本記事では、『その仕事、スケールするの?』の刊行を記念し、米マイクロソフト・シニアソフトウェアエンジニアの牛尾剛さんをゲストに迎え、シアトルで行われた特別対談をお届けする。
牛尾剛(うしお・つよし)
1971年、大阪府生まれ。米マイクロソフトAzure Functionsプロダクトチーム シニアソフトウェアエンジニア。シアトル在住。関西大学卒業後、大手SIerでITエンジニアをはじめ、2009年に独立。アジャイル、DevOpsのコンサルタントとして数多くのコンサルティングや講演を手掛けてきた。2015年、米国マイクロソフトに入社。エバンジェリストとしての活躍を経て、2019年より米国本社でAzure Functionsの開発に従事する。ソフトウェア開発の最前線での学びを伝えるnoteが人気を博す。著書に『世界一流エンジニアの思考法』『部下としてのAI』(ともに文藝春秋)『持たざる者の戦略』(朝日新聞出版)。
AIを使いこなした先に起こること
――近年、生成AIやAIエージェント(Claude CodeやGitHub Copilotなど)の進化によって開発スピードが激変していますが、シアトルの最先端現場ではAIをどのように活用して仕事をスケールさせているのでしょうか?
牛尾剛氏(以下、牛尾) AIエージェントの活用については、実はここ最近、チーム内で実感が一周まわって「逆」になってきているんですよ。
ちょっと前までは「エージェントを大量に並列で走らせて、1日でPR(プルリクエスト)を山ほど作ったぜ! 爆速だ!」ってイケイケでやっていた時期がありました。でも、実際にやってみたらすぐに巨大な壁にぶち当たったんです。
何が起きたかというと……「人間(レビューアー)が倒れる」んです。
福原たまねぎ氏(以下、福原) レビューアーの人間がボトルネックになってパンクしちゃうわけですね。
牛尾 そうなんですよ。今のAIエージェントの実力だと、人間のコードレビューなしでそのまま本番環境に自動マージできるかと言ったら、僕らのやってる高度なドメインでは品質的・責任的に絶対に不可能です。
いくらエージェント様が週末の間に100個のPRやコードを高速生成してくれても、それを受け取る人間側のレビューキャパシティを超えてしまえば、結局全体のサイクルは1ミリも上がりません。人間がボトルネックを起こしてしまうんです。
――生成のスピードが上がったからこそ、人間の「レビュー」という工程がクリティカルパス(最重要ボトルネック)になったのですね。
牛尾 まさにそうです。だから最近の僕らの研究テーマは、「AIにコードを書かせること」から「人間側のレビューをいかに楽にするか」へとシフトしています。
例えば、エージェントを使ってコードを小さく分割してレビューしやすくする「Stack PR(スタックPR)」というテクニックを使ったり、レビュー負担を減らすためのヘルパースキルを組んだりしています。
福原 コード生成自体の民主化が進んだ今年前半を経て、今は「生成された膨大なアウトプットをどう評価・鑑賞し、人間の責任で本番に届けるか」というレビュー工程の最適化にフェーズが移っているのがすごく面白いですね。
牛尾 ええ。だからこそ、AIエージェントが使える時代になったからといって「しょうもないアプリや機能を10個量産する」ことには何の価値もありません。
そんなゴミを大量に作ったところでレビューの手間が増えて全員が疲弊するだけ。結局、また最初の「P0(真にインパクトのある仕事)」の話に戻るんです。
世の中に溢れているエージェントが書いたブログやアプリって、手触り感や深みがなくてどこかつまらないじゃないですか。人間から滲み出る「センス」や「これ、めっちゃ気が利いてるよね!」という本物感こそがユーザーの心を動かすポイントです。
福原 だからこそ、100個の平均的な代物を作るのをやめて、世界中で誰も作ったことがないような最高の1個(P0)にフォーカスし、そこにエージェントの力を集中させてハイクオリティに仕上げる。ツールが進化すればするほど、作る人間の「フォーカス」と「センス」が問われるようになっていますね。
『その仕事、スケールするの?』
★ GAFAMをはじめ世界を動かすトップ企業のアメリカ本社で活躍してきた社員が実践する「圧倒的生産性」の秘密!
世界最高峰の現場で使われる「思考法」が身に付く
Google、Microsoftのように、世界中にデータセンターを張り巡らせ、需要が増えれば一気にシステムを拡張できる企業を、米国テック業界では「ハイパースケーラー」と呼びます。そして、OpenAIやAnthropicが牽引する急激なAIの進化を支えているのが「スケーリング則(スケーリング・ロー)」です。
なぜ、米国のテック企業で働く人たちは、なぜこうした世界規模の成果を出し続けられるのでしょうか?
