AI 時代のスタートアップエコシステ厶から考究する技術的負債との向き合い方

Embed

Start on current slide

Slide 1

Slide 1 text

AI 時代のスタートアップエコシステ厶から考究する技術的負債との向き合い方めもりー 1

Slide 2

Slide 2 text

めもりー m3m0r7 m3m0r7 m3m0r7 ソフトウェアエンジニアからキャリアが始まり，スタートアップや上場企業で CTO として活動していました。現在はフリーランスとして，複数社へ技術戦略支援，開発支援などしております。 2

Slide 3

Slide 3 text

Slide 4

Slide 4 text

SaaS is DEAD 4

Slide 5

Slide 5 text

本当に？？？ 5

Slide 6

Slide 6 text

AI があれば SaaS を自作できる 6

Slide 7

Slide 7 text

AI があれば PoC が容易い 7

Slide 8

Slide 8 text

AI があればプロダクトを自作できる 8

Slide 9

Slide 9 text

AI に多くの投資家が関心を寄せている 9

Slide 10

Slide 10 text

果たして AI で作ったプロダクトはスケールできるか 10

Slide 11

Slide 11 text

スケーラビリティ，セキュリティ，堅牢性，変更容易性… 11

Slide 12

Slide 12 text

私たちが向き合ってきた技術的負債が AI によって「高速」に積み上がる 12

Slide 13

Slide 13 text

それでも AI で事業をスケールさせ続けなければいけない 13

Slide 14

Slide 14 text

そんな戦火でどのようにして技術的負債に向き合えばよいのか 14

Slide 15

Slide 15 text

圧倒的成長を求められ続けるスタートアップとそのエコシステムをベースに 15

Slide 16

Slide 16 text

本日はお話させていただきます 16

Slide 17

Slide 17 text

アジェンダスタートアップの資金環境と競争条件事業価値から考える技術投資の優先順位技術戦略の実行と全体最適技術的負債を引き受ける・返す判断 17

Slide 18

Slide 18 text

スタートアップの資金環境と競争条件 18

Slide 19

Slide 19 text

スタートアップの資金環境と競争条件開発を続けるお金は，どこから来るのか - スタートアップのエコシステムでは，起業家・投資家・顧客・人材が関わり，事業をスケールさせる。技術職の採用や開発予算も，この関係の中で決まる。 - エクイティは株式を渡して出資を受ける方法，デットは金融機関などからの借入など，返済を前提に資金を調達する方法である（※1）。 - 資金調達は売上がない状況でも開発費を確保できる一方で，成長と回収の説明責任を負う（※2）。 - スタートアップでは特に VC と呼ばれる事業者から資金調達するのが一般的である。 19 ※1 ベンチャーデットなどエクイティとデットの両方が組み合わさった資金調達の方法もある。 ※2 売上や利益があっても，より大きな投資をするために，あえて金融機関から借り入れる場合もある。

Slide 20

Slide 20 text

スタートアップの資金環境と競争条件 VC からのエクイティ調達 - VC（ベンチャーキャピタル）は，成長を期待する未上場企業へ投資する事業者である。 - ファンドは出資者のお金をまとめて運用する組織，LP は出資者，GP は運用者である。 - VC は株式の売却（イグジット）を目指してキャピタルゲインを得ることが目的であるお金が循環する仕組み ③ 株式の売却等 ② 投資 ① 出資 M&A ④ 資金の回収スタートアップ A LP (Limited Partner) お金を出す側政府系機関，金融機関など GP (General Partner) 投資を決める側 VC の運用者など IPO 売却できれば資金を回収し出資者へ分配するスタートアップ B VC には独立系と呼ばれる VC や政府系 VC ・コーポレート VC (CVC) などがある 20 出典：ILPA・投資用語 ⑤ 回収した資金を分配する https://ilpa.org/resources-tools/private-equity-101/private-equity-glossary/

