Pinterest AI Engineering、AI チームへの転換を提唱

John Grass | エンジニアリング上級マネージャー

根本的な変革

AI チームとは、単に既存のワークフローに AI ツールを組み込んだメンバーが集まった組織以上のものです。AI チームへと進化するには、チームが所有権をどう定義し、戦略的計画にどう取り組むか、そして何よりも中核となる目標の実行方法を根本的に、包括的なパラダイムシフトする必要があります。この変革は単なる新技術の追加ではなく、チームの運用モデル、哲学、および個々の役割を再構築するものです。

image AI チームへの転換には、包括的なシフトが必要です。チームメンバーは、日常的な手動実行から、権限を与えられ、AI を活用した戦略立案者や問題解決者へと移行します。

AI 中心の環境では、すべてのメンバーが大幅にエンパワーメントされます。最先端の AI ツールや高度なモデルへのアクセスだけでなく、責任と影響力の範囲が拡大することによってです。これらの新たな能力により、個人は日常的なタスクを自動化し、データ分析を加速させ、迅速にソリューションのプロトタイプを作成できるようになります。これにより認知資源が高次で戦略的な思考へと解放され、単なるタスク完了から、知的システムのオーケストレーションや、従来は解決が困難だった問題の解決に注力する姿勢へと期待が変わります。

したがって、個人貢献者もマネージャーも、これまで経験したことのない全く新しい働き方を求められることになります。

Pinterest においては、これは単なる理論上の話ではありません。私たちのインフラチームは、数十億もの Pin（ピン）、ボード、広告、リアルタイム信号を扱うプロダクトの核心に位置しています。この現実が、「AI チームへの変革」を側面プロジェクトとしてではなく、運用上の必須課題として捉えさせる要因となりました。従来の手法だけでは、信頼性、コスト効率、開発者の生産性をこれ以上スケールさせることができないからです。

AI チームとしての能力

利用可能な人工知能（AI）ツールの登場は、開発チームが達成できるパフォーマンスの上限を根本的に引き上げました。この劇的な変化を理解するために、通常であれば非常に困難なプロジェクトを考えてみましょう。例えば、「foo」という広範に使用されているプロセスを、より現代的な「bar」に置き換えるために、レガシーコードベース全体のリファクタリングを行うケースです。

この種の取り組みは長期的な保守性に不可欠ですが、規模の大きさが理由で優先順位が低くなりがちです。かつてであれば、これには数人のエンジニアからなる専任チームと、数ヶ月、場合によっては 1 年以上にわたるタイムラインが必要でした。

現代のAIツールがシームレスに統合されるようになり、以前は人的資本や時間の観点から不可能または高コストすぎると考えられていたプロジェクトも、驚くべき速度と精度で完了できるようになりました。先ほど言及したリファクタリングの例のように、高度なコード生成・変換モデルを活用した作業も、今では1週間未満で実行し検証することが可能です。

この新たな能力は単なるプロジェクトのスケジュールを変えるだけでなく、組織やチームが優先順位をどう設定すべきかという根本的な考え方を再構築します。技術的に実現可能な「可能なプロジェクト」の範囲が劇的に拡大し、どこにエネルギーを集中させるべきかの判断における複雑さが倍増しました。その結果、優先順位の付け方はいっそう重要になっています。チームは新しい原則を心に刻む必要があります。「実現可能だからといって、それが戦略的であるとは限らない」ということです。AIを使って迅速にタスクを完了できる能力が、必ずしもビジネスや製品の核心目標と一致するわけではありません。

imageAI はチームが達成できることの上限を押し上げますが、その分、戦略的な優先順位付けの重要性はさらに高まります。反復的で負荷の高いエンジニアリング業務を AI に任せることで、チームの焦点は根本的にシフトします。エンジニア、プロダクトマネージャー、デザイナーは、実行の詳細に巻き込まれるのではなく、より多くの時間とエネルギーを、高レベルな戦略的思考、問題定義の深掘り、そして真のユーザーニーズの検証に注ぐ必要があります。その結果、エンジニアリングチームの中核的価値は「優秀なコーディング能力」から、「AI を強力な実行力増幅器として活用する優秀な戦略立案者・問題解決者」へと移行します。

