登録して招待リンクを共有すると、動画再生報酬と紹介報酬を獲得できます。

検索結果 エンジニアのたの自己管理入門
エンジニアのたの自己管理入門 コミュニティ
1つのキーワードが1つのコミュニティです。
コミュニティ作成
アカウント
見つかりません
エンジニアのたの自己管理入門 を含む検索結果
エンジニア本大賞2027、ぜひ #エンジニアのたの自己管理入門# へ、投票お願いします!
AI時代のエンジニアリング組織論 ■ 開発工程のボトルネックはコーディングから製品設計とコードレビューへ移行する リーガルAIのLegoraは、創業18ヶ月でARR1億ドルを突破し評価額56億ドルに達した最速のB2B企業である。CTOのヤコブ・ラウリツェンは、AIツールにより従来のボトルネックだったコーディングのコストは劇的に低下したと語る。現在、開発の真の制限要因は、顧客ニーズを製品設計へ落とし込む作業と、生成されたコードのレビュー工程へ移行している。そのため、同社はPMが顧客との対話に集中できる時間を守り、エンジニアをシステム設計に特化させている。 ■ トークンの消費量競争は開発組織を歪ませる無意味な評価指標である 多くのエンタープライズ企業が陥る失敗が、開発者評価にAIトークン消費量を持ち込むことである。トークン消費を可視化するリーダーボードを作ると、エンジニアは評価のためだけに無意味にトークンを浪費し始める。ラウリツェンはこの「トークンマクシング」を愚策と一蹴し、AI使用量そのものを報酬評価にしてはならないと警告する。組織が評価すべきは開発効率と実際のアウトプットの質であり、デモ等を通じて効率化の工夫を共有し合う環境こそが不可欠である。 ■ 開発者体験に特化した専門チームの設置が組織全体の生産性を最大化する 同社は、わずか80名のエンジニアでAccelやBenchmark、NVIDIA等から8億ドル以上を調達した。現在、Legoraのコードの50%以上はCursorやClaudeなどのAIツールにより生成されている。この開発速度を維持するため、同社は3名の開発者体験(DevEx)専門チームを早期から設置した。彼らは、エンジニア1人あたり最大10個の自律コーディングエージェントを回し、独自のCIレビューボットを開発して全員の開発を支援している。結果としてエンジニア全員が約20%効率化し、新人の即戦力化も劇的に加速した。 ■ 複雑度の低い社内ツールは購入するよりバイブコーディングで自社開発する AI開発において、同社は社内ツールの導入基準として、機能の広さと複雑度の深さという2つの軸を設けている。既存製品を購入するよりも、複雑度が低く自社専用のカスタマイズが必要なシステムは、バイブコーディングで自作する方が安価になった。特に人事管理やオンボーディングシステム、データ移行アプリなどは、AIを使って自立的かつ高速に自社開発することが推奨される。汎用ツールに頼る手間を省き、社内のAIイネーブルメントチームが直接プロトタイプを開発して課題を瞬時に解決している。 ■ 組織を急成長させるためにはエゴのない優秀な人材の密度を高める Legoraが競合を圧倒して超高速成長できた最大の要因は、優秀なAプレイヤークラスのエンジニア密度を極限まで高めたことだ。特に5〜8人規模のスタートアップチームを丸ごと買収するアクハイヤー戦略は、高いチーム開発力を一瞬で取り込む上で効果的だった。この統合を成功させたのは、役職やタイトルへの執着を一切排除する「ローエゴ(低自己愛)」の徹底した採用基準である。ラウリツェンは、最も優れた成果を出せる者が役割を担う機動的な文化を築き、エゴの排除が企業の成長速度を決めると実証している。
もっと見る
ザッカーバーグの強権モードが発動中とはいえ、記事に該当しているエンジニアはキャリアを相当考えるだろうなぁ。 ・ザッカーバーグはモバイルOSの波に乗り遅れた過去があ李、AIという巨大なトレンドを絶対に逃さないという強い決意を持っている ・metaは過去にメタバースへ巨額の投資を行ったものの、パンデミック後に人々の関心が薄れ、その投資は十分な成果を上げなかった ・自社開発のAIであるLlamaモデルを進める中で2025年発表のLlama 4が不調に終わった ・そのため、AI戦略の立て直しを迫られた ・で、Scale AI社の株式を巨額で取得した。