整理：阿穎
クラウドコードの創設者であるボリス・チェルニーがセコイア・カンファレンスで行ったスピーチは、情報量が非常に多く、多くの観点を初めて完全に聞いた。この男はAIに対する理解が確かにしっかりしている。
自分のまとめを共有します。
01 コードはもはや希少ではない
大規模な主要開発シナリオにおいて、手動でコードを書くことは、もはや非効率な行為になりつつあります。
以前は機能をリリースする際、エンジニアが座って、どのように実装するかをよく考えた上で、一行ずつコードを入力していました。このプロセスにおいて、エンジニアの最大の価値は、コードを書けるかどうか、書くのが上手いかどうか、書くのが速いかどうかでした。
現在の働き方は異なります。
同じ機能について、エンジニアが行うことは、まず要件を明確にし、それをいくつかの部分に分割してエージェントに割り当て、受入基準を定めた後、エージェントが出力した結果が正しいかどうかを確認し、正しくなければプロンプトを調整して再度実行するものです。
AIはすでにほとんどのコーディングタスクをこなせるようになりました。ただし、100％というわけではなく、まだ巨大で複雑なコードベース、マイナーな言語、または特殊な環境では、現在のモデルのパフォーマンスは十分ではありません。
全体として、エンジニアの価値はコードを書けるかどうかから、タスクを分解できるかどうか、目標を明確に説明できるかどうか、結果を検収できるかどうか、エージェントを管理できるかどうかに変わった。
この変化は実に産業革命に似ています。
産業革命以前、鍛冶屋は鉄を打つことから鍛造、研磨、組立まで、すべての作業を一人で行っていた。技術の高い鍛冶屋は、当然価値があった。
その後、生産ラインが登場した。各作業者が一つの工程だけを担当するようになり、全体の生産量は手作業時代と比べて数十倍、数百倍に増加した。
この時代の工場で価値のある役割は、ある工程を最も上手にこなす職人ではなく、生産ラインをうまく設計・管理し、スムーズに動かせる人である。
労働者は消えなかったが、労働者の役割は変わった。
ソフトウェア工学は現在、同様の転換点に直面しています。コード自体が希少なものではなくなっています。コードを書けるというスキルは、PPTを使えることと同じくらいの基礎的なスキルになりつつあります。
本当に希少なのは、曖昧な要望を明確なタスクに分解できるかどうか、エージェントが提示した複数の案の中から最も適切なものを選べるかどうか、そして複数のAIを協調させて1つのことを成し遂げられるかどうかである。
実は、このことについて、多くのベテランエンジニアは当初受け入れられませんでした。自分でコードを書くという行為そのものが、過去数十年にわたり多くの人がこの業界を愛する理由でした。
これを機械に任せることは、多くの人にとって、働き方の変化だけでなく、アイデンティティの再構築でもある。
しかし、トレンドはトレンドです。
02 グーテンベルクの印刷機のように
コーディングは、専門スキルから基礎的な能力へと変化しつつあります。これは15世紀のヨーロッパの活版印刷に例えることができます。
印刷術が発明される前、ヨーロッパ全体で識字できる人は約10％しかいませんでした。これらの人は、読み書きできない貴族に雇われ、読んだり書いたりする専門の役割を担っていました。
そして印刷術が登場した。50年で、ヨーロッパで出版された本の数が、それまでの1000年分の合計を上回り、本の価格は約100分の1に下がった。その後、数百年にわたり教育システムや経済構造が徐々に追いつき、ようやく世界の識字率は今日の70％まで上昇した。
ボリスは、AIがソフトウェアに与える影響は、印刷革命の加速版であると考えています。ソフトウェアは数十年以内に完全に民主化され、誰でも扱えるものになるでしょう。
最終的に、ソフトウェアを作ることは、テキストメッセージを送るのと同じくらい自然になるでしょう。
03 どの能力が最も重要ですか？
AIがコードを書くことの障壁を極限まで下げた後、個人の能力を真正に分けるのは、彼のプロダクト感覚と、特定の分野に対する真の理解である。
例を挙げましょう。二人が同時に医師向けの製品を開発するとします。一人はコーディングが速いエンジニアで、もう一人は病院の情報部門で数年働いた経験があります。
以前は、エンジニアがアイデアを実現できるため、製品化される確率が高かった。
