Andrew Ng が指摘する AI 開発に必須の 4 つのスキルと専門家の見解

*ZDNET をフォロー:* *優先ソースとして追加する* on Google.*

ZDNET の注目ポイント

• Coursera 創設者のアンディ・ン氏は、AI 開発に必要な主要スキルを列挙しました。
• 業界の専門家の一部は、このリストが「構築」に偏りすぎていると指摘しています。
• エンジニアは技術的な実装だけでなく、ビジネス上の課題やリスクについても理解する必要があります。

ソフトウェアエンジニアリングにおける AI スキルについて、従来の枠組みを超えた発想が必要なのではないでしょうか。AI 開発のキャリアを目指す人にとって最も重要なスキル領域を、世界有数の AI 専門家である一人が最近特定しました。しかし、業界の観察者の中には、この推奨事項は不十分だと指摘する声もあります。彼らは AI スキルはエンジニアリングの枠を超え、ビジネスに直結した他の分野にも及ぶべきだと考えています。

関連記事: 「スペシャリストはもう不要」：AI エージェント職場で価値を維持する方法

AI 開発に不可欠なスキル

Coursera の創設者であり、スタンフォード大学の講師でもあるアンディ・ン氏は、10,000 件以上の求人票の分析や、AI 専門家、採用担当者とのインタビューに基づき、AI 開発に必要なスキルのリストを策定しました。そのリストには以下の能力が含まれています：

• AI アプリケーションの構築とデプロイ: 「LLM、コンテキストエンジニアリング、RAG、エージェントワークフロー、機械学習、ディープラーニングといった AI の構成要素を理解しておく必要があります。さらに、統計的手法を用いて AI システムを測定・誘導・ガバナンスし、予測可能な振る舞いを実現する方法も知っておくべきです。」
• ソフトウェアエンジニアリングの基礎知識: ソフトウェア開発には、アーキテクチャ、テスト、セキュリティに関するスキルが不可欠です。「これらの知識があれば、コーディングエージェントが行うトレードオフを理解せず、勘違いで解決策を構築する経験不足の開発者よりもはるかに優れた成果を生み出すことができます。」
• コーディングエージェントの活用: 「このスキルを身につければ、エージェントの動作原理について適切なメンタルモデルが形成されます。その限界や回避方法も理解でき、過度な時間やトークンの浪費を防ぎつつ堅牢なソフトウェアを構築するために、どの程度介入すべきかを見極めながら素早く方向転換できるようになります」とアンディ・ン氏は述べています。
• 製品開発の主導: 「エンジニアはもはや、ピクセル単位の完璧なデザインを受け取って実装するだけの存在ではありません。効果的な AI エンジニアリングには、プロダクトセンスとビジネスコンテキスト、そして顧客目標への理解が求められます。」

単独では不十分

アンディ・ン氏は、生成 AI や現在台頭しているエージェント型 AI の登場により、ソフトウェア構築のプロセスが劇的に変化したと指摘しています。しかし、AI を巡る過熱した環境の中で、必要なスキルを習得する道筋は必ずしも明確ではありません。それでも、「フルスタックエンジニア、データエンジニア、DevOps エンジニア、機械学習エンジニア、そして AI エンジニアを含むすべての開発者が、AI 工学のスキルを必要とする」と彼は強調しました。

一方で、ン氏が提案したスキル開発の推奨事項には、問題解決能力のための AI 導入というより大きな文脈が欠けているとの批判も寄せられています。ある反応はこう述べています。「これは内部視点に閉じこもりすぎており、ビジネス課題への対応ができていない。まさにこれが、人々がソフトウェアエンジニアを嫌う理由だ」。

関連記事：AI による人員削減が裏目に出る理由と、賢明なリーダーが真の価値を生み出す 5 つの方法

開発という観点からは有益な提案ですが、The Field CTO の創設者兼 AI アドバイザーであるアンディ・スラ氏は、「これは企業にとって危険にもほどある狭い枠組みであり、ビルダーバイアスによる巨大な盲点に陥っている」と指摘しています。