Slide 21

Slide 21 text

スタートアップの資金環境と競争条件調達のラウンドと，開発の焦点（目安）投資ラウンド別名エンジェル投資金額会社のフェーズ数百万〜数千万 PoC (Proof of concept，仮説検証) の段階シードステージシード PMF （Product Market Fit，プロダクトの市場適合）の検証開始シリーズ A アーリーステージ数億円〜十数億円 PMF 検証真っ只中。収益化を目指すための試行錯誤を行う段階シリーズ B ミドルステージ十数億円〜数十億円収益の安定化から，より事業をスケールさせようとする段階シリーズ C 以降 21 数千万〜数億円プロダクトの開発もしくは，ベータテスト期間。レイターステージ数十億〜数百億事業のスケールからイグジットへ。場合によっては，更に資金調達を行ってシリーズ D，シリーズ E... へ続く。

Slide 22

Slide 22 text

スタートアップの資金環境と競争条件イグジット戦略（M&A または IPO） M&A エンジェル (ラウンド) シードシリーズA シリーズB シリーズC 以降アーリー(ステージ) リリース（PoC）優先ミドル PMF（Product Market Fit）〜3年 22 レイター IPO 収益の安定化及び向上 5 年〜

Slide 23

Slide 23 text

スタートアップの資金環境と競争条件 AI への資金集中と，案件数の違い - 2025年の米国 VC 投資では，AI 分野が投資金額の 65.4%，案件数の 39.4% を占める。 - 同年末のドライパウダー（後述）は 2,993 億ドルである。ドライパウダーがあるからといって資金調達できるとは限らない。 - なお日本での調達総額は 2024 年では 7,793 億円であって 2025 年では 7,613 億円だったため，あまり変化はない。 - ただし政府も AI や半導体を含む戦略対象に 370 兆円ほど投資を行う方針を立てており，現時点では変化があまりないものの，今後は変化するかもしれない。 23 https://initial.inc/articles/japan-startup- nance-2025 出典：NVCA 2026 Yearbook, p12・20 https://nvca.org/wp-content/uploads/2026/04/NVCA-2026-Yearbook-4.9.26.pdf fi 出典：INITIAL (2026-01-19)

Slide 24

Slide 24 text

スタートアップの資金環境と競争条件ドライパウダーとは？ドライパウダーは，出資約束を指し現金とは限らない，まだ投資に使われていない資金枠のことである。出資を約束した金額が 100 億の場合: 投資済み 60 億円未投資 40 億円ドライパウダー GP は投資先の組み合わせ（ポートフォリオ）を運用し，新規投資と，既存投資先への追加投資（フォローオン）へ資金枠を配分する。出典：PitchBook・ドライパウダー 24 出典：ILPA・投資用語 https://pitchbook.com/blog/what-is-dry-powder https://ilpa.org/resources-tools/private-equity-101/private-equity-glossary/

Slide 25

Slide 25 text

ではなぜ国内では市況感が悪いと言われているのか 25

Slide 26

Slide 26 text

スタートアップの資金環境と競争条件 AI によりハイバリュエーションがつけられない - AI の登場を皮切りとしてハイバリュエーションが狙いにくくなった。 - 従来まではエンジニアを採用してプロダクトや機能を作り続けるモデルでバリュエーションをつけられた。 - 既存企業が AI を活用した生産性の圧倒的な向上，売上または利益を伸ばすためのモデルへの変革に追いついていない。 - ビジネス上の課題としては，既存のビジネスモデルをどう変えるか，AI 活用をビジネスにどう組み込むか，AI でどういった社会課題を解決するのか…，など。 - システム上の課題は，その要件に対してかつスケーラビリティがあってセキュリティが高く，変更容易性が堅牢性のあるシステムを作りつづけられるかである。 26

Slide 27

Slide 27 text

スタートアップの資金環境と競争条件 AI によりハイバリュエーションがつけられない - 投資家からの期待に応えられずハイバリュエーションがつけられない。ダウンラウンド（前回の調達額よりも小さい調達額）になってしまうことを避けるために繋ぎの調達をしている企業もチラホラ。 - ダウンラウンドでの調達を既存株主は避ける傾向にある。 - 例えば前回の調達で 10 億のバリュエーションがついたとして，次回が 5 億だとすると，純粋にその会社の価値が半分になるわけである。 - つまり 10 億で出資した株主は半分の 5 億を損することになる。 - ゆえに，中々次のラウンドに進まないのである。 27

Slide 28

Slide 28 text

スタートアップの資金環境と競争条件 AI によりハイバリュエーションがつけられない - 実際に，イグジット戦略として M&A のケースが増えてきている。 IPO M&A 220 165 110 55 0 2022 28 2023 2024 2025

