ここ最近、Claudeをサポート対応で使っています。まだ間違った判断やアクションプランを出してくることはありますが、ある程度経験があって、出てきた内容が正しいか判断できれば、そのままお客様に出せるレベルの回答もかなりあります。

最近はログ調査も任せていますが、ものすごい速さで解析します。技術的な調査や現状の整理だけなら、AIの方がはるかに速いと感じます。

今後は、ある程度経験がある人ほどAIをどう使うかで差がかなり広がると思います。特にサポートだとKPIには顕著に出てくるでしょうね。

そういう環境になると、ただケースをこなしているだけではプロモーションは難しいと思います。実際に上がっている人を見ると、指名でエスカレーションが来たり、トレーニング資料を作って他のメンバーに教えたりしています。シニア以上になると、ケースをやっているだけではなく、組織の中である程度目立つことも必要だと思います。

また、最近転職活動をしていて思うのは、面接で基礎的な質問をまだしている会社が結構多いことです。AIに聞けばすぐ分かるようなことをあえて聞かれると、そこはあまり進んでないなあと感じます。正直、そういうことを細かく記憶して何になるんだろうとも思います。

知識があることより、出てきた情報が正しいのか、その状況に当てはまるのか、次に何をすべきなのかを判断できる方が大事だと思います。AIが普通に使われるようになると、技術者に求められるものもかなり変わってくるんじゃないですかね。

私はプロダクト開発のエンジニアですが、組織的な貢献がより求められる感覚はほぼ同じで、ミニPM的な動きを一層意識していたりします。

「ミニPM」というのはAnthropicの方へのインタビュー動画で出てきた表現でした。

---

https://x.com/lennysan/status/2041166073794592926

1. Claude Code により、5 人のエンジニアチームが今や 15〜20 人分のアウトプットを出す。しかし PM とデザインの生産性は同じ比率では伸びていない。結果として比率が圧縮され、1 人の PM が実質的にはるかに大きなエンジニアリングチームのアウトプットを管理する状態になっている。Anthropic のグロースチームの対応は 2 つ。PM をさらに増やすこと（！）、そしてエンジニアリング工数が 2 週間未満のプロジェクトについては、プロダクト志向のエンジニアを「ミニ PM」として正式に任命することだ。

サポートではなくデータサイエンスとSRE関連のエンジニアですが、ネットワークのファイアウォール等フィルタリングに間違った設定がが流れて動かない、みたいな探せば答えが見つかるレベルに関してはコンテクストをもったAIのが調査能力が高いと感じてます

逆にデータサイエンス分野の仮説立てからの実験計画やシステムのデザインとその進め方みたいな大まかな舵取りは苦手で局所的なタスクの固執してしまうのでその分野ではまだまだ人間が必要です

あくまでN=1の事例ですが…

何年もITコンサルとして顧客の業務分析してエンジニアリングまでやってきてたのですが、その中でなんとか乗り越えたけど、これつらかったなぁ、2度とやりたくないなぁみたいな経験をたくさんしてきました。

こういう個別の経験を抽象化して、ガイドラインとかそれを実現する仕組みを提案して形にしてきました。

で、気づいたらテックリードになってました。

言われたことだけやるより自分から提案していく動きができると仕事的にも楽しくなります。

今ならAIエージェントでプロトタイプはすぐ作れますしね。