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 

$ 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 

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 

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 

AI に大体任せてる 5 

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 

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 

“つまらない” 8 

“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 

“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 

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 

“面白い” 12 

“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 

“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 

“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 

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 

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 

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 

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 

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 

ここまでは体感の話 21 

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 

SMART model から見る 引用: (Parker & Knight, 2024) 23 

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 

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 

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 

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