Slide 29

Slide 29 text

そこで更に追い打ちをかけているのが… 29

Slide 30

Slide 30 text

上場維持基準が厳格に 30

Slide 31

Slide 31 text

スタートアップの資金環境と競争条件上場後も成長が求められる上場維持基準が見直されるということは，上場ゴールという逃げ道が狭くなるということ。当たり前だが，上場を維持できなければ，その株は投資家にとっては無価値になるので当然株価がつかなくなる。上場まで動く仕組みだけではなく，成長を続けられる仕組みへ投資することが必要である 31 出典：日本取引所グループ https://www.jpx.co.jp/equities/listing/continue/details/04.html

Slide 32

Slide 32 text

成長を続けられる仕組みへ投資すること… 32

Slide 33

Slide 33 text

これが技術投資である 33

Slide 34

Slide 34 text

では技術投資は何をもって優先順位を判断すれば良いのか 34

Slide 35

Slide 35 text

事業価値から考える技術投資の優先順位 35

Slide 36

Slide 36 text

事業価値から考える技術投資の優先順位ビジョン・ミッションを顧客の成果まで具体化する - 企業が掲げるビジョン・ミッションを叶える手段の一つとして，プロダクト・事業が存在する。 - そして，顧客がそのプロダクトや事業に価値を見出し対価を払い，使い続けていただくことが企業のスケールを支える。 - 一方で，価値を提供し続けられなければ顧客は離れていく。商品が売れれば売れるほど多くの顧客に期待されているということ。 - ビジョン実現・ミッション達成のためには，多くの顧客にプロダクト・事業に価値を感じてもらえるようにデリバリーし続ける必要がある。 36 そのためには，常に事業・プロダクトがスケールし続けられる技術投資が必要不可欠である

Slide 37

Slide 37 text

事業・プロダクトがスケールし続けられる技術投資の優先順位 37

Slide 38

Slide 38 text

言い換えると 38

Slide 39

Slide 39 text

「事業計画を達成し続けるための技術投資」 39

Slide 40

Slide 40 text

エンジニア・EM・TL プロダクト予算・コスト限られたヒト・モノ・カネをどうやってコスパよくコントロールするか 40

Slide 41

Slide 41 text

それが「技術戦略」である 41

Slide 42

Slide 42 text

事業価値から考える技術投資の優先順位技術戦略には何が必要なのかヒトモノカネ人材プロダクト予算 - 会社の事業を成長・スケールさせら - 事業計画にもとづいてスケール・安れる人材の定義，及びそれを評価す定性を保てるように，必要なインフ（要員計画を含む）を算出し，事業るための仕組み（モニタリング・人ラの整備，オペレーションの改善，のスケールを経営レイヤーとともに材開発）アプリケーションアーキテクチャの描く。 - 事業計画に対して必要な技術投資設計など - 随時調整可能なフリーランス人材やオフショアを用いたアウトプットのコントロール - 必要なバジェットを最小限に抑えつ - アウトカムを最大化するために，ユーザーにどういった機能要件を提つ，踏むべきアクセルを踏む意思決定を行う。供すればよいのかこれらをコスパよくコントロールするには事業計画を理解しなければならない 42

Slide 43

Slide 43 text

事業価値から考える技術投資の優先順位事業計画はどのように描かれるか - toB, toC によっても異なるが，複数のシナリオを想定する。シナリオはナマモノとして変化するため開発の仕様が FIX されることは永遠にない。その前提で技術戦略を練る必要がある。 - そして，新規プロダクトであれば，市場規模がどれくらいでニーズがどれほどあるのか，マーケティングでどれくらいの層にアプローチできるのか，マーケ・開発の回収見込みはいつごろになるのか。 - そのために必要な人材は…機能は…などとドリルダウンしていく。これが無限に繰り返される。「技術投資」のための技術戦略は CTO やそれに準ずる技術責任者だけで完結することはない 43

Slide 44

Slide 44 text

事業価値から考える技術投資の優先順位市場規模の概念 - TAM （Total Addressable Market）は，サービ TAM SAM SOM ス全体の獲得できる市場規模。 - SAM (Serviceable Available Market) は，自社で取りうる最大の市場規模。 - SOM (Serviceable Obtained Market) は，自社で最大でアプローチ（契約など）できるであろう市場規模。 44