Ng 氏の分類体系は、「Day 1」のイノベーション、つまりコード記述とモデルの実装に完全に焦点を当てています。しかし企業環境では、AI の最も難しい部分はもはや知能そのものを構築することではなく、それをオーケストレーションし、監視し、コストを支払うことにあります。この限られたスキルセットに頼ると、本番環境で最も重要ではない変数に対して最適化されてしまうことになります。

「Ng 氏が提示した 4 つの技能領域は重要ですが、それだけでは不十分です」と、アメリカン・エキスプレス社のソフトウェアエンジニアリングシニアマネージャーであり、女性技術者協会（Society of Women Engineers）の NYSCD プロフェッショナル開発ディレクターでもある Deepika Sidana 氏は同意します。「AI アプリケーションを構築することは課題の一部に過ぎません。エンジニアはまた、ビジネス上の問題や顧客ワークフロー、リスク、コンプライアンス要件、そして失敗がもたらす結果についても理解する必要があります。」

関連記事：AI を最も積極的に導入している企業は、エントリーレベルの求人を含む採用数を増やしています

他に重要なことは何か

AI を企業環境へ導入する上で、強力なオーケストレーションスキルが特に重要になります。Sidana氏は「モデル、ツール、データ、評価、観測性、人間の承認、フォールバックパスを調整する能力」こそがその核心だと指摘しています。「最も優れたAIエンジニアは、ソフトウェアの基礎知識とドメイン知識、製品判断力、コミュニケーション能力、そして測定可能なビジネス成果への責任感を兼ね備えている」と述べています。

オーケストレーションに加えて、Thurai氏は以下のスキルも重要だと挙げています。「エンジニアリングと決定論的ガバナンスを駆使する能力、マルチエージェントのオーケストレーション、エージェント間の仲裁、AI FinOps、ランタイム経済性、アジェンシー観測性、アジェンシーセキュリティ、そして社会技術システムの統合です」。イノベーションはスタートラインに立つために必要ですが、実際にプロダクションへ到達させるには、観測性、セキュリティ、レジリエンス、ガバナンスが不可欠なのです。

MetaのソフトウェアエンジニアであるNaman Ahuja氏は、「最も価値のあるAI時代のエンジニアリングスキルは、従来のコーディングの外側に位置し始めています」と言います。「AIは実装を素早く生成できますが、より難しいのは適切な問題設定を行い、ビジネス上の制約を理解し、システムを分解し、AIとソフトウェアのコンポーネントをオーケストレーションし、出力が生産環境で実際に有用かどうかを判断することです」。

関連記事：MITの報告によると、AIはあなたの仕事をより良くこなせるようになっていますが、調整する時間はまだあります

メタでのアヒュー氏の仕事において、「インフラの意思決定では、単に技術的に正しいコードを書くだけでなく、信頼性、計算効率、コスト、ユーザーへの影響をバランスさせることが重要だ」と語っています。「最も価値あるエンジニアとなるのは、曖昧なビジネス目標を信頼性の高い技術システムに変換できる人々です」。

一方、Union.ai のセールスエンジニアリング責任者であるクリス・マッテソン氏は、「AI 支援のソフトウェアエンジニアが、なぜそのソフトウェアを書いているのか、またどのように使われるのかを理解していない場合、AI による生産性向上は誤ったスタートや手戻りによって無駄になってしまう」と注意を促しています。

同時に彼は、「すべての手戻りが無駄とは限らない」とも付け加えています。「生成コストが安く、得られる情報が価値あるものであれば、プロトタイピングは極めて効果的です。どの決断が二度と戻れない一方向の扉なのかを見極め、いつプロトタイプを捨てるべきかの基準を設定するには、全体像を理解した視点が必要です」。AI 支援エンジニアは往々にして、現実世界から隔絶されたバブルの中で本番環境向けのソフトウェアを作り上げてしまいがちです。真に優れたソフトウェアを生み出すのは、現実世界との相互作用なのです。