マネージャーの役割の変化

特にエンジニアを中心とした個人貢献者の日常業務が AI によって高度化・拡張されるにつれ、マネージャーの役割も劇的に変容しています。プロジェクト管理や監督に伴う、従来の時間と労力を要するルーチンワーク——予測可能なタスクの細密な進捗追跡、ステータス更新、リソース配分、プロセス遵守へのマイクロマネジメントなど——から、マネージャーは体系的に解放されます。

この解放により、マネージャーは単なるプロセス執行者や事務監督者から、真の戦略的ガイド役およびビジョンを持つリーダーへと転換します。その焦点は以下のように大きくシフトします：

戦略的方向性とビジョン策定：主要な責任は、チームが集中して取り組むべき野心的な課題や注目すべき技術を見極めることに移ります。これには、製品ロードマップのより高次元での把握、市場の変化の理解、そして組織全体の上位目標を、チームにとって明確で実行可能かつ情熱をそそる技術的目標へと翻訳する作業が含まれます。

集団的インパクトの最大化：プロジェクトが期限通りに完了することを確認するだけでなく、マネージャーの役割は、集団的な取り組みを戦略的に最大の影響力を持つポイントへ導くことにあります。これには、深い批判的思考力と、アーキテクチャや製品内のレバレッジ・ポイントを理解することが必要です。また、チームの成果を最も重要なビジネス成果に直接結びつけるための、困難なトレードオフ判断を下すことも求められます。

人材育成とメンターシップ：AI が反復的なコード生成やデバッグの多くを担うようになると、人間エンジニアの価値は創造性、複雑な問題解決、システムレベルのアーキテクチャ設計へとシフトします。したがって、マネージャーはチームメンバーへのコーチングとメンタリングに注力し、より高次のスキルの習得を支援し、不確実性のなかでの対応力を高め、高度な技術的・戦略的能力を活かしたキャリアパスを明確にする必要があります。

imageAI が日常的な監視業務を担うようになると、マネージャーの役割はプロセス管理からビジョンを示すリーダーシップへとシフトします。戦略の策定、メンターとしての支援、そしてチーム全体の成果への注力が求められるのです。

Pinterest 社内でも同様の傾向が見られます。データチームやプラットフォームチームでは、Spark ジョブの作成と検証、アラートのトリアージ、そして深いクエリ知識がなくても製品チームがデータを探索できるようなエージェントを構築しています。また、デザイン、プロダクトマネジメント、サポート機能の各部門でも、アイデア出し、コンテンツ草案の作成、意思決定の迅速化のために AI を活用しています。

AI アクセラレーション学習セッションや生成 AI による生産性向上ワーキンググループといった取り組みにより、これらの成功事例が可視化され、再現可能なものとなっています。これにより、各チームが孤立して同じパターンを再発見する必要はなくなりました。

インフラチームにとって、これは非常に具体的な形をとっています。エンジニアにページングされる前に問題のあるデータベースを特定するエージェント、より安全なロールアウト計画を提案するツール、そしてストレージプラットフォームの大規模なリファクタリングを数ヶ月ではなく数日で可能にするコーディングアシスタントです。こうした機能が、「AI チーム」という言葉をスローガンから、日常の運用モデルへと変えるのです。

未来のチームは AI チームである

現代の職場における人工知能（AI）の導入は、単なる技術的な改良に留まりません。それは、仕事の概念や実行方法、管理手法そのものを根本から変えるパラダイムシフトです。新人の個人貢献者からベテランの管理者に至るまで、すべてのプロフェッショナルにとって、この新しい環境への適応は選択肢ではなく、生存と成功のために不可欠な要件となっています。

「伝統的な」高パフォーマンスチームの時代は急速に終わりを迎え、AI を活用したチームへと移行しています。その能力差は驚くべきものです。

核心となる事実は、AI 活用チームの生産性、効率性、そしてイノベーションの可能性が、従来のチームを桁違いに上回るということです。AI ツールは日常的で反復的なタスクを自動化し、人間の才能を複雑な問題解決、戦略的思考、そして人間固有の判断力や感情知能を必要とする創造的活動へと集中させることができます。この変化は役割を消滅させるものではなく、むしろ昇華させるものです。そのためには、プロンプトエンジニアリング、データ解釈、批判的思考、そして知的システムとの協働といった、新しいスキルセットが求められます。

