AIエージェントと環境整備の課題
クラウドコワークとかもそうだけど、なんかローカルを触っているのかクラウド環境を触っているのかわからんけど、仕事が回ってるみたいな状態になると全然体力を消費せずに仕事ができるみたいな。
だからデビンの話とかをしてる時とかは、まさに今それができんのデビンだけじゃん、みたいなのは結構あって。
全員が全員ローカル環境のセットアップを同じ感覚でできると思うだよっていう話とか。
デビンってクラウドに構築されている、クラウドのバーチャルマシン上で動かすAIエージェントで、しかもGitHubと直でデビンが連携する、そのバーチャルマシンがGitHubと連携するから。
なるほど。
だから誰か1人、チーム内に10人いて1人エンジニアリングの素養があって、1人そこの整備ができる人がいれば、その他の10人、50人とかが同じ環境を享受できるように作られてるんだよね。だから今の時代めちゃめちゃマッチはしてるわけよ。
そうですね。今の課題を一気に解決できるツールってことですよね。
そうですよね。だから俺ここめっちゃ解像度高いんだけど。
面白いな。
そこじゃあもうちょっと突っ込むと、その方法って別にデビンじゃなくてもできるんじゃないかなって今思ったんですけど。
できるできる。
一つのEC2のインスタンスに入っていって開発をすることで、なんか体験としては似たようなことができなくはないっていうことですよね。
そうそうそうそう。でそれをじゃあ、それってクラウド環境を整備する人が必要で、でそれにどういうAIエージェントとかLLMのモデルをつなぎ込むかみたいなところのメンテナンスもずっとしなきゃいけなくて。
今のそのモデルがいっぱい変わっていく中でみたいなっていうのもあるし、じゃあそこのベッドロックとかでつないでみたいなEC2の環境に入った後にどうやってAIのモデルを触るかってなると、
結局今ってエンジニアだったら触れるけどみたいな状態になるから、じゃあウェブアプリとか作んなきゃいけないのかなみたいな話とか、そこで使いやすいUI整備しなきゃいけないのかなみたいな。
とかっていう風になってくるのを、そこの今言った手間だけ諸々サービス化してくれてるっていうのはでかいみたいなそういう話。
確かにそうですね。なんかレビンの営業になった感じしますね。
でもそれは結局そうで、なんかいろんなのあるんだよ。レビンを使うっていう選択肢もあるし、
よく多分取られてる手段は、社内の詳しい人が例えばHR用のとか、営業用のクロードのAPIとかそういうのが組み込まれた、その人たち専用のウェブサービスを何個も作ってるみたいな会社が多分めっちゃある。
それも似たような感じというか。
そうだよね。
直でクロードコード叩けない人のために、全員がここの場にこの情報だけ渡せば仕事ができるみたいな感じになって、そのアプリケーションが50個、100個ずっと動いてるみたいな会社は結構あったりする。
だからそうすることで、セキュリティとかも担保されるし、ちゃんと会社の中でAIツールが使えるような環境を作ってあげてるってことなんですよね。
でもじゃあそれを社内のリソースでずっとコントロールしとくのかっていう話もちょっと出てくるから。
で、やっぱサービスとしてとか売り物としてやってないものってさ、なんかメンテナンスがちょっと届こっても文句の言いようもなければ、メンテナンス責任もないというか、っていうところとかが多分だんだんシワ寄せが出てきちゃうポイントというか。
確かに。
組織におけるAI活用の現状と課題
結局そこってもう人間マターというか。
そうそう。
ちゃんと保守運用してる、くれてる人がいるぜって成り立ってるものだから。
で、なんか社内の、それを作れる人って社内のAIをリードできる人なわけじゃん。
そうですね。
で、その人にメンテナンスさせてるのめっちゃもったいないじゃん。
間違いない。他にもっといい仕事ができる可能性が一番あるわけだからね。
そうそう。
なるほど。
っていうなんかバランスがむずくって、結局じゃあクロードコードを標準的に会社の中で使おうみたいになったときのバランスってむずすぎるんだよね、今の段階では。
そうですね。なるほどね。だから諸々そういう課題があって、結局個人でいかにこう生産性高くやっていくかから、一歩踏み込んで組織でどうクロードを使っていくかってところがうまくいかない原因が結構あるんですね、現場には。
