AI時代、自分の専門性を再設計する方法 [Googleスライド、165P]
(drive.google.com)- DataOvenのハ・ヨンホ氏の発表資料
- 企業の**AX（AI転換）**の道のりは、ほとんどが似た5段階をたどる — 歓声 → 停滞 → 高揚 → 疑念 → 最後の難関
- AI J curve Trap - AIを付けたからといってすぐにうまくいくのではなく、**Verification Tax（検証税）**の穴を通過してから上昇する
- AI時代の**3大負債（debt）**が生産性をむしばむ
- 技術的負債 — AIコードは局所最適化は得意でも全体はよく分からず、重複や回り道を乱発して5〜19か月以内に会社の速度がむしろ低下する
- 認知的負債 — 成果物を理解も確信もできないまま配布し、"認知的降伏（cognitive surrender）"によってあなたのワンクリック → 私のワンクリックがパイプライン化される
- 意図の負債 — なぜそう作ったのかという文脈と暗黙知が蒸発し、人員解雇後に再採用した事例もある
- 人のメイン作業は生産から検証へ移る — すべてを検証しようとするのではなく、成果物の検証レイヤーに能力を集中する
- 検証レイヤー = Binary Checks（テストケース） + Quantitative Metrics（スループット/Latency） + Qualitative Rubrics（LLM as a judge）
- build-timeだけでなくrun-time検証も必要（非決定的なAI Agent製品）
- 良い検証にはドメイン理解が必要 → 専門家が作れる
- ClaudeCodeソース流出事件 — A級コードは人間の認知空間ゆえのものにすぎず、AIが扱うならC・D級でも結果さえ良ければよい
- 検証さえ信頼できれば、**Auto Research / Loop（旧Ralph）**で人が寝ている間もAIが24時間自己改善を繰り返す
- 意図の負債の解決 = **暗黙知（tacit knowledge）**のキャプチャ
- matt-pocockのgrill-me / grill-with-docs — AIを質問者にして自分の意図を掘り起こさせる（質問者はあなたではなくAI）
- Company-wideメモリ、Anthropicの企業向け共有メモリ、mem0・seCallなど
- persona+memory抽出で"仮想の自分Agent"を作成
- AI native companyの条件 → Queryable + Closed loop + Self-improving
- すべてのコンポーネントをAIには操作しやすく、人間には検証しやすいように再設計し、管理だけしていたシニアが実務