同社CEOのAlexandr Wang をAI戦略のトップとして迎え入れた ・Wangが得意とするのはAIの学習に必要なデータラベリングや、人間によるフィードバックを用いたモデルのファインチューニング ・彼の主導により、metaのエンジニアのタイピングやマウスクリックを強制的に監視してAIの学習データにするシステムが導入された ・この監視システムは事前の相談や拒否権なしにトップダウンで決定され、従業員のプライバシーに対する大きな懸念を引き起こした ・多くの反発を受けた会社側は、監視を一時停止する機能を追加するなどの妥協案を後日提示することになった ・同時期にプロダクト開発の中核を担うチームから30パーセントから50パーセントものエンジニアが、AIデータラベリング部門へ強制的に異動させられた ・meta社では従来、入社後に研修を経て自身の所属チームを自由に選べる文化があったため、この一方的な異動は大きな波紋を呼んだ ・異動先でのデータラベリング業務はAIが生成したコードをテストしてフィードバックを与える単調な作業 ・多くのエンジニアのやる気を削いでいる ・特にインフラストラクチャやセキュリティを担当するチームへの影響は深刻であり、優秀な人材が次々と本来の業務から引き剥がされた ・会社全体で10パーセントのレイオフが予告されたことで、一ヶ月にわたり従業員は自分が解雇されるかもしれないという強い不安にも苛まれていた ・metaの人事制度にて、自身の評価を相対的に高めるためにあらゆる指標を最大化しようとする政治的な動きが横行している ・新たな評価指標としてAIトークンの使用量が導入された ・なので、エンジニアたちは評価を上げるためだけに無意味にAIツールを多用し始めた ・人間による入念なコードレビューよりも、AIを使って表面的な生産性を高く見せかけることが自己保身の有効な手段となっている ・本質的なプロダクト開発がないがしろにされた結果、エンジニアたちは会社に嫌気がさし、外部の面接対策サービスの利用登録者が急増している ・不満を抱える中核メンバーを引き留めるために会社は特別ボーナスを支給した ・だが、それでも彼らの離職意欲を根本から削ぐには至っていない ・5月末には、オバマ元大統領などの著名人のInstagramアカウントが次々と乗っ取られるという、同社史上最も恥ずべき大規模な障害が発生 ・この障害はパスワードリセット時の本人認証プロセスが根本的に欠如しているという、非常に初歩的な脆弱性を突かれたものであった ・セキュリティチームの人員が半減させられていたことと、AIが生成したコードをAIがレビューするというずさんな開発体制が障害の最大の原因だろう ・障害発生の翌日には会社のCISOが辞任を表明 ・経営陣と現場との間に深刻な亀裂が生じていることがうかがえる ・社内の全体会議では、現状を強制収容所に例えて不満を爆発させる従業員が現れるなど、組織内の混乱はもはや隠しきれない状態になっている ・CPOでさえも現在のメタ社の状況を狂気(insanity of this company)と表現しており、経営トップが引き起こした社内環境の劣悪さを公式に認めている ・この一連の混乱の元凶は、既存の主力事業やエンジニアの尊厳よりも新しいAIモデルの開発を何よりも最優先とみなしたザッカーバーグの独断にある ・IT業界全体でも、AIの能力を過信してシステムの安全性を軽視する傾向が見られる ・これをAI psychosisと呼んで危惧する専門家の声が上がっている ・metaの広告ビジネス自体はAIの恩恵を受けて過去最高の収益を上げている ・だが、その基盤を支える組織を自ら破壊しているのは皮肉 ・エンジニアを単なるコストとみなす現在の経営体制が続く限り、優秀な人材の流出は避けられない ・他のテクノロジー企業にとっては絶好の狩場となっている
もっと見る
個人向けAIエージェントの4種類の記憶について。その人をどう理解して、どう接するかまで分けていたのが面白かった。 現 Grok @bot のエンジニアで、@newcomputer のCEOの @sjwhitmore による去年の講演の文字起こし 個人向けAIのDotを開発する中で、記憶の作り方をどう変えてきたかという話。今は事業を閉じて、Cursor/Grok Botチームにjoinしたみたい この考えが、 Grok @bot にも反映されてるのかな。 ---- まず、①心の理解 (Holistic Theory of Mind) 直訳すると、「心の全体論」で、人間の心を「理性」や「感情」、「意識」や「無意識」、「心」と「身体」といった個別のパーツに切り離して考えるのではなく、すべてが有機的に結びついた「分割できない一つの統一体」として捉える思想・アプローチのことらしい その人が何を大事にしていて、何を目指し、自分をどう捉えているか。毎回プロンプトに読み込む。昨日の話題とは別に、会話の前提として持っておくもの。 ---- ②出来事の記憶 (Episodic) 日ごと、週ごとの要約。昨日や先週の会話など、時期を聞かれたときに引き出す ---- ③人や物の記憶 (Entity) 人、場所、物などの名詞ごとに情報を持ち、検索アルゴリズム、意味検索、キーワード検索を組み合わせて探せるようにする 会話の1行ごとに更新し、重複しそうなものは定期処理でまとめ直す。この処理をdream sequencesと呼んでいた。人間が寝てる時に見る夢の仕組みかな ---- ④振る舞いの記憶 (Procedural) こういう状況ではこう接する、というメモ。たとえば、言葉に出ていない感情や動機がありそうなら、質問して確かめる。話題の意味が似ているかより、今の状況が似ているかで呼び出す。会話の内容だけでなく、次の会話での接し方も更新していく感じか ---- これらを並行して参照し、常に読み込む心の理解と、その都度必要な記憶を1つのプロンプトに合成する。本人が「フランケンプロンプト」と呼んでいたのは、この組み合わせが毎回変わるかららしい ---- この仕組みを、Notionで作ってみて、ChatGPT, Muse、 Grok Botで参照しあえたら面白いかな。 過去の出来事を探せることと、自分の判断軸を踏まえて接してくれることは分けて考えたい。 今は、ログを全部渡せても、何を大事にしている人なのかを読み違えたままだと、次の提案もずれちゃうし、自分についての解釈を、自己修復しつつ訂正できるところまで欲しいな
