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)。
ポストAI時代の人間の価値
――AIがコードも文章も一瞬で生成できる時代において、私たち人間自身のスキルや価値はどのように変化していくのでしょうか?
牛尾剛氏(以下、牛尾) アフターAIの時代って、ソフトウェアデベロッパーであれビジネスパーソンであれ、「AIを使うこと」自体は完全に前提(コモディティ)になりますよね。
僕のイメージでは、成果の方程式は「人間の本体力×AIの利用力=アウトプット」なんです。
この「AI利用力」という掛け算の数値は、ツールが使いやすくなるので誰でも簡単に高められるし、全員が同じようなプロンプトを使えるから差がつきにくくなります。
文字通り誰でも使えるAI利用力を高めるよりも、元となる「人間の本体力」を鍛えた方がはるかにレバレッジが効きます。本体力が「1」しかなければ、AIで10倍にしても成果は「10」にしかなりませんが、本体力を「10」に引き上げれば同じAIを使うだけで成果は「100」へ跳ね上がる(スケールする)わけです。
福原たまねぎ氏 その「本体力」という表現、めちゃくちゃ刺さります。僕もドキュメント作成などでAIを日常的に使いますが、元々のPMとしての思考の浅さやデータ裏付けの弱さをごまかすためにAIを使うと、薄っぺらい文章がさらに薄く広がって「穴埋め」しただけのゴミが出来上がってしまうんですよね。逆に、思考やドメイン知識が深い人がAIを使うと、圧倒的な密度の資料が一瞬で完成します。
牛尾 そうそう! まさにカルピスでいう「原液が濃いかどうか」なんですよ。原液が濃ければ、そこにAIという「水」をいくら注いで希釈しても、しっかり美味しいカルピス(価値あるアウトプット)として成立し続ける。でも、最初から薄まったカルピスに水を足したら、ただの味のない水になってしまうじゃないですか。
――「カルピスの原液」を濃くするとは、具体的にどのような能力を鍛えることなのでしょうか?
牛尾 一言で言えば、そのドメインに対する「解像度の高い理解」と「一次体験(実体験)」です。AIで調べれば何でもそれっぽい情報(三次情報)が出てきますけど、自分が実際に手や足を動かして現場でコードを書き、失敗し、ドメインを深く理解していると、AIが出してきた回答に対して「あ、このコードはハーネスの設定が甘いな」「ここはエッジケースを考慮できていないな」と目が行き届くようになります。
自分でドメインを理解しているからこそ、自信(コンフィデンス)を持って意思決定ができるし、ショートカットもできる。
それと、本体力を鍛える上でもう一つ大事なのが「世間の基準ではなく、自分を基準にする」ということです。
今って世間の期待値(ゴール)がAIの進化によってめちゃくちゃ高くなっていて、「AI使ってるんだからこれくらい出来て当たり前でしょ」って圧力を感じて過剰適応しようとすると、メンタルが病んで潰れてしまいます。
「世間がどう言おうと、今の自分の現在地はここだ。明日1歩だけ上がるために何をするか」と自分軸で考えて、泥臭く解像度を上げていく。その積み重ねこそが、AI時代に決して代替されない濃い「カルピスの原液」を作ってくれるんだと思います。
『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