Slide 45

Slide 45 text

「技術戦略」に重要なのは「全体最適」である 45

Slide 46

Slide 46 text

事業価値から考える技術投資の優先順位全体最適のためのボトルネックの排除カネエクイティ調達デット調達自社売上ヒトによるプロダクト・機能開発 PoC 相互関係を維持しながら最適化するモノ 46 ヒト自社応募・エージェント業務委託採用オフショア活用

Slide 47

Slide 47 text

事業価値から考える技術投資の優先順位全体最適のためのボトルネックの排除カネエクイティ調達デット調達自社売上ヒトによるプロダクト・機能開発 PoC 何か一つがボトルネックになっているだけでも事業の成長は止まるモノ 47 ヒト自社応募・エージェント業務委託採用オフショア活用

Slide 48

Slide 48 text

AI 時代ではヒト・モノ・カネの循環が高速になったが… 48

Slide 49

Slide 49 text

人間の意思決定が必要な物もまだ多く残っているがゆえボトルネックに 49

Slide 50

Slide 50 text

例えばカネは自社売上でも資金調達でもラグがある 50

Slide 51

Slide 51 text

一つの物事が突き抜けて高速であっても全体の足並みが揃わなければデリバリーは早くならない 51

Slide 52

Slide 52 text

その前提の中で技術戦略はどのように考えればよいのか 52

Slide 53

Slide 53 text

技術戦略の実行と全体最適 53

Slide 54

Slide 54 text

技術戦略の実行と全体最適従来までは偶然ニーズが一致していた - 従来までは，偶然エンジニア採用と技術戦略のニーズが一致していた。 - フリーランスでも正社員でも，開発に関心が強いエンジニアが重宝されていたし，評価もされていた。 - ジュニアでもミドルでもシニアでも，エンジニアが好きに書きたいコードを書けば，プロダクトが出来上がり，それがバリュエーション・企業価値に効いてきた - もちろん，スタートアップに限らず受託や SES であればエンジニアの数だけ，売上も上がる - しかし，AI の登場を皮切りにニーズがズレ始めるように。 54

Slide 55

Slide 55 text

技術戦略の実行と全体最適とりあえず人を増やせば良かったが今は違うフリーランス正社員 - AI が出始めた 2022 年から比べると，正 14 13.32 10.5 11.06 10.54 9.97 10.07 8.77 8.53 7 7.88 4.86 3.5 0 社員はやや微増に対してフリーランスは大幅に倍率が急減。 11.06 2022 2023 2024 2025 - AI によって不足していた馬力がカバーでき 2026 280 261 276 229 210 - （情報通信サービス業なので幅広く単純比 70 較は難しいが）倒産件数も AI が出たタイミングから倒産に追い風をかけていると分 0 析されている。 140 55 るようになったからと推測できる。倒産件数 145 2022 2023 2024 2025 出典：GEECHS https://www.geechs.com/newsrelease/20260807̲ankenbairitsu/ doda: https://doda.jp/guide/kyujin̲bairitsu/data/ 東京商工リサーチ: https://www.tsr-net.co.jp/data/detail/1203052̲1527.html

Slide 56

Slide 56 text

技術戦略の実行と全体最適とりあえず人を増やせば良かったが今は違う - IT 人材白書，レバテックの人材白書によれば，AI が発展し始めた 2023 頃からエンジニアにソフトスキル，顧客折衝スキル，そして AI スキルが求められるようになった。 2021 エンジニアに求める役割 AI 活用幅広い技術 - 2022 2023 2024 2025 技術力に加えてソフトスキル新卒にも技術力とソフトスキルを求められている顧客折衝が最優先に 2024 同様 - 生成 AI 活用の育成対象に生成 AI 活用経験者の採用生成 AI 活用経験がほぼマストにビジネス上のニーズが強くなってきたということは，業務で求められるスキルの前提である 56

Slide 57

Slide 57 text

そして従来までの開発スタイルは… 57

Slide 58

Slide 58 text

技術戦略の実行と全体最適顧客のフィードバックを受けるまでが開発 ② 意図と制約を渡す ③ 実装・レビュー・検証 ① 課題を設計へ落とす顧客の課題と仕様を決めるアーキテクチャの設計 ④ 安全に届ける実装を追加・変更するリリース ⑥ 異常・障害を検知する ⑦ 顧客の成果を確かめる ⑤ 顧客がサービスを使う 58