クロードがすげえはそうだし、Xの論調もそうではあるんだけど、それは3人ぐらいだったらそれはできるよっていう。
3人、5人かめっちゃ優秀なエンジニアしかいない10人ぐらいの環境とか、やれば全然いける。
なるほど。じゃあもうこれってあれですね、クロードっていうAIの問題というよりかは完全に組織というか人間側の問題がほとんどですね。
人間ボトルネック問題だね、これは。
ここからだからクロードのモデルがガーって上がっていくとか、ミソスとか出てマジすげえみたいになってるけど、会社の中でAI使おうとしてる人ってそうじゃないんだよねみたいな。
いやーわかりますね、そうですよ。
っていうところが世の中のいろんな会社の中でAI推進してる人が抱えてる、やんなきゃってなってるところと実際にできないところの多分大きなギャップみたいになってる。
SNSで会わないでほしいですね、もうみんなできてますよみたいな雰囲気で。
それは個人事業主だったら余裕だよみたいな。
そうじゃないんだぞ、課題は。
個人事業主だったらそんな全部できるわ。
自分で勝手にコンテンツ作るとか余裕だから。
AI導入における現場の苦労とSaaSの課題
そうですよね。だからね、復職して7月に仕事現場行って、組織でどうやったらAIもっと使えるようになるかとか、
いかに品質を担保して標準化された形でアウトプットが出てくるようにするにはどうするべきかとか、
結構考えることも多くて、
大変だよね、普通に。
結構AI機員の課題感がボロボロある。
あるね。
だからね、本来の仕事のタスク以外のところを片付けたい思いと、なかなかうまく進まない思いと、
復帰前後で、もうね、圧倒的に今のほうが大変ですね。
そう、やっぱそうなんだ。
進化してるかもしれないですけど、全然課題しか出てこない。
だと思うけどね。それが単純に今、業務の土中心にあるようなSaaSとかのサービスが例えばあって、
そいつがめっちゃAIとの相性悪いってことはもう最悪だよね。
これがね、結構あるんですよ。
あるよね、全然あるよね。
だってそこってSaaS側からしたらAPIとか全部開放したり、MCP開放したりとかってやってたら最初はめっちゃ喜ばれるけど、
離脱リスクをクソ上げるみたいなさ。
情報全部引っこ抜けちゃうし、勝手にデータベース作られたら終わるしみたいな。
そうですね。
しかもそのパッケージに価値を感じて結構高いお金を払ってくれていたのに、
これに代替する機能だけ限定して社内で作れましたとか言われたらもう解約されちゃうからさ。
だからSaaS-Zの結構本質はこういうところかなと思っていて。
しなんSaaSはしなんのよ。
そうなんですよね。だからね、そういうプロジェクトとかプロダクト側の課題化も結構浮き彫りになってきてるこのご時世ですよ、今は。
AIネイティブな働き方とツールの選択
うん、だよね。
本当にそうだなと思う。AIとのその相性の良さとか。
改めて自分たちが作ってるプロダクト見直さなきゃいけないフェーズにもなってきてるし。
今回クロードコードの話がテーマではあるんですが、そのクロードコードとかが原因となってボロボロとボロが出始めてる。
組織もプロダクトも人も。
俺は今、事業部の部長をやってるとはいえ、去年の4月とかに新しく作った会社の中の1個部になってるみたいなだけだから、
そういうプロセス改善用のSaaSとかは一定入れていかないと回らなかったりする。
それでそういうのをどんどん提案してくれる役割というか、そういう職務になってくれてる人がいて、
こういうのあるんだけどどうかなみたいなのをチェックの時に、ほぼUI見ずに決めたりするね、俺は。
俺に求められてる意見のところは、UIはほぼ見ずに、別に他の人がこのUIがいいって決めてくれればいいんだけど、
俺が手元で持ってる、俺個人的にはクロードコードでAIネイティブに営業のステップから何から全部まとめてるから、
それとのつなぎ込みの相性の良さで返事する。
新しく持ってきたサービスとクロードとの接続性っていう部分です。
そうなんだ。
これAIとの接続、その絡むとかその情報があるんだったら、APIで引っこ抜けるんだったら大丈夫かなみたいな話とか。
逆にそれしかやってくれないんだったら、別に手元でできてるからいらないですねみたいな話とか。
