「コードを書くだけ」の仕事は、もう回ってこない。｜すてぃお
実装スキルの価値は暴落していく、だから自分のポジショニングを明確にしよう、という内容でした。 1年経った今、答え合わせをすると、変化は僕の想定より速く進んでいます。特に、ジュニアエンジニアとミドルエンジニアの周辺で、目に見える形で変化が起きています。 今回は前回の続編として、「単純にコードを書くだけのエンジニア」に何が起きているのか、どう動くべきなのかを書きます。 先に結論を書いておきます。コードを書くだけのエンジニアの需要は、なくなりはしませんが、急激に減っていきます。 需要が減れば、年収は下がります。生き残る道は、コードを書く作業の外にあります。 ジュニアに渡していた仕事が消えた一番わかりやすい変化から書きます。シニアエンジニアが、ジュニアに仕事を渡さなくなってきています。少なくとも僕の周りでは、はっきりと起きている変化です。 元々、開発チームには、シニアがやるには手が余るような作業が
オントロジーは「先に決める」か「データから起こす」か
オントロジーで AI に業務知識を渡す — AWS の OSS「Context Ontology Accelerator」を試してみた が話題になっています。オントロジーをテーブルや文書から起こして提案を人が確認して使うという話です。 現場では部署ごとに「売上」の意味が違いエージェントが誤った数字をすぐ拡散します。原因の一つはオントロジーの作り方の違いです。実務の答えはコアを人が設計し周辺は AI に起案させることです。 同じ「オントロジー」でも作り方は大きく二つあります。 一つはデータが来る前に実体と関係の型を決めておくやり方です。この記事では明示型（事前定義）と呼びます。 もう一つはすでにあるスキーマや文書から意味の構造を起こすやり方です。この記事では推論型と呼びます。 オントロジーを自動で作成するというのは推論型を指すことが多いです。 実務では二つを混ぜることも多いです。ポイントは正
AIを「使う」と「実装する」は別物だ｜AI実装OS｜業務を構造で組み替える
AIツールを触っている人は多い。AIを業務に実装している人は少ない。 この2つは同じ線の上にない。使う量を増やしても、実装には到達しない。別の作業だからだ。 このアカウント（kouzou_ai）は、その「別の作業」のほうだけを記録する。 1. 「使う」と「実装する」の境界線使うとは、思いついたときにチャット欄へ質問を投げること。出力の良し悪しは、その日の自分の言語化の調子で変わる。良い答えが返ってきた日は、なぜ良かったのかを誰も記録していない。だから再現できない。 実装するとは、判断基準を業務の外側に固定し、検査を自動化し、誰が何回回しても同じ品質が出る状態を作ること。出力が悪かったときに、修正すべき場所が特定できる状態を作ること。 境界線はここにある。出力が悪かったとき、直す対象が「自分の書き方」なのか「システムのどの層か」なのか。 前者は毎回ゼロからやり直しになる。後者は一度直せば以後
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
AI実装OS｜業務を構造で組み替える｜note