Slide 59

Slide 59 text

人材を集めてこのサイクルを回すだけで良かった 59

Slide 60

Slide 60 text

しかし AI 時代では技術戦略が異なってくる 60

Slide 61

Slide 61 text

人材を集めるだけではデリバリー速度を早くするためのボトルネックが解消しないのである 61

Slide 62

Slide 62 text

よくありがちなのは開発に関連するところだけ個別最適化するケースだ 62

Slide 63

Slide 63 text

技術戦略の実行と全体最適顧客のフィードバックを受けるまでが開発 AI で最適化しやすい領域 ① 課題を設計へ落とす顧客の課題と仕様を決める ③ 実装・レビュー・検証 ② 意図と制約を渡すアーキテクチャの設計 AI で開発 ④ 安全に届ける実装を追加・変更するリリース ⑥ 異常・障害を検知する ⑦ 顧客の成果を確かめる ⑤ 顧客がサービスを使う 63

Slide 64

Slide 64 text

技術戦略の実行と全体最適顧客のフィードバックを受けるまでが開発人の手が “まだ” 介在している領域 ① 課題を設計へ落とす顧客の課題と仕様を決める ③ 実装・レビュー・検証 ② 意図と制約を渡すアーキテクチャの設計 AI で開発 ④ 安全に届ける実装を追加・変更するリリース ⑥ 異常・障害を検知する ⑦ 顧客の成果を確かめる ⑤ 顧客がサービスを使う 64

Slide 65

Slide 65 text

技術戦略の実行と全体最適顧客のフィードバックを受けるまでが開発 ① 課題を設計へ落とす顧客の課題と仕様を決めるアーキテクチャの設計 ⑥ 異常・障害を検知する ⑦ 顧客の成果を確かめる ③ 実装・レビュー・検証 ② 意図と制約を渡す AI で開発 ④ 安全に届ける実装を追加・変更するリリースリリースから顧客がサービスを使うまでラグがある ⑤ 顧客がサービスを使う 65

Slide 66

Slide 66 text

個別最適では作るのは早くなってもデリバリー速度は早くならない 66

Slide 67

Slide 67 text

必要なのは全体最適 67

Slide 68

Slide 68 text

その最適化には技術的負債の返済も含まれる 68

Slide 69

Slide 69 text

技術戦略の実行と全体最適技術的負債の返済に対する投資感度 - 人間の手を介さずでも AI によって PoC のための使い捨て，一時的なプロダクトや機能のコードが生まれ始めるように。 - AI によって生成されたコードがセキュリティ上安全で，安定性があって，スケーラビリティが担保されているわけではない。だから，これらを高速に評価できるエンジニアのニーズが高くなっていく。 - 高速に仮説としてプロダクトや機能が作られるということは，作ってもすぐに捨てられる可能性があるということ。その作られたコードは脆弱性があるかもしれないが，AI は制御していなければ，そのコードを劣化コピーし続ける。 - つまり，技術的負債の返済に対する投資感度は従来以上に重要だということである 69

Slide 70

Slide 70 text

技術戦略の実行と全体最適技術的負債の返済に対する投資感度 - モノを作り続ければ，技術的負債が増え続けるのは確実である。結果としていらない仕様や不要だった機能が山のように積み上がる。 - 従来は，一つのモノや機能を作るのにある程度の時間が必要で，しかもそれは “直列” だった。今は AI によって “並列” になり，一つのモノや機能にかける時間が大きく短縮された。 - 今までは銀行からの借入で利率も低かったのに，利率の最大上限でしかも複数社のサラ金から借りているみたいな状況である。 70

Slide 71

Slide 71 text

技術戦略の実行と全体最適技術的負債の返済に対する投資感度 AI 時代の技術的負債の積み上がり従来までの技術的負債の積み上がり 100 100 75 75 今までは “直列” での仕事だったので積み上がりも緩やかであった 50 71 50 25 25 0 0 1 回目 2 回目 3 回目 4 回目返済 1 回目 2 回目 3 回目 4 回目返済