なるほどね。そういう観点もあるんですね、確かにそうか。
UIは別に正直どうでもいいっすね、俺は。
確かにチームの中だけで使ってるんだったらそうかもしれないですね。
クロードを当たり前に使えるっていう状況のメンバー、環境なのであれば、その観点でいいっすもんね。
でもあとUIのところとかは個人の好みとか出るし、議論を生んでしまうだけな気もするから、
他の人が使いやすいって言うんだったらまあいいかっていう返事の仕方にもなってたりするようなチェックポイントというか。
でもチェックポイントを絞っていくのは大事かもしれないですね。もうAPIの機能だけで判断しますみたいな。
研究室での経験とAI時代のスキル
わかります、それは。ちょっと話違いますけど、自分もエディター、仕事はほぼVSコードを使ってコーディングをしたりとか、もちろんAIと会話したりとか、
普通に質疑とか壁打ちもVSコードの中にAI使える環境あるんで、そこでもうチャットしてみたいな状況なんで、そこだけで仕事がしたいんですよ。
画面を切り替えて、例えばChromeに行ってChromeで情報検索するとか絶対したくないんで、
もう黒い画面だけを開いてやりたいなと思ったときに、じゃあそれをどうやったら実現できるかっていう観点で、
各ツールとの接続とかをやっぱり選んでいく。なので直近だと、Googleワークスペースを今使っているんですけど、
そこにいろんなプロジェクトのフォルダ、スライドとかドキュメントとか入れて管理していて、
それって今までってChromeのウェブの方からポチポチドライブを開いて必要なドキュメント見に行ってたんですけど、
別にそれしなくても、今ってVSコードを経由でローカルにGoogleドライブでマウントできるんで、
ローカルからその必要なフォルダって見に行ける。そこさえ設定しちゃえば、
もうエディターの中だけでローカルにマウントしたドライブ経由で必要なスライドとかドキュメント見に行くっていう作り方。
これは複職してから、Googleドライブってアプリだけダウンロードしておけばいいじゃんってことを気づいたし、
今までそんなわざわざローカルに置く必要ないなと思ってたんですけど、
AIを中心で働くことを決めてから変わった一つの使い方ですね。
おー、研究室の時やってなかったんだ。
研究室の時はやってましたね、確かに。
だから誰かが編集したらファイル勝手にすぐ更新されてたし。
でもそうする必要も今までなかったんですよね、そのAIを使ってドキュメントを見に行くっていう。
そもそもローカル系でファイルを見に行けるのはちょっと怖かったのもあったので、
必要性もなかったしっていうところで。
あの研究室にいてよかったよな。
それはそうかも。
天文の研究やってる時、ある程度中央で管理するパソコンとかあってデスクトップでやってたけど、
ノートパソコンになった瞬間にめっちゃアイソレートされた環境だったじゃん。
そうだね。
で、自分でソフトウェアのセットアップしなきゃいけなかったし、
コマンドラインで全部操作するみたいな癖ついたし。
あれなかったら多分今終わってると思うんだよね。
今になってそういうコマンドライン操作とか、
ディレクトリーの構造をちゃんと理解した動きとかっていうのが必要になってきてるわけだからね。
生きてる。マジで生きてる。
本当によかった。
確かにね。
あの研究室でマジでよかったと思うね。
ハードウェアセットアップ経験の価値
しかも多分あれなんか、大学院生全員行けんのかっていうとそうでもないじゃん。
他の研究室とかだったら共通のソフトウェアがあって、
分析するときはこのパソコン開いて、このソフトウェア開いてやるとかやってたけど、
俺らもうノートパソコン全員に配布されるけど、
そのノートパソコンのセットアップは個人責任みたいな感じだったし。
確かにそうですね。
俺らプラス研究室のパソコン全部の中央の管理とかもやってたから、
新しいパソコンとかパソコン壊れたらパソコンの修理もしてたし。
そうですね。
ってなってたから、よりLinuxのOSとかには強くなったけど、
あの真っさらのパソコン渡されて、研究できるところまでセットアップ自分でしなきゃいけなくて、
みたいなのは今のAIの環境をセットアップしなきゃいけないみたいなのに近い気がしてて。
確かに。