効果的で競争力があり、真に革新的であり続けるためには、チームと組織はこの変革を全面的に受け入れる必要があります。それは単に新しい AI ツールを導入するだけでなく、深い文化的な変化を伴うものです。

高性能な未来は、人間の専門知識と機械知能という相補的な関係に本質的に結びついています。この AI を駆使した進化を早急に受け入れることは、単なる戦略上の優位性にとどまらず、持続可能なイノベーションと効果性を支える基盤要件へと急速に変化しつつあります。AI への移行に躊躇するチームは、その壁を乗り越えた競合他社にすぐに抜かれ、取り残されてしまうでしょう。

従来のキャパシティとコミットメントモデルでは、チームは作業サイクルで利用可能なリソースを評価し、特定の成果物に対してコミットしていました。すべてのコミットメントを満たすことが期待されていました。しかし現実には、見積もりの甘さやリソースの減少といった要因により、目標達成率が低下するケースが一般的でした（例えば、コミットメントの 70% しか達成できないなど）。

AI ツールの初期の影響として、ドキュメンテーションやコーディング支援などのツールは既に存在し、一部の個人によって利用されていました。これによりチーム全体の効率にはわずかな向上が見られました。この初期段階での非均質な導入は、限定的なキャパシティの増加（例えば推定 20% の増）をもたらしました。その結果、チームはコミットメントに対して以前より良いパフォーマンスを発揮するようになりましたが、依然として目標を少し下回る状況です（90% 達成など）。つまり、チームはまだ 100% のキャパシティでフル稼働している状態にあります。

Pinterest のストレージ基盤チームでは、この変化を実感し始めています。例えば、以前は数日かかるような「データベースクラスタのトラブル調査」も、AI エージェントがログを解析して候補となる仮説を生成し、さらには修復コマンドの草案を作成するといった作業に前倒しで対応されるケースが増えています。

この動きはポートフォリオレベルでも現れ始めています。MySQL や TiDB、キャッシュインフラに関する AI 支援ツールのおかげで、「緊急時だけ対応する」状態から、以前はバックログに放置され続けていたメンテナンスタスクのクラス全体を片付けられるようになりました。これは「X 名のエンジニアが不要になった」という意味ではありません。同じエンジニアたちが、慢性化した火消し作業や手動の KTLO（Keep The Lights On）ではなく、ロードマップレベルの重要な課題に取り組む時間をより多く持てるようになったのです。

転換点を超える必要性

AI の恩恵を最大限に引き出すには、チームがスキル開発と技術の深い統合のために専念できる時間が必要です。AI の導入はチームのキャパシティ（処理能力）を高めます。しかし、重要な障壁は「チームの増加したキャパシティが既存のコミットメントを上回る点」に到達できるかどうかです。この余剰時間が AI 熟練度の向上には不可欠です。現在、多くのチームが直面している課題はこの過渡期にあります。新しいツールの学習と使用を並行しながら、既存の納期期待に応えることに苦労している状態です。

imageAI の導入はチームの能力を高め、新しいスキルを習得し、知能化されたツールを最大限に活用するために不可欠な余裕を生み出します。

AI 移行におけるリーダーシップの役割：カオスの中を進む

AI を活用した職場環境への移行は本質的に複雑で、しばしば混乱を伴います。チームは、AI ツールの急増や新たな学術研究、業界ブログ、オンラインコース、詳細なデモなど、圧倒的な量の情報に直面します。この膨大な量は、すぐに判断麻痺や混乱を引き起こす可能性があります。「どのツールが最も投資対効果が高いのか？」「私が絶対に習得すべき基礎概念や実践スキルは何か？」「探索の段階と実際の実行・納期との間で、持続可能で生産的なバランスをどう保つか？」といった重要な問いに対する、万人に通用する単一の答えが存在しないという厳しい現実があります。

image効果的なリーダーは、ビジョンの共有、実験の推進、心理的安全性の確保を通じて、チームを AI 主導の変革へと導きます。この不確実性の段階において、マネージャーは単なる監督者ではなく、極めて重要な役割を担います。彼らは技術的な不確実性の中を進路を描く主要なナビゲーターとなる必要があります。この指導には、いくつかの重要な責任が伴います。

