エンジニア歴 30年 AI 時代のエンジニアとしての成長戦略 Y

Transcript

1. エンジニア歴30年 マイクロソフト 11年 AI時代のエンジニアとしての 成長戦略 てらだ よしお／ Java Champion
2. 今日のストーリー 三部構成でお話しします 第一幕 第二幕 第三幕 現在地 AI時代の成長戦略 良い組織、良い人、 そして感謝 個人の物語 AI時代の現実 未来へのメッセージ 個人の物語 → AI時代の現実 → 未来へのメッセージ
3. 今日、持ち帰ってほしいこと この4つのうち、一つでも 01 03 AI時代の現実 AIは何を変え 何を変えないのか 良いチームの作り方 個人の力を組織の力に変える 02 自分の成長戦略 若手とシニアで戦略は異なる 04 変化を楽しむ姿勢 恐れるより、楽しむ
4. AIは、 エンジニアを減らすのか？ 第二幕：AI時代の問い 人 AI ？
5. AI導入の目的を間違えない Before / After：AIをどう位置づけるか 間違った目的 正しい目的 AI = 人員削減ツール AI = 競争力を高めるための武器 • 生産性2倍 → 人を半分に → • 浮いた時間で新しい価値を作る • 短期的なコスト最適化 • 新市場・新サービスへ投資 • 作れるものは増えない • 学習する組織になる • 人が離れ、学習が止まる • 人が集まり、成果が増える
6. 生産性が上がると、作れるものが増える 歴史が示してきたこと Before 3 1年で3つのサービス After（AI活用） 加速 10 1年に10個のサービス ※ 競合も同じように加速する
7. AI時代に起きる競争の変化 社内効率の話では終わらない 1 2 3 4 5 AI活用 開発速度向上 新サービス 増加 市場競争が 加速 学習する組織 が強くなる AIで浮いた時間を「人員削減」に使う会社より 「新市場・新サービス」に使う会社が強くなる
8. 本当に危険なのは、AIを使わないこと 分かれ道は、すでに始まっている AI時代のエンジニア AIを使わない人 AIを使う人 • 変化に遅れる • 学習速度が上がる • 評価が下がる • 成果が増える • 選択肢が減る • チームに貢献する 求められるのは「Javaを知っている人」ではなく「AIを使ってJavaで成果を出せる人」
9. AI時代のエンジニア価値は変わる 作業者から、変革者へ 価値の高まり 変革者 判断者 設計者 実装者 作業者 言われたものを 作る 設計に沿って 形にする 何を作るべきか 考える AIの出力を 評価する 人・組織・事業 を変える
10. AI時代に必要な5つの力 ハブ＆スポーク：中心にいるのは人 1 何を作るべきか 考える力 3 AIの出力を 評価する力 Engineer in AI Era 5 人・組織・ビジネスに つなげる力 2 AIに正しく仕事を させる力 4 安全・安定に 運用する力
11. Section 03 若手の成長戦略 学ぶ 作る 若手は、 AIで自分の成長速度を最大化する AIと共に
12. AIは、 答えをくれる先生ではない 学習速度を上げる、相棒 人 AI 横に並んで、一緒に進む
13. 若手が回すべき学習サイクル 説明できて、はじめて理解したと言える 1. 聞く 6. 説明する 2. 読む 理解を 深める 5. 直す 3. 動かす 4. 壊す
14. AI時代だからこそ、基礎体力が必要 基礎がないと、AIの出力を評価できない AI活用 / アプリケーション / 事業価値 設計 / テスト / レビュー / 運用 基礎体力 Programming CS OS Network Database Security Git Test Cloud Container 土台がなければ、上には積み上がらない
15. 若手に必要な Growth Mindset 5つの姿勢 1 2 3 4 5 学習 実験 検証 発信 専門性 知らないこと を恥じない 作りながら 学ぶ AIの答えを 疑う 成果物を残す 専門家を 目指す 一つの専門を深めながら、AI・クラウド・プロダクト思考を広げる
16. Section 04 シニアの成長戦略 シニアは、 AIで経験を再増幅する 積み重ねた経験が、 AIの光で広がる
17. 経験はAIでは簡単に置き換えられない シニアが持つ経験資産マップ 顧客理解 設計判断 障害対応 運用経験 Senior Engineer 組織調整 失敗経験 意思決定