もっと見る
「設計するかどうかにかかわらず、すべての API チームはいずれエージェントのコンシューマーを抱える」——Pinecone エンジニアによるエージェントフレンドリー API 設計の論考が秀逸です。 Designing Agent-Friendly APIs エージェント向け API 設計の6原則を紹介するこの記事から、特に重要な3つのポイントを深掘りします。 🔴 注目1: エラーメッセージが「指示」になるかどうか `"Invalid request"` というエラーを返すだけでは、エージェントはバジェット(トークン予算)を無駄に消費しながら推測を繰り返します。正しい設計は「何が・なぜ・どう直す」の3要素をセットにすること。`"Response is too large. To reduce the size, try a lower top_k value."` のように具体的な回復手順を含めれば、エージェントは次のコールで自己修正できます。RFC 9457 Problem Details で機械可読エラーコードを安定提供し、認証エラーは「欠如」と「不正」を別コードに分けることも重要です。 🔵 注目2: エンドポイント1:1でのMCPサーバー化は失敗する 大規模 API をそのまま MCP サーバーに変換すると、エージェントはファーストコール以前に「数十万トークン」を消費しかねません。Cloudflare は `search()` と `execute()` の2つのツールだけで 2,500 エンドポイントへのアクセスを約 1,000 トークンで実現しています。`list_users` + `list_events` + `create_event` という3エンドポイントの代わりに `schedule_event` 1本を提供する——ワークフロー単位でエージェント面を製品として設計することが本質です。 🟡 注目3: TTFSC(Turns-to-First-Successful-Call)という新指標 著者は Claude Sonnet 5 をコールドな状態で Pinecone の API に当てた実験を公開しています。全3試行で無人成功、ファーストコールまでの中央値は **6ターン・約$0.30・約90秒**。生の REST を選んだエージェントはわずか3ターンで成功した一方、Python SDK を選んだエージェントはターンの「ほぼ半分」を call signature の解読に費やしました。廃止済みパッケージ名のインストールを試みたのは古いモデルで、現行世代は直接モダン API へ向かいました——LLMの学習データに刷り込まれた旧 API 形状が如何に影響するかを示す実例です。 エージェントはこれまで開発者が暗黙に吸収してきたコストを「可視化・課金可能・チャーン誘発」な経済コストとして外部化します。AX(Agent Experience)はDXと並ぶ必須の設計軸になりつつあります。 #APIデザイン# #AIエージェント#
もっと見る
開発者の生産性指標であるDORA、SPACE、DevExを統合したDX Core 4の解説記事からメモ。 ・開発者の生産性測定は難しく、ダッシュボードの海に溺れてしまうリーダーが多い ・DORAやSPACEといった指標のどれを使えばいいか迷う企業も少なくない ・そこで記事で提唱しているのが、それらを統合したDX Core 4というフレームワーク ・スピード、有効性、品質、ビジネスインパクトの4つの次元で構成 ・重要な特徴は、複数の次元を組み合わせることで指標のゲーム化を防ぐ点 ・例えばエンジニアあたりのDiff数は、単独で使うと開発者の恐怖を煽りやすい ・ただ、これを開発者体験の指標(DXI)などと組み合わせることで、有用なシグナルとして活用できる ・データ収集には、システム指標に加えて自己申告による計測の併用を推奨している ・システムからのデータ抽出のみに頼ると、ツールの統合などに膨大な時間がかかってしまうため ・なので、自己申告データを利用して素早くベースラインを作るのは1つの手
もっと見る