Slide 72

Slide 72 text

技術戦略の実行と全体最適技術的負債の返済に対する投資感度 AI 時代の技術的負債の積み上がり従来までの技術的負債の積み上がり 72 100 100 75 75 50 50 25 25 0 0 1 回目 2 回目 3 回目 4 回目返済 “並列” での仕事になるため積み上がりが急速に 1 回目 2 回目 3 回目 4 回目返済

Slide 73

Slide 73 text

技術戦略の実行と全体最適技術的負債の返済に対する投資感度 AI 時代の技術的負債の積み上がり従来までの技術的負債の積み上がり 73 100 100 75 75 50 50 25 25 0 0 1 回目 2 回目 3 回目 4 回目返済技術的負債返済を実装と同じ割合で計画しないと返済速度が間に合わない 1 回目 2 回目 3 回目 4 回目返済

Slide 74

Slide 74 text

技術戦略の実行と全体最適技術的負債の返済に対する投資感度 AI 時代の技術的負債の積み上がり従来までの技術的負債の積み上がり 100 100 しかも AI はこの積み上げられた負債を元に 75 75 74 劣化コピーをしてしまう可能性がある 50 50 25 25 0 0 1 回目 2 回目 3 回目 4 回目返済 1 回目 2 回目 3 回目 4 回目返済

Slide 75

Slide 75 text

技術戦略の実行と全体最適技術的負債の返済に対する投資感度従来まで人間が開発・デバッグ・コードレビュー変更の増減は緩やかだが，少ない変更だったため人間がバグやセキュリティリスクを検知できていた 75

Slide 76

Slide 76 text

技術戦略の実行と全体最適技術的負債の返済に対する投資感度現在 AI が開発・デバッグ・コードレビュー変更が大量になり，ハーネス・スキルを作っていたとしても，もはやバグ・セキュリティリスクが含まれているか検知不能に。更にその課題のあるコードは劣化コピーされていく 76

Slide 77

Slide 77 text

技術戦略の実行と全体最適技術戦略としてもセキュリティの投資が重要に - 現に，個人情報の漏洩の報告がここ数年で一気に個人情報漏洩増加している。 20,000 19,056 17,139 15,000 なったというのが考えられる。 12,120 10,000 7,685 5,000 0 - AI によって，システムの脆弱性の穴を突きやすく - AI 時代では，セキュリティ上の課題も今まで以上 5,846 に取り組む必要が出てくる。 2021 2022 2023 2024 2025 - 77 ※ PPC (個人情報保護委員会)および NPA （サイバー警察局）の 2021〜2025 までのデータより

Slide 78

Slide 78 text

明日は我が身 78

Slide 79

Slide 79 text

今まで見てみぬフリをしてきたものがプライオリティが高くなってきた 79

Slide 80

Slide 80 text

技術的負債も数年単位で一気に返済するものではなくなってきている 80

Slide 81

Slide 81 text

では技術的負債を積むか，返すか AI 時代の昨今，どのように判断をすればよいのか 81

Slide 82

Slide 82 text

技術的負債を引き受ける・返す判断 82

Slide 83

Slide 83 text

技術的負債を引き受ける・返す判断状況を理解して戦略を練る - スタートアップ初期などエンジニアのメンバーが少なく，プロダクトのコードもまだ少ない状態では “並列” ではあるが，技術的負債の積み上がり方は緩やかになる可能性が高い。 - 一方である程度の年期があり，エンジニアの数もある程度いる，そしてプロダクトのコードもある程度の規模になると，指数関数的（※）に技術的負債が積み上がっていく可能性が高い。アーキテクチャやハーネスを整備しないと，コードベースが急速に劣化していく 83 ※ 「指数関数的」という表現はビジネスでよく用いられる意味であり数学的な意味を包含するものでなく，一般的な表現に落とし込む目的で用いていることに注意。

Slide 84

Slide 84 text

技術的負債を引き受ける・返す判断状況を理解して戦略を練る - 技術的負債は，従来までは “開発生産性” の観点での意味合いが強く，特にエンジニアにとって関心が強い領域だった。 - 今も開発生産性の側面はあるが，AI を筆頭にデリバリーの速度は経営イシューとしても強くなっている（※）。 - 今までは「人のスキル」で片付けられていたものが，AI 活用の促進によって普遍的に成果が出やすくなった - 技術アセットを多く持っているエンジニアを採用できなくても，成果が出やすくなった反面，競合他社も同じポジションにいるので，優位に立ち続けるためには，高速にデリバリーし続けなければならない 84 引用: 経済産業省「DXの現在地とレガシーシステム脱却に向けて」より，私的解釈を一部含む