今では逆転しています。誰でもアイデアを実現できます。このとき、病院の日常業務フローを真正に理解している人がより価値があります。彼は、医師が実際に使う機能と、単に理にかなって聞こえるだけの機能を知っているからです。
つまり、AIが実行のハードルを下げたことで、判断力の差が拡大する。
これは「generalist」という言葉の意味を直接書き換えた。
過去、generalistと言えば、iOSを書けるだけでなく、Webやバックエンドも書けるエンジニアを指していました。このようなgeneralistは、本質的にエンジニアリング内でのフルスタックです。
将来のジェネラリストは、横断的なフルスタックである。
製品、デザイン、エンジニアリングのすべてを理解する人がいる。製品、データサイエンス、エンジニアリングのすべてを理解する人もいる。このような組み合わせは、それぞれに長期間の専門的な訓練が必要だったため、かつてはほぼ不可能だった。
しかし現在、AIは各分野の実行ハードルを下げており、1人が複数の分野をまたがって活動しつつ、専門性の深さも維持できるようになっています。
クラウドコードチーム就是这样。エンジニアリングマネージャー、PM、デザイナー、データサイエンティスト、財務、ユーザー研究の全員がコードを書いている。
デザイナーは、エンジニアが実装を待つのではなく、自らインタラクションプロトタイプを動かしてチームに見せることができます。
財務チームは自分で分析ツールを構築し、社内の複雑な財務モデルを実行できるようになり、BIを待つ必要がなくなった。ユーザー研究の同僚たちは、これまでデータチームの協力を待っていた部分の作業を自らデータを実行して引き受けるようになった。
それぞれの専門性は依然として存在する。しかし、AIの支援により、コーディングは誰もが共通して使える言語となった。
04 SaaSの競争優位性は崩れつつある
過去十数年間、SaaS業界には、ほぼ公理として受け入れられてきた幾つかのコンセンサスがあった。
最初の課題は移行コストです。企業があなたのシステムを導入すると、数年、あるいは十数年にわたるデータ、設定、フィールド、権限関係が徐々に蓄積されます。
別のシステムに移行したいだけなのに、これらをそのまま移してまた戻すだけで、動きたくなくなるほど頭が痛い。
第二条はワークフローのロックです。従業員の日常的な操作、部門間の協力、承認ノードはすべてこのSaaSを基盤に構築されています。
システムを変更することは、単にデータを移すだけでなく、過去数年間で会社が身につけた筋肉記憶をすべて壊して再構築することである。
この二つを合わせると、過去のSaaS業界で最も深い護り壁を構成していた。しかし、十分に強力なモデルが登場したことで、その論理が変わり始めた。
まず切り替えコストの側面を見てみましょう。過去には、一つのSaaSから別のSaaSに切り替えるだけで、フィールドの整合性を合わせ、データ構造を再現するだけで、エンジニアリングチームが数ヶ月にわたって残業する必要がありました。
今、両側のインターフェースとデータ構造をそのままモデルに渡し、モデル自身がマッピング関係を整理し、段階的に最適解へと近づかせる。もともと数か月かかるはずの作業が、数日で実用可能なバージョンを導出できる可能性がある。
ワークフローのロックに注目すると、さらに興味深い。過去、ワークフローが顧客をロックできたのは、これらのプロセス自体が複雑で、非明示的であり、人間の依存に頼っていたからである。
従業員の頭にある、誰が誰に承認を求めるか、どのステップでどのタイミングで止まるかという暗黙のルールは、そのまま移すことはできない。
しかし、Opus 4.7 といったモデルは、複雑なプロセスを理解し、分解し、新しい環境で再構築することに最も得意です。甚至、再構築されたバージョンの方が、元よりもスムーズになる可能性さえあります。
したがって、過去にデータの蓄積とプロセスの蓄積によって築かれてきた競争優位は、今崩れつつあります。
SaaS を開発している人にとっては、これは悪いニュースかもしれません。しかし、SaaS を利用しているすべての顧客や、次世代の SaaS を準備しているチームにとっては、真の機会の窓が開かれています。
05 起業家にとって最良の時代
未来10年で業界を真正面から変革するスタートアップは、過去10年よりも10倍多くなる可能性がある。
理由は実は単純です。
小さなチームは、AIを使って大企業と同等、あるいはそれ以上の製品を作ることができる。逆に、大企業がAIを本格的に活用しようとすると、却って負債となる。
