Leimer氏によれば、かつて2週間かかっていたスプリントは現在24時間で進む。朝に計画を立て、その日の終わりまでに出荷し、夜に作業を振り返る。あるケースでは、金曜日の午後4時45分にユーザーからフィードバックが届き、その日の午後8時30分までに問題は修正され、レビューされ、デプロイされた。

ソフトウェアチームにおいて、このようなサイクルはアジャイルスプリントの意味を変える。AIツールによって実装が速くなるなら、希少なリソースはエンジニアリング時間だけではなく、正しい問題を選び、成果物を点検し、それが出荷に十分な安全性と有用性を持つかどうかを判断するチームの能力になる。

「昔なら」とLeimer氏は言う。「『来週にはリリースできません』となっていたでしょう」

決定・実行・提供のサンドイッチ

Narayanan氏はこの枠組みを「decide-execute-deliver sandwich」と呼ぶ。同氏の見方では、ほとんどの知識労働には3つの層がある。上の層は、何を作る必要があるのか、そしてなぜ作るのかを決めること。中央の層は、実行、つまり実際の実装。下の層は提供であり、統合、テスト、検証、長期的な説明責任を含む。

AIエージェントは中央の層を圧縮している。Narayanan氏の主張は、実行層はもともと仕事全体の約3分の1にすぎなかったというものだ。外側の2つの層は単に残っているだけではなく、拡大している。

「AIが中央の層を圧縮するにつれて、第1層と第3層はおそらく拡大している」とNarayanan氏はICMLの聴衆に語った。構築がより安く、速くなると、プロジェクトを始めることは容易になるが、どのプロジェクトが重要かを決め、生み出されたものが信頼できるかを検証するペースを維持することは難しくなる。

AIが技術的障壁を下げるにつれ、役割の境界は曖昧になる

長年、大手テクノロジー企業のプロダクトチームは、それぞれの人が「できないこと」を前提に組織されることが多かった。デザイナーは静的なモックアップを作成し、エンジニアがそれを動くコードに変換するのを待った。プロダクトマネージャーは要件を書いたが、アイデアが機能するかを検証するには開発者が必要だった。アナリストはデータを理解していたが、本番システムは構築しなかった。

Yahooのチームによれば、AIがソフトウェア構築に関わる「構文」の多くを自動化するにつれて、そうした境界は以前ほど固定的ではなくなっている。

同社のAI回答エンジンであるYahoo Scoutを担当するチームでは、プリンシパル・プロダクトデザイナーのNick Lockington氏がGoogleのVertex AIに直接プロンプトを入力し、新機能向けの構造化されたJSONロジックを生成するよう求め始めた。後にあるエンジニアは、Lockington氏が従来の構築フェーズを迂回し、プロンプトを通じて実質的に機能するAPIを作成したと指摘した。

「完全な『なるほど』の瞬間でした」と、このプロジェクトのディスティングイッシュト・ソフトウェアアプリケーションエンジニアであるDavid Grandinetti氏は、Yahooのブログで述べた。「Nickはすぐに、私たちのチームで最もレバレッジの効いたエンジニアになりました。彼は最も高い抽象度で仕事をしていたからです」

チームの他のメンバーも同様の道をたどった。コードコミットが多くなったあるデザイナーは、社内で「デザインエンジニア」と呼ばれるようになった。ユーザビリティに優れた感覚を持つあるエンジニアは、「エンジニアリングデザイナー」と呼ばれた。

Yahooの幹部は、重要なのは職種名が消えているということではないと述べている。むしろ、役割は、手作業で書けるコードだけではなく、その人が責任を持つ意思決定によって定義されるようになっている。デザイナーは今もユーザー行動や美的判断を担う。エンジニアは今もアーキテクチャと安全性を担う。しかし、どちらのグループもAIツールを使って直接構築し、反復できるようになっている。

「これは意思決定の速度を高め、実験コストを下げることに関するものです。そうすることで、チームは5つではなく100のアイデアを試し、従来の技術的負債の負担なしに失敗を素早く捨てられます」と、YahooのバイスプレジデントであるStephane Koenig氏は述べた。「それにより、人間の専門性を、AIにはない文脈が必要な最も難しい意思決定のために取っておくことができます」

Leimer氏もFortuneとの会話で同様の点を述べた。仕事は今や、大部分が仕事についての対話になっている。「私たちは集まって互いに話し合い、本当に確かな確認と確信を持てるようにします。つまり、これが私たちのやることだ、ということです」と同氏は語った。

Leimer氏は、リスクは、AIによって「作りたいものを何でも作る」ことが容易になるため、チームが今後、仕事の上位層について特に「本当に慎重」である必要があることだと付け加えた。

Leimer氏は、上司であるYahoo Media Group PresidentのRyan Spoon氏からの助言を引用した。「何を作るかについて、本当に確信を持つことが重要です」。チームはほぼ何でも、ほぼ瞬時に作れるからだ。以前は、エンジニアリングリソースが限られていたため、組織は上のバンズに相当する部分にかなりの時間を費やしていたと同氏は述べた。「エンジニアの時間を1秒たりとも無駄にしたくなかったのです」。現在のリスクは、不要なものを瞬時に作ってしまうことだ。これは、McKinseyのグローバルテクノロジーおよびAIリーダーであるKate Smaje氏が以前Fortuneに語った「false productivity」の罠というパターンである。

Leimer氏は、世の中で粗雑なAI生成の仕事、しばしば「AI slop」と呼ばれるものを目にするとき、それは「基本的にバンズが非常に薄い」状態を反映していると述べた。そうした場合、人間は、ハンバーガーの実行部分がほとんど何もないところまで圧縮されているため、成果物として何を公開しているのかについて十分に慎重ではなかったことになる。