Slide 85

Slide 85 text

技術的負債を引き受ける・返す判断状況を理解して戦略を練る - 「アセットが豊富なエンジニア」を採用するだけだった世界線で，アプリケーションアーキテクチャのあり方だけにフォーカスしていた時代から組織，競合，事業上のリスクを加味して技術的負債を引き受ける・返す判断をする必要性がより強くなってきた（※）のではないかと推察する。 - デリバリー環境の整備をはじめ，技術的負債のクリティカルな課題の把握， AI 活用の整備などが求められる。 - しかし依然，技術的負債の返済は難易度が高いと評価されており，企業によっては数年単位かかる取り組みになるケースもあり，中々手をだせない。 85 ※ 私はこれを執筆時点では 2022 年（出版日は 2023 年）の拙著「レガシーコードとどう付き合うか」で伝えているのですが，時代を先取りしすぎました。

Slide 86

Slide 86 text

技術的負債の返済は二択ではない 86

Slide 87

Slide 87 text

技術的負債を引き受ける・返す判断中間を模索する - やるかやらないかの二択ではなく，引き受けるべき部分と返すべき部分をジャッジする必要がある。 - AI による劣化コピーの速度の観点も踏まえながら，事業上重点的にやるべき箇所かそうじゃないかを評価するか，戦略を立てていく必要がある。 - 事業上重点的にやるべきかは，経営戦略をはじめ，事業計画を組みあげるに対して，どれくらいタームで，どれほどの成長戦略を描きたいか議論しながら決める。 - そのうえで，該当する KPI，例えばユーザー数や GMV であればその改善施策は当然に走るので，スケールできるようにしなければならない，となる。 87

Slide 88

Slide 88 text

技術的負債を引き受ける・返す判断中間を模索する - 作り直すという選択肢も一つありえる。そして場合によっては言語フレームワークを置き換えることが，全体のコストパフォーマンスに最適な場合がある。 - 例えば複数台サーバーが必要だった環境やスペックがスケールインできたら，コスト削減になる。 - デプロイに時間がかからない，ビルドに時間がかからない言語，特有の問題を引き起こしにくい言語，様々な観点で選択することも AI 時代に容易になった。 - むしろ「特定の言語を書きたい」というニーズよりも IT 人材白書では給与水準が転職動機であるということも書かれており，現代においては事業として何が最適か，技術的負債を返済する ROI にもう少し踏み込めるようになったと考える。 88

Slide 89

Slide 89 text

技術的負債を引き受ける・返す判断中間を模索する - 全社の状況を鑑みて意思決定しなければならないことから，技術的負債は技術者の関心事だけではなくなってきている - アプリケーションアーキテクチャの設計の議論だけではなく，もう一段，二段スコープを広げ，視座を高める必要がある。 - そして，技術責任者や技術者は経営レイヤーに経営イシューとしての技術戦略として昇華し，課題であることを認識してもらい，合意を得て執行まで責任を追わなければならない。 89 だからこそ，エンジニアの生産性を定量化することはマスト。モニタリング，分析を行い，返すべき技術的負債を返せられることで ROI が最大化するというストーリーを描く。そして，それを経営レイヤーの言葉として合意形成を図る

Slide 90

Slide 90 text

技術的負債を引き受ける・返す判断中間を模索する - 実際に経営レイヤーにレガシーコード・技術的負債の課題感の共有（情報共有），開発のブラックボックス化対策がなされている場合，なされていない場合と比べて，自律的に改善施策が取られている 90 引用: 経済産業省「DXの現在地とレガシーシステム脱却に向けて p19」より

Slide 91

Slide 91 text

技術的負債を引き受ける・返す判断中間を模索する - また，余談ではあるが，CxO （CIO，CTO など）を設置している企業ではモダナイズ化が進む傾向がある。技術戦略を経営の言葉に昇華できることが鍵か。 91 引用: 経済産業省「DXの現在地とレガシーシステム脱却に向けて p21」より

Slide 92

Slide 92 text

AI 時代の技術的負債はもう技術者だけのイシューじゃない 92