AI がソフトウェアエンジニアリングを変える：プラグマティック・エンジニアのゲルゲー・オロス氏に聞く

AI がエンジニアの役割を再定義する：「トークンマキシマイズ」の歪みと未来のエンジニア像

メタやマイクロソフトなどの大企業で、AI ツールの利用量を評価指標とする「トークンマキシマイズ」という現象が蔓延しています。これは単なる効率化の追求ではなく、リストラ不安を背景にした組織文化の歪みが生んだ異常なインセンティブ構造です。一方で、AI の進化はエンジニアの役割を「コードを書く人」から「エージェントを管理するプロダクトエンジニア」へと昇華させ、チーム規模の縮小とシニアリティへの要求を加速させています。

トークンマキシマイズ：数値のための無意味な消費

現在、大手テック企業では AI ツールの利用量（トークン数）や支出額が、パフォーマンス評価や昇進の指標として使われ始めています。メタ（Meta）社内には「誰がどれだけ多くのトークンを消費したか」を示すリーダーボードが存在し、マイクロソフトでも同様の状況が見られます。

「低パフォーマンスでインパクトも低く、トークン数も少ない人は、明らかに努力していないとみなされる。逆に高パフォーマンスかつトークン数が多い人は、イノベーションを起こしているとして評価される」

この構造が招いたのが「トークンマキシマイズ」です。エンジニアたちは、下位 25% に含まれることを恐れて、意味のない作業を強制的に AI に実行させたり、ドキュメントを読む代わりにエージェントに要約を依頼してトークンを消費したりしています。

ある企業では、月初めに設定された「月間最低支出額（例：175 ドル）」を達成するために、無理やり AI を稼働させるケースも報告されています。これはかつてコード行数や開発速度（Velocity）が誤って生産性指標として使われた際と同じく、「測定されるものは悪用される」というガフマンの法則が現実に適用されている例です。

この背景には、CTO 層による「AI を使わないエンジニアは解雇される」という恐怖心の煽りがあります。コインベース（Coinbase）では CEO が全社員に AI ツールの使用を義務付け、従わないエンジニアを即座に解雇する通達を出しました。高給取りの職を守るために、多くのエンジニアが知性を振りかざしてこの異常な状況に適応せざるを得ないのが現状です。

エンジニアの役割統合と「1 ピザチーム」化

AI の普及は、ソフトウェアエンジニアリングの組織構造そのものを根本から変えています。かつてはテスターや DevOps 担当者が別々に存在していた役割が、今では一人のエンジニアに統合されつつあります。

「AI は、初期キャリアのエンジニアに対してもシニアのような計画性やビジネス理解を要求し、チーム規模を縮小させる最後の押しとなっています」

VC（ベンチャーキャピタル）資金によるスタートアップは以前から「1 ピザチーム（2 枚のピザで食べきれる程度の少人数チーム）」を推進していましたが、AI の登場により、その傾向がさらに加速しています。ジョン・ディアのような大企業ですら、エンジニアリングチームを「200 人の規模」から「1 枚のピザチーム」へと縮小させる動きを見せています。

これに伴い、エンジニアに求められるスキルセットも変化しています。単にコードを書くだけでなく、DevOps の知識、プロダクト管理の視点、そしてテストの責任まで担うことが期待されるようになっています。AI はシニアエンジニアの期待値を高め、より広い範囲で自律的に動くことを要求するのです。

エージェント管理は「マネジメント」ではない

「もうエンジニアではなく、AI エージェントを管理するマネージャーになったのではないか」という指摘に対し、ゲルゲー・オロス氏は明確に否定しています。従来のエンジニアリングマネージャー職が抱える「人事問題の処理」「対立の仲裁」「キャリア相談」といった面倒な業務は、AI エージェントには存在しません。

「エージェントを管理することは、マネジメントとは異なります。それはむしろ『メカスーツ（機械化されたスーツ）』を着て戦うような感覚です。7 つのことを同時にこなせ、圧倒的に速く、かつ自分がコントロールしているという感覚があります」

これはテックリードや経験豊富なエンジニアが、メンターとしてチームを導きつつも、人間関係の摩擦に悩まされることなく、技術的な指揮を執る役割に近いものです。AI を使いこなすためには、従来の「事前知識」を手放し、新しいツールへの適応と学習を継続するオープンマインドが不可欠です。

生産性向上の真実と未来への示唆

AI が本当に生産性を上げているのかという問いに対しては、複雑な答えがあります。ある研究では、エンジニア自身は生産性が 20% 向上したと感じたものの、実際の成果は平均して 20% 低下していたというデータも存在します。これは、AI ツールを使いこなすまでに時間がかかること、そして理論的な理解が即座に使い方の熟練につながらないことを示しています。

しかし、組織全体で見れば、非エンジニアの協力者が AI を使ってコードを書けるようになることで、エンジニアの待機時間が減り、結果としてチーム全体のスピードは上がっています。重要なのは、AI が万能薬ではなく、使いこなすための継続的な学習と、組織文化の適応が必要だということです。

ゲルゲー・オロス氏自身のニュースレット「Pragmatic Engineer」が成功した背景には、Uber での経験を活かし、「深掘り記事一本に集中する」という明確な製品市場適合（PMF）へのアプローチがありました。エンジニアも同様で、AI を単なるツールとして扱うのではなく、自らの役割をどう再定義し、組織の歪みの中でいかに価値を生むかという視点を持つことが求められています。

AI はエンジニアを不要にするのではなく、より高度な判断力と統合的な視点を求める存在へと変容させています。数値操作に踊らされることなく、本質的な価値創造に集中できる環境こそが、真の生産性向上への鍵となるでしょう。