SaaS企業のDeveloper PlatformやAPI、これまでずっと「開発者向け」のサイドプロジェクト扱いだった。でもMCPが出て、エージェントがCLIを普通に叩ける世界になると、これが「新しいUI」になる。変わるのはUIだけじゃない。ディストリビューションの形そのものが変わる ──── 従来のSaaS企業はAPI周りのディストリビューションを「セルフサーブ」で回してきた。ドキュメント書いて、DevRelコミュニティ作って、自己学習・自己解決を促す。Salesforceにいた時もまさにこれだった。開発者が自力で学べるから成立してたディストリビューションモデル ──── でもエージェント経由でAPIを使うのが非エンジニア含めた大量のユーザーになると、セルフサーブ型のディストリビューションは破綻する。エージェントが操作するインターフェースこそがSaaSの最大の顧客接点になるのに、多くの企業はいまだにAPIをコアプロダクトの「別枠」扱いしてる。リソースもドキュメントも本流とは別の位置づけ ──── ソフトウェアを本気でヘッドレス化して業務に溶け込ませるなら、ディストリビューションそのものを変えないと。APIやMCPにコアプロダクトと同等の投資・サポート・体験設計を。「デベロッパー向けだから」で済ませてた時代はもう終わりつつある。ここに気づけるかどうかが次のフェーズの分かれ目だと思う
もっと見る
マネジメント色でありながら、どうやって技術力を保っていくか、という話。 ・EMにとって技術的習熟もはやオプションではなく必須のスキル ・技術的習熟とは、チーム内で最も優れたプログラマーになることを意味するではない ・システム構造や技術的な課題を的確に理解する能力のこと ・マネージャーが技術を理解していると、エンジニアは自分たちの状況や苦労を正しく代弁してくれると感じて強い信頼を寄せる ・技術的な知識があれば、現場のエンジニアの作業を中断させて質問することなく、マネージャー単独で迅速に意思決定ができる ・また、技術詳細をマネージャー自身が把握しておくことで、経営層などのステークホルダーに対する報告やフィードバックのサイクルを短縮できる ・他に、チームの業務に必要な技術的要件を正確に把握できるようになるため、採用活動においてもより優秀なエンジニアを見極めやすくなる ・マネージャーが技術力を維持し向上させるための実践的なアプローチとしては、主に4つの方法が存在する ・第一の方法は、AIに対する適切な指示出しであるプロンプトエンジニアリングのスキルを抑えること ・第二の方法は、現場のエンジニアと一緒に具体的なタスクに取り組みながら学ぶこと ・この共同作業はエンジニアの本来の業務を圧迫しないよう、ロードマップに影響しない優先度の低いタスクを選んで実施すると良い ・一緒に作業をする際は、評価目的ではなくマネージャー自身の学習目的であることを率直に伝えておく(負担になるから) ・第三の方法は、チームの業務に関連する特定の技術ドメインをひとつ選び、その分野の専門知識を計画的に身につけること ・第四の方法は、システムの将来性や保守性を大きく左右する重要なアーキテクチャ設計のレビューに積極的に参加すること ・技術的習熟は一度で終わるものではない ・日々の小さな積み重ねによる継続的な自己投資によるもの
もっと見る
画面共有でいろんなエンジニアの手元を見るタイミングがあったんだけど、見事なまでにつよつよエンジニアほどタイピングが速かった。 最初はコードだったので「熟練してる分だけ速くて当然」と思った。 でも日本語を打つときも、やっぱり速い。圧倒的に差がついている。 というわけで僕の観測範囲では、エンジニアとしての実力とタイピング速度にはかなり相関がある。 AIでコードを書くのが当たり前になった以上、これから誕生するつよつよエンジニアに通用する物差しではない。 だけど、「今この時点で」強いエンジニアかどうかを測る指標としては、十分機能すると思いました。
もっと見る
AIは「本物のエンジニア」の仕事をこなせるのでしょうか? タイトル: PLE: Physical-Engineering's Last Exam URL: 機械・電気・土木・構造の実務を再現した、85件の長時間エージェントタスクのベンチマークです。 注目ポイント 🏗️ 実務そのままのタスク 平均約61ファイルのPDF、CAD/BIM、やり取りの記録から、計算ワークブックや図面など有資格者がサインできる形式の成果物を作ります。現役エンジニアが作った44件と、Creator-Solverで難化させた41件で構成されます。 💰 コストまで採点 法規に通るだけでは足りません。証明済みのコスト下限に対する比も採点し、準拠しただけの設計には目的点を与えません。全コード検査を通っても、コストが20%以上違う設計があるためです。 📉 最強でも50.6% 最高はClaude Code上のClaude Opus 5.5の50.6%で、唯一50%を超えました。主な失点はハード制約で、制約の平均91%は満たしても、全ハード制約を満たしたのは41.3%でした。オープンウェイトは7%未満です。 モデル選びがハーネス選びより遥かに重要で、自律的な工学設計にはまだ遠いことが分かります。 #AIエージェント# #ベンチマーク#
もっと見る