この動きには測定可能なコストが伴う。専門家の間では、適切な検証を経ずにレビューに回されたAI生成のメールや業務成果物を指す「workslop」という言葉が使われ始めている。Harvard Business Reviewに寄稿した専門家らは、この問題は単にいら立たしいだけでなく、生産性を損なうものだと論じている。Techdirtが引用した報告によると、Stanford Social Media Labは、従業員10,000人の企業で年間$9 millionのコストになると推計した。

この懸念は、企業がAIのデモから日常的なワークフローへ移行する中で特に重要になる。下書き、プロトタイプ、生成された機能は、ユーザーニーズ、セキュリティ要件、データの正確性、組織自身の基準に照らして確認される前に、完成しているように見えることがある。

意思決定疲れが新たな制約になる

これらの例を総合すると、AIは現時点では完全な自動化エンジンというより、コラボレーション技術であるというNarayanan氏の見方を裏付けている。同氏は、ほとんどのAIエージェントは依然として高リスク環境での信頼性に課題を抱えており、企業は完全自動化されたプロセスよりも、人間が関与するシステムを選ぶ傾向にあると主張している。

Yahooでは、その結果は直ちに雇用喪失として現れるのではなく、意思決定疲れとして表れていると幹部らは述べている。AIによってチームははるかに多くの機能を試し、構築できるようになるため、ボトルネックは、プロダクトマネージャー、デザイナー、エンジニアが慎重に行い、レビューし、完成まで導ける意思決定の数になる。

Lockington氏は、AIが職場で役割が重なり合う複雑さを解消するわけではないと述べた。「従来なら、『なぜこのエンジニアがデザイン作業をしているのか』や『なぜこのデザイナーが私の仕事をしているのか』と尋ねる人がいたかもしれません」と同氏は語った。同氏は、チームがそうした問いに対処するために必要な心理的安全性をKoenig氏が作り出したと評価した。「私たちはそれを崩すことができました」

Leimer氏は、そうした安全性が存在すると、仕事は「本当に楽しい」ものになると述べた。およそ20年間のマネジメント経験により、出発点だった構築やコーディングの仕事から離れていた同氏は、この変化が人々のプロダクト開発の体験を変えたと語った。「今では、誰もがクールな仕事を持っています」と同氏は述べた。誰もが構築に直接貢献していると感じられるからだ。「それを作るためのプロセスに多くの時間を費やすのではなく、問題や自分たちが作っているものに人々が活気づくのを見るのも楽しいことです」

ハンバーガーの未来、そしてピザという選択肢

Narayanan氏は、仕事が変わらないままでいると想定することに警鐘を鳴らしている。同氏は、企業がAIを中心に再編されるにつれて、数十年にわたる構造的適応が起こると述べており、電力によって組立ラインが可能になった後に工場が経験した40年に及ぶ移行になぞらえている。

ただしこれまでのところ、ソフトウェア、法律、医療、コンテンツ翻訳などの分野で見られるパターンは、AIの普及に伴って人間の仕事への需要が移動し、拡大するというものだ。放射線科医はAIを導入している一方で雇用は増えている。弁護士は草案作成が容易になったため、より多くの訴訟を提起している。機械翻訳が人間並みに近づいてから何年も経つが、翻訳者の仕事は安定している。何を、どれだけ多くの言語に翻訳できるかに固定的な上限がないためだ。

Yahooの経験は、ホワイトカラーの仕事も、より複雑ではあるが同様の道をたどる可能性を示している。技術的障壁が低下するにつれ、同社幹部は、個人の主体性と判断力がより重要な差別化要因になっていると述べている。重要なのは、誰がコードを書けるかではなく、どの問題が解く価値があるかを誰が決め、AIが生み出したものをどう検証できるかだ。

Leimer氏には、食べ物の比喩をさらに広げ、同氏のPhiladelphiaとのつながりと、同市の有名なcheesesteakに触れた質問が投げかけられた。cheesesteakを特徴づけるのは肉だけでなくItalian hoagie breadでもあるとすれば、それは仕事の未来にも当てはまるのか、という問いだった。

Leimer氏は、より大きなボトルネックは「bottom bun」、つまり提供層だと述べた。チームが何をするかを決めると、作業そのものはほぼ瞬時に生み出されるかもしれないが、提供は依然として難しい。「他のあらゆることを処理しなければならず、レビューしなければなりません」と同氏は述べ、作業がボタンを押すだけでリリースできるように見える場合であっても、セキュリティリスクやデプロイパイプラインを構築する必要性に言及した。

金融情報に結びついたプロダクトでは、その提供層にはソフトウェアのデプロイだけでなく、データ品質、権限、信頼性、ユーザーの信頼も含まれ得る。コードやインターフェースをより速く生成できるからといって、そうしたチェックが消えるわけではない。

人間の仕事が意思決定に集中し、タスクがトッピングほどの規模に縮小し、提供がシームレスになるような、ピザやフラットブレッドに近い形が到達点なのかと問われると、Leimer氏は笑って「そんな感じです」と答えた。

Narayanan氏のハンバーガーの比喩では、AIはすでにパティを薄くしている。拡大するバンズこそが、仕事、責任、リスクが今存在する場所だ。企業が仕事をより平坦で持続可能なものへ再設計できるかどうかは、今後数年、場合によっては数十年にわたる未解決の問いとして残っている。

This story was originally featured on Fortune.com.