その秘密が「スケール思考」です。
現場の社員から、イーロン・マスク、サム・アルトマン、ナヴァル・ラヴィカントらトップまで、その考え方に深く根付く思想を紐解きます。
外資系IT企業の米国本社でシニア・プロダクト・マネージャーとして働く著者が、世界一流の同僚から学んだ、無理をせずに成果を上げる思考法を伝授します。
いま世界の中心にある"スケール"という考え方を、自分の仕事に活かす。新時代のビジネス書です。
『その仕事、スケールするの?』目次
1章 仕事をスケールさせる「考え方」
・「その場限りの努力」はしない
・努力の方程式を変える
・真似できる仕事をつくる ― 再現性
・何度も広がる仕事をする ― 波及性
・自分なしで回る仕事にする ― 自走性
・「1日に働ける時間」を知る
・仕事のなかに「iPhone」をつくる
・「『頑張れ』というのは、意味のない言葉だよね」
・報われる努力をする
・「その仕事、スケールするの?」1章のチェックポイント
2章 仕事をスケールさせる「デザイン力」
・世界一流の同僚は「頑張る前にデザインする」
・「我慢」も「残業」もしなくていい ― キャパシティをデザインする
・「質の高いアウトプット」に徹底的にこだわる
・自分のキャパシティを知る
・80%は絶対に超えない ― タスクをデザインする
・負荷を決める
・大事なタスクは1日3つまでに絞る
・「タスク」を「予定」に変える ― 時間をデザインする
・3秒で片づく仕事は見た瞬間にやる
・「仕事の終わり」を決める ― ゴールをデザインする
・4つの条件で、仕事を終わらせる
・5分単位でスケジュールを組む
・タスクをこなし、クビになったレンコンさん
・「その仕事、スケールするの?」2章のチェックポイント
Coffee Break Read シアトルってどんな場所? 雨とコーヒー
3章 思考をスケールさせる「言語化」
・「よくわからない」をログせにする
・書く、書く、書く
・要点を「メモ」にして渡す
・世界一流の同僚は「トヨタ式」で考える
・メールに脚注をつける
・ポイ捨ての仕事をやめる
・質問の前に「インプット」する
・「その仕事、スケールするの?」3章のチェックポイント
4章 意思決定をスケールさせる「データ」
・「データ集め」に8割の力を入れる
・ズッキーニさんが教えてくれた「Data ends arguments」
・「声の大きい人」に惑わされない
・すぐに「検証して」みる
・4つのコツで仕事を「データ」にする
・小さく試してデータをつくる
・たった「3人」の意見を聞く
・データでわかるまで「はい」とは言わない
・データの「旬」を見極める
・「その仕事、スケールするの?」4章のチェックポイント
5章 人間関係をスケールさせる「コミュニケーション」
・人を巻きこむ
・「インセンティブをそろえなさい」
・みんなの「動機」をそろえる
・小さいことも「根回し」する
・「期待値」をコントロールする
・「問題」と「人」を切り分ける
・「obey」ではなく「listen」する
・会議は「ジャズ」で制す
・5分間だけ「電話」する
・「上手くいったコミュニケーション」を型にして残す
・「その仕事、スケールするの?」5章のチェックポイント
Coffee Break Read シアトルってどんな街? テクノロジーと田舎
6章 仕事のおもしろさをスケールさせる「マインドセット」
・今の職場で「おもしろい仕事」を見つける
・「楽しい?」を口ぐせにする
・3つの「できる」を守る
・まずは「自分たちのため」につくる
・「自分がやること」を決める
・無茶振りなタスクは「翻訳する」
・飲み会の幹事でプロジェクトを回す
・「KAIZEN」しない
・「これでベストか」を疑う
・「その仕事、スケールするの?」6章のチェックポイント
7章 人生をスケールさせる「キャリア」
・10年後のキャリアプランは「つくらない」
・偶然を「活かせる人」になる
・スケールする仕事を探して、交渉して、掴み取る
・「ROIの高い仕事」を見極める
・「いいプロジェクト」にこだわる
・昇進は「交渉」する
・「育ててもらう」から卒業する
・「学歴」にこだわらない
・「自分の市場価値」を気にする
・タケノコさんが最後に言われた言葉
・「その仕事、スケールするの?」7章のチェックポイント