そうですね。それで言うと、研究室でGPUのグラフィックボード買ってパソコン挿して、
自分でGPU環境作ったみたいな経験も結構生きてたなと思ってて。
確かに、研究室に誰もできる人いないのにね。
そうですよ。だからKUDAのインストールとかからしてGPU使えるみたいな話だったんですけど、
あの経験があったからこそ、今AIがすごい当たり前になってきて、
もっと強いAIを作っていくためのデータセンターを準備して、
そこにNVIDIA製のA100とかのGPUを何枚も挿すみたいな話がスッと頭に入ってくるのは、
自分が手を動かしてどういう物理的な環境ができてるかとかっていうのがイメージに持ててるのは良かったなっていう。
確かに確かに。ハードディスクのあそこのマウントできる数何本あるからみたいなさ。
そういうね話。データセンターって冷やさなきゃいけないよねとかっていうのが当たり前に言われますけど、
確かにあの研究室はサーバーがゴロゴロ動いてて暑かったですもんね。
暑かったね。
だから冷やさなきゃいけないってそういうことだなとか、結構身をもって経験できたことは大きかったですね。
ローカル環境セットアップ能力の重要性
いやだからね、生きてるんだよ。
さっき言ってたそのローカル環境云々とかっていうところの常識。
あの時代本当は多分俺らがそのまますぐ社会人とかになってたら、
クラウドで整え切った環境でやってたからダメで、
なんかもうただパソコン渡されて、
第一線の研究者と同じ環境を自分で整えなきゃいけなくてっていう、
そのローカル環境セットアップ能力みたいな。
で、自分の環境に自分で責任を持つみたいなところの感覚は大事だけど、
今の世の中からほぼ葬り去られた知見なんだよ。
はい、そうですね。
で、その上でそこで仕事しててもバージョンの管理とかが整ってないと、
他の人と結果が変わり得るみたいなところとか。
確かに。
天文で言うと、
ヒーサー君の何番目のバージョンいくつを使ってるかを論文に明記しなきゃいけないみたいな。
これね、分かる人誰もいないですよ。
そういうなんかその論文とかに書こうとすると、
ソフトウェアバージョンも書かなきゃいけない。
そうね。
ここでヒーサー君って、NASAが開発していてオープンソースで配布してるソフトウェアの話ですね。
はい。誰も知らないですから。
そういうところなんだよね。
そうですね。
研究室の経験と組織的AI活用の類似性
だから結構ね、この他の業界もそうかもしれないですけど、
物理、宇宙みたいな分野の研究から、
データサイエンスとかね、データAIの業界にっていうこの相性は多分いいんでしょうね。
やってることが今もね、つながってるし。
本当に思うよ、それは。
だから研究室で俺がとか、もう一人のやつとかが、
全員で使うパソコンを中央集権で全部管理して、バージョンとか管理してたみたいなのが、
あの苦労がそのまんま、多分会社でいうところの組織的にAIを使って、
全員で生産性向上させるみたいなところの感覚に多分近い。
うんうん、そうですね。
何にも知らない4年生が入ってきたときに、
いいから黙って3ヶ月でLinuxのコマンド全部覚えろみたいな、
ソフトウェアも全部ターミナルからいじるんだぜみたいなのを教えるじゃなくて、
環境はセットアップしてるよ、デスクトップここ座ってくれたらこれできるよみたいな、
ここまで整えておくのが多分組織的にAIを使うみたいなところに近い。
そうか、そこまでやらないと足並み揃わないか。
AI活用における標準化と教育の悩み
結構大変な作業ですし、ここにきて人間の教育とかスキルアップを頑張らなければいけないっていうところは、
あれですね、ちょっと憂鬱になりますね。
でも今だけなんだよ多分それも。
結局クラウドに完結してるクラウドAIエージェントとかがいっぱい出てきて。
そうですね、だから結構そこって悩みどころで、
どれだけこの標準化、仕事の標準化とかAIをいかに使えるように整備をするかってところに力を入れるべきかなっていうところを結構悩んでいて、
直近だとスライド作成、やっぱり効率的にやりたいなと思っていて、
隣のデータ分析屋さん今回も面白いと思ったらフォロー・レビューよろしくお願いします。
また概要欄に貼ってあるお手紙フォームからお便りジャンジャンお待ちしております。
それじゃあまた。
バイバイ。