不確実性への導き：リーダーはチームの混乱や不安を認め、それを正当化しなければなりません。目の前の道が見えなくても、目的地への明確なビジョンを示すことが求められます。また、ノイズをフィルタリングし、組織の目標に直接合致する管理可能なツールセットや学習トラックの優先順位付けを支援します。

情報共有と実験の奨励：マネージャーは積極的にサイロ（縦割り）を解体し、ブラウンバッグ・セッション、専用の Slack チャンネル、社内デモデーなど、構造化された場や非公式の場を設けるべきです。そこでチームメンバーが発見した内容や成功事例、そして何より失敗談を共有できるようにします。さらに、実験に専用時間とリソースを割り当てる必要があります。これは仕事からの逸脱ではなく、新しいワークフローに不可欠な一部として位置づけることが重要です。

心理的安全性の文化の醸成：おそらく最も重要なリーダーシップ機能は、「学習や適応のために失敗しても大丈夫」という環境を確立することです。つまり、AI における熟練度は瞬時に達成される状態ではなく、旅路そのものであるという事実を当然のものとして受け入れることです。リーダーは失敗への恐怖を、迅速かつ情報に基づいた学習への意欲へと置き換え、成功した導入と同様に、失敗した実験から得られた知見も称賛すべきです。この心理的安全性が学習曲線を加速させ、恐怖を新しい技術に対する主体的な関与へと変えます。

AI 移行期におけるチームの導き

人工知能（AI）の導入は、単なる技術的な改良ではなく、日常業務のあり方そのものを根本から変える転換点です。従来の組織再編のように劇的に一瞬で起こるわけではありませんが、AI を活用した環境への移行は、むしろより深く、システム全体を揺るがす変化をもたらします。これにより、中核となるプロセスや役割、必要なスキルまでが変わっていくのです。

リーダーシップ層には、この変化を認識することが不可欠です。たとえ大きな成果が約束されているとしても、変化そのものは従業員にとって本質的にストレスの多いプロセスであることを理解し、前向きかつ共感的な導きを提供することが、この過渡期を成功させる鍵となります。

現場で働く個人にとっても、専門的なアイデンティティや日々の業務は大きく進化します。焦点は「実行」から、「戦略立案」「指導」「人間ならではの洞察の提供」へとシフトしていきます。

これまでの経験が不要になるわけではありません。むしろ、その重要性は増しています。ただし、経験の活用法が根本的に変わります。これまで通り手作業でタスクを遂行するのではなく、チームメンバーは高度な AI エージェントやツールを指導し、批判し、協働するためにその経験を活用します。

役割は熟練した指揮者へと変化します。問題領域への深い理解、顧客のニーズ、そしてビジネスの文脈を駆使して、AI が出力する結果が正確で、関連性があり、戦略目標と完全に整合していることを保証するのが彼らの仕事です。

imageAI チームの真価は、タスクの実行から深い戦略と複雑な問題解決へと移り変わります。知能を備えたツールがワークフローの中核となるにつれてです。

AI が反復的でデータ集約型、かつ実装が複雑な作業（「どのように行うか」）の割合を増やす中、各役割における戦略的思考への需要は高まります。チームメンバーは単なるタスク遂行者から脱却し、どの業務に注力すべきか、なぜそれが重要なのか、そして成功をどう定義するかといった意思決定に主体的に関与し、主導する戦略的パートナーへと進化しなければなりません。

これには、割り当てられたタスクをこなすだけにとどまらず、ビジネス課題を批判的に分析し、イニシアチブの優先順位をつけ、AI が従うべき明確で高レバレッジなプロンプトとガードレールを定義することが必要です。こうした戦略的貢献は、すべての役割の価値と範囲を引き上げます。

結論として、この包括的な変化を熟考し、戦略的に、そして一体となって受け入れることは任意のものではありません。知能が製品の核となる層である新たな時代において、繁栄し、革新し、リーダーシップを発揮しようとするエンジニアリングチームにとって不可欠なことです。成功するチームとは、AI 駆動システムの継続的最適化を中心に据えたチームです。

「AI チームへの転換」は、もともと Pinterest のエンジニアリングブログで Medium に掲載された記事です。ここでは読者たちがこの話題について引き続き議論を続けており、コメントや反論を通じて対話を深めています。