AI 時代でも温かみのある調査をしたい

ほんまでっか SRE 勉強会 #2 で発表したスライドです
https://honmadekka.connpass.com/event/402696/

Transcript

1. AI 時代でも温かみのある 調査をしたい id:KashEight 2026/08/27 ほんまでっか SRE 勉強会 #2 1
2. $ whoami • kash (id:KashEight) ◦ 呼び名はかしわです • 株式会社はてな SRE ◦ システムプラットフォームチーム • 新卒 3 年目 2
3. 最近の仕事 • AI でコード書く • AI で Issue/PR 文を書く • AI と議論する • AI で調査させる 3
4. 最近の仕事 • AI でコード書く • AI で Issue/PR 文を書く • AI と議論する • AI で調査させる 4
5. AI に大体任せてる 5
6. だってさ？ • (ほとんどの場合) 早い、楽、自分より正確 ◦ やることは分解すればシンプルなもの ◦ 誰かが思いつくし、やればできる ▪ 誰かが思いつくものは当然 AI も思いつく • 足りなかった部分は自分で補える ◦ e.g.) Skill にしたり、最悪自分で修正したり 6
7. ただし… • 任せてて “つまらない” と感じるときがある ◦ 助かるけど、新鮮さに欠ける感じ ◦ もちろん “面白い” こともたくさんあるが… • もっと “面白い” ことをたくさんしたい！ ◦ これが本音 ◦ 何故 “つまらない” と感じるのか？ 7
8. “つまらない” 8
9. “つまらない” を深掘り • “つまらない” の例 ◦ ライブラリアップデート ◦ 設計を文書にする ◦ CI/CD、renovate などの整備 ◦ わかりきったコンフィグを書く 9
10. “つまらない” を深掘り • “つまらない” の例 ◦ ライブラリアップデート ◦ 設計を文書にする ◦ CI/CD、renovate などの整備 ◦ わかりきったコンフィグを書く • → 答えが既にわかっていてただやるだけのもの 10
11. AI の仕事と “つまらない” 仕事 • AI に任せられる仕事 ◦ = 答えが既にわかっており、ただやるだけになっている ◦ “つまらない” と感じる理由 • AI に任せられない仕事 = “面白い”？ ◦ そうでもない ◦ 答えがない、やり方が全くわからないのも “つまらない” 11
12. “面白い” 12
13. “面白い” を深掘り • “面白い” の例 ◦ 人のコードをただ眺める ◦ 使っているライブラリの実装を見る ◦ 他チームの設計がどうなっているか見る ◦ 目的を達成するために複数のやり方を考える 13
14. “面白い” を深掘り • “面白い” の例 ◦ 人のコードをただ眺める ◦ 使っているライブラリの実装を見る ◦ 他チームの設計がどうなっているか見る ◦ 目的を達成するために複数のやり方を考える • → 自分が知る、見える、理解するができる 14
15. “面白い” とは • 知る、見える、理解するができる ◦ これらがないと “つまらない” ◦ 必要ないことかもしれないが、わざわざやる • このプロセスが温かみのある調査 ◦ これが自分がやりたいことで、今回の本題 ◦ プロセスを分解して見てみる 15
16. 知る • どうしてこうなっているのかわかる ◦ 当時の歴史的背景、技術スタックなど • 状況に応じて自分が触れる ◦ ソースコード、コミットログ、git blame による調査 ◦ 実際にサーバに SSH する 16
17. 見える • 状態がわかるようになっている ◦ A という入力をすると B という出力になる ◦ メトリックを取って、計測/可視化する • 比較をする ◦ 一年前と比べて N 倍早くなった 17
18. 理解する • そこにあるものを相手に説明できる ◦ 「あーこれ、〇〇 という理由でこうなっているよ」 • 面白さを伝えられる ◦ 「この経緯、このページに書いてあって面白いよ」 • 一緒に共感できる ◦ 今回の勉強会など… 18
19. AI を使っているとき • 色々かっ飛ばせる ◦ ここらへん怪しそう → AI に調べさせる → 判断 ◦ 調べさせる段階であんま見ない ▪ もちろん判断時に確認はするが、大体当たっている • この時点ではまだ “面白い” 部分がある ◦ 判断時に自分で調べるとか、理由を述べさせるとか… 19
20. AI での “つまらなさ” • “つまらない” ことをやる比重が上がってる ◦ = 答えが既にわかっており、ただやるだけのもの ◦ 難易度は高くないのですぐ任せられる ▪ パッと終わらせようというインセンティブが働く ◦ かつ、“つまらない” ことは無限に出てくる 20
21. ここまでは体感の話 21
22. 理論として • Work design/Job design と言われるもの ◦ 古いものだと Job characteristics model (JCM) ▪ (Hackman & Oldham, 1976) ◦ 最近のものだと SMART model ▪ (Parker & Knight, 2024) • 仕事に対する心理学的なアプローチがある Hackman, J. R., & Oldham, G. R. (1976). Motivation through the design of work: Test of a theory. Organizational Behavior and Human Performance, 16(2), 250–279. https://doi.org/10.1016/0030-5073(76)90016-7 Parker, S. K., & Knight, C. (2024). The SMART model of work design: A higher order structure to help see the wood from the trees. Human Resource Management, 63(2), 265–291. https://doi.org/10.1002/hrm.22200 22
23. SMART model から見る 引用: (Parker & Knight, 2024) 23
24. SMART model から見る 刺激的か 自律してできるか 目的が理解できるか 関係性を持てるか 負荷が低いか 引用: (Parker & Knight, 2024) 24
25. 体感とモデル • 温かみのある調査をモデルと当てはめてみる ◦ Stimulating → 色々な手法で考え、実行するので刺激的 ◦ Mastery → どうしてやったのか自分自身で理解できる ◦ Autonomous → 自分の手でやることで自律的にできる ◦ Relational → 人に教えることで関係を強くできる ◦ Tolerance → 一度理解することで負荷を下げる 25
26. AI 時代において満足度を高めるには • AI に任せるのを意図的に止める ◦ 単純作業ばかりだと Stimulating が下がる ◦ ただやればいいだけの場合は Mastery、Autonomous が 下がる • 自分の手でやってみる ◦ 例えば AI の出力を手で再検証することで Stimulating、 Mastery、Autonomous を高める 26
27. まとめ • 温かみのある調査をしたい ◦ = 知る、見える、理解するのプロセスを達成したい ◦ これができると “面白い” と感じる • “面白い” = モデルにおける因子が高い ◦ 因子が低くなると “つまらない” と感じる ◦ なので、意識的に調整しないと満足度が低くなる 27