Tag: スーパーバイザークラスAIエージェントが開発者のキャリアをどのように再作成するか幸運

何十年もの間、ソフトウェア開発者のイメージは、輝く統合開発環境（IDE）と端末に身を曲げ、複雑なビジネスロジックを数千行の構文に変換する孤独な設計者の一人でした。成功はしばしば生きている命令辞書と正確なセミコロンデバッガとして機能する開発者の能力によって測定されました。しかし、私たちは新しい時代を迎えています。エージェントツールとAIサポート「バイブコーディング」の導入は、開発者のワークフローを根本的に変えています。私たちは、開発者の主な価値はもはや手動でコードを生成するのではなく、自律エージェントの高レベルのオーケストレーションである「スーパーバイザークラス」の増加を目撃しています。 監督者クラスの怪我 開発者の役割はより高いレベルに移行しています。以前は、ビジネス要件を理解し、高レベルと低レベルのデザインドラフトを作成し、すべてのコード行を入力することが含まれていました。今日の最後の2つのステップは主にエージェントによって処理されます。開発者はシステムに目標と要件を表示し、エージェントがタスクを完了できるようにします。 この新しい現実では、ターミナルは自律ループを監督する中央ハブとして機能するため、既存のUIビルダーよりも強力なツールとなっています。開発者はもはや文章を書きません。彼らは見直し、改善し、指示します。コアバリュー提案は、フレーズの暗記から高レベルの判断適用に転換された。 フレーズの死とエージェントスキルの誕生 このように再構成されたワークフローでは、50〜60の特定の端末コマンドを記憶することはもはやボトルネックになりません。これらのコマンドが実行する作業の基本的な知識は依然として必要ですが、詳細な構文を覚える必要性はますます消えています。その代わり、業界では、エージェントに自分の知識のギャップを解消する方法を教えるモジュール式の自然言語指針であるエージェント技術を採用しています。 エージェント技術は、初期のAIコーディングで最も質の高い苦情の1つである「忘却」の問題を解決します。標準プロンプトは一時的なものであり、LLM（ラージ言語モデル）は限られたコンテキストウィンドウのために困難です。会話が長すぎると、モデルの利点が消えます。エージェント技術は、本の章と同様に、モジュラーインデックスフレームワークとして機能し、エージェントがタスクに必要な特定の知識のみをインポートできるようにします。これにより、開発者はプロジェクトリポジトリ内に継続的な「2番目の脳」を構築し、エージェントがベストプラクティスまたはプロジェクト固有のアーキテクチャルールを一度学習した場合でも、それを維持できます。 ガードレールを使用したVibeコーディング バイブコーディングへの移行には懐疑的な視点があります。構造化されていないバイブコーディングは、いわゆる「スロップ」と呼ばれる低品質のAI出力につながる可能性があります。新しいコラボレーションアーキテクチャでは、組み込みガードレールを介してソフトウェア開発ライフサイクル（SDLC）を再構成する必要があります。企業はリンター、セキュリティスキャナー、決定論的なワークフローをエージェントループに直接組み込んでいます。 構造化された基盤の必要性は、SaaSプラットフォームが無関係であるという通念が企業の現実と矛盾する理由です。開発者がアーキテクチャ全体を最初からコード化すると、意図せず膨大な隠された税金が発生します。つまり、メンテナンス、保護、および操作が必要な生コードの広い表面積です。出力を修正し、根拠のないプロンプトに対して高いトークンコストを支払うためにエリートエンジニアリング時間を費やす結果的な管理オーバーヘッドは、最終的に初期生成速度を上回ります。 Agentic SaaSプラットフォームは、エージェントが請求サポートからプロモーションクエリまで、生産に必要な精度に基づいてタスクを実行できるようにするための重要なメタデータとセキュリティインフラストラクチャを提供します。エージェント技術は依然として価値があります。セキュリティとスケーラビリティベースがすでに構築されているプラ​​ットフォーム内に展開されると、エージェントテクノロジは開発者がプラットフォーム上に高い価値の機能をすばやく構築できる膨大なアクセラレータになります。 サブエージェントチームの管理 現代の開発者の日常生活は、プロのサブエージェントで構成されるフラットチームを管理するためにますます多くの時間を費やしています。単一のモノリシックAIエージェントではない開発者は、フロントエンドコード、セキュリティレビュー、またはテストに特化したエージェント間の順次または並列ワークフローを調整します。 私たちは、組織がすでに拡大する方法にこれらの変化があることを確認しています。米国最大の住宅建築会社の1つであるLennarは、毎月110万のエージェントワークフローを展開し、より多くの顧客の参加を維持し、コンバージョン率を高め、販売サイクルを短縮するのに役立ちます。同様に、紙のタブレットメーカーであるreMarkableは、わずか3週間で最初のAIエージェントをリリースしました。人間サポートチームと一致するNPSスコアで10,500以上の顧客の問い合わせを解決しました。 そのような会社にとって、スーパーバイザークラスの開発者は単にコードを書くのではありません。彼らは、これらのエージェントが人材の円滑な拡張として機能できるようにする技術とオーケストレーション層を構築しています。 生産性から品質まで：新しい指標 エージェントが10秒以内に1,000行のコードを生成できる場合、コード行と生の速度はもはや開発者の生産性にとって意味のある指標ではありません。実際にコードが多いほど、バグが発生する可能性が高くなります。 私たちは、AIエージェントが実行する個々のタスクであるAgentic Work Unitに焦点を当てる必要があります。 Salesforce では、独自のエージェントの実装を通じてこれらの変更を強調しています。私たちのサポートエージェントは現在、96％のケースを自律的に処理しており、エージェントに販売管理を処理させることで50,000時間以上の売り手時間を節約しました。 開発者にとって、Agentic Work Unitは、エージェントを活用して、最小限の摩擦で複雑な問題を解決する方法を測定することを意味します。成功はソフトウェア品質で測定する必要があります。バグ数を減らしましたか？アーキテクチャはより弾力的ですか？単にリポジトリを埋めるのではなく、実際にユーザーの問題を解決する機能を提供していますか？ 指標としてのトークン消費から逸脱し、作業品質に移行することで、私たちは開発者が人間が最善を尽くすこと、つまり判断を下し、ユーザーのニーズに共感し、長期にわたって構築されたシステムを設計することに集中できるようにします。 人間の意図の継続的な必要性 私たちは、開発者が最初にノードパッケージマネージャ（NPM）またはMavenでモジュールを共有し始めたときを思い起こさせる移行の初期段階にあります。まもなく、開発者が技術ブログからSEO、複雑なアルゴリズムロジックまで、あらゆるもののモジュラーエージェントガイダンスを共有するグローバルな「エージェント技術交換」を見ることになります。 将来は、人間の専門知識を再利用可能なエージェント技術に分解する能力を持つ開発者のものです。監督者の役割を引き受けても、開発者が交換されるわけではありません。彼らはついに退屈な構文から逸脱し、AIが複製できないもの、つまりソフトウェアの未来を構築するために必要な高いレベルの判断に集中できるようになりました。 Fortune.comのコメントに記載されている意見は、単にその著者の意見にすぎず、必ずしもFortuneの意見や信念を反映しているわけではありません。