怎么说呢？
十数年の歴史を持つ企業は、独自の業務プロセス、職務分担、協力習慣、トレーニング体制、KPI評価体系を確立してきた。これらは過去において資産であり、壁となっていた。
しかし、AIを真正に組み込むということは、これらすべてを見直す必要があることを意味する：ビジネスプロセスを再構築し、すべての従業員を再教育し、一歩進むたびに大きな内部抵抗に直面し、N個の部門とN層の承認を調整しなければならない。
三人で構成されるスタートアップチームは、最初の日からAIをデフォルトの基盤としています。過去の負債を解体する必要も、習慣を変える必要も、説得する必要のある人もいません。今日話し合い、明日デモを実行し、明後日にはユーザーが利用できるようにリリースできます。
この速度差は、AI以前から存在していた。スタートアップ企業は大企業に対して本来速度の優位性を持っている。しかし、AIはこの差をはるかに拡大した。
なぜですか？
AIが強くなるほど、単位時間あたりに一人が動かせるレバレッジは大きくなる。AIを真正面から活用する小さなチームの今日の生産性は、過去の十人分に相当し、明日には過去の三十人分に相当する可能性がある。
しかし、大企業の組織的重さは軽くなっておらず、AIを消化しなければならないため、かえって重くなっている。AIが強くなるほど、小規模チームの加速度と大企業の引きずり力との間の差は広がっていく。
これがボリスが言う負の資産です。大企業が資金や人材、意欲がないわけではなく、かつて利益を生んでいたその筋肉が、今まさにAIが真価を発揮する道に引っかかっているのです。
06 MCPは死なない
MCPは死なない。
Skillが人気を博した後、多くの人がMCPは必要ないと考えた。OpenClawの創設者も同様の見解だった。
しかしBorisはそうは考えていない。彼はMCPがAI時代のソフトウェア接続層になると信じている。
過去のインターネットのソフトウェア接続方式はAPIでした。
しかし、APIの根本的な問題は、それがエンジニア向けに設計されていることです。APIを使用するには、まずドキュメントを確認し、Tokenを申請し、コードを書き、フィールドをマッピングし、例外を処理しなければなりません。要するに、APIは人間の開発者向けに書かれているのです。
MCPは異なります。これにより、モデルを直接接続して使用でき、モデル自身が読み取れば呼び出せます。その間にプログラマーが翻訳する必要はありません。
そのため、BorisはAPIをHuman Developer Interfaceと呼び、MCPをModel Interface Protocolと呼んでいます。一つは人用で、もう一つはモデル用です。
これはかつてと非常に似ています。モバイルインターネット時代には、すべてのサービスがAPI化されることを前提としました。AI時代には、すべてのサービスがMCP化されることを前提とします。
07 コンピューター利用は依然として重要です
現在、多くの人がComputer Useについて話す際、この方向性はおそらくうまくいかないと思うでしょう。
理由も納得できる：トークンをあまりにも消費し、動作が遅く、不安定だ。まるで技術見せのデモのようで、実用に達するにはまだ距離がある。
しかし、ボリスが見ている層はまったく異なります。
彼が真に重視しているのは、Computer Use が AI の実装における最大の課題、すなわち現実世界には API も MCP もない多数のシステムが存在するという点を解決したことです。
特に企業界において。
会社に入ると、内部の多くのコアシステムが非常に古く、ERP、OA、財務システム、内部承認、サプライチェーンバックエンド、さまざまなカスタムシステムが存在することがわかる。これらの多くはAPIが開放されておらず、ドキュメントもなく、自動化機能も備えていない。それらはただそこにあり、毎日無数の従業員によって手動で操作されている。
なぜそれらに直接APIを作らないのですか？
やりたくてもできない。これらのシステムを開発したベンダーはすでに存在していない可能性がある。IT部門には再構築する意欲も予算もない。
事業部門が半年から一年待つことはあり得ません。これらのシステムは、完璧なAPIを待って救われるようなことは決してありません。
短期的には、主要なモデルは引き続きComputer Useの能力を向上させるでしょう。