18. シニアが学ぶべきAIの観点 プロンプトの書き方だけでは足りない 技術理解 設計理解 リスク理解 LLM 評価 (Evaluation) Security RAG ログ / 可観測性 Governance Embedding Human-in-the-loop Cost AI Agent ワークフロー設計 Data Quality シニアに求められるのは「AI の仕組みや振る舞い理解して使う」力
19. 答えを出す人から、問いを設計する人へ 経験が最も活きる場所 何を問うべきか 再現性の仕組みを作る 何を検証すべきか 問い どの判断を人間が持つべきか どのリスクを潰すべきか
20. 自分が速くなるだけでは足りない 個人最適から、組織最適へ 個人の生産性向上だけ チームの学習速度を上げる → • 勉強会 / プロンプト共有 一人だけ速くなる → 成果は限定的 • レビュー観点のテンプレート化 • AI活用ルールと成功事例の横展開
21. 世代別 AI時代の成長戦略 ここまでの整理 若手 シニア 焦点 自分の成長速度を最大化する チームと組織の成長速度を最大化す る AIの使い方 学習を加速する相棒として使う 経験を再増幅し、判断に使う 鍛える力 基礎体力・実装力・発信力 問いの設計・リスク判断・仕組み化 共通 学び続ける ／ 基礎を大切にする ／ AIの答えを疑う ／ 人と協働する ／ 変化を楽しむ
22. AI時代は、良い組織がさらに強くなる 好循環のループ 良い組織 さらに良い人が 集まる 優秀な人が集まる 好循環 成果が出る AI活用文化が育つ 心理的安全性・技術力・学習文化があるほど、差は広がる
23. 人を雑に扱う組織は、AI時代に強くなれない 弱くなる組織 / 強くなる組織 弱くなる組織 強くなる組織 失敗を責める 学びを共有する 質問できない 挑戦を評価する 新しいことを試せない 心理的安全性がある 個人任せ ルールがある PoCで終わる 成果を測る AI時代に重要なのは、創造性・学習力・改善力・主体性・コラボレーション
24. 良い組織とは、 個人の能力を最大化し 組織能力へ変換できる組織 →
25. 良い組織の7つの要素 心理的安全性 ＋ 高技術水準 の 両方が必要 心理的安全性 顧客中心 学習文化 良い組織 高い技術水準 多様性の受容 挑戦の評価 透明性 心理的安全性 ＋ 高い技術水準 の両方が必要
26. 若手とシニアをペアにする AIを挟むと、強いチームになる AIの支援 チームの成果 若手のスピード シニアの判断力 実装力 / 新ツール適応 / 発想 設計 / リスク / 品質 / 運用
27. 良い組織に入りたいなら 自分自身も良い人でありたい 年齢も、立場も、経験も関係なく、リスペクトを持って聞く
28. 私からのプレゼント プレゼンは、 説明ではなく、体験です 年間180回を超える登壇の中で、大切にしてきたこと 聴衆と、同じ時間を生 きる
29. 良いプレゼンと悪いプレゼン スライドを作るのではなく、体験を設計する あまり良くないプレゼン 良いプレゼン 機能説明だけ 誰に向けた話か明確 やったことの羅列 持ち帰りがある 「俺すごいだろ」 物語がある 聞き手不在 聞き手と対話する 目的は「かっこよく見せること」ではなく「一つでも持ち帰ってもらうこと」
30. 真の Evangelist / Advocateとは、架け橋である 会社とコミュニティをつなぐ Company 会社には会社の 事情がある Evangelist / Advocate Community 声が大きくなれば 会社が変わる その声を一番近くで聞き、必要な時に動く
31. コミュニティが、私を作ってくれた 20代から50代へ 20代 40代 一番に なりたかった 人との出会いが 人生を変えた 30代 自分を高め、 お客様を幸せに したかった 50代 変化を楽しむ 時期へ 人との出会いが、エンジニア人生を作ってきた
32. 変化を恐れるのではなく 変化を楽しむ AI時代に必要なのは、新しいツールを覚えることだけではない
33. 最後に 今日の話を、一言でまとめると AIに仕事を奪われるのではなく AIを使って、自分と周囲をどれだけ成長させられるか 若手 シニア 全員 自分の成長速度を 上げる チームと組織の 成長速度を上げる 学び続ける それが、AI時代のエンジニアとしての成長戦略
34. 今日お越しくださった皆様の 今後がより素晴らしく 幸せなエンジニア・ライフを お祈りしています てらだ よしお／ Java Champion
35. 本当にありがとうございました てらだ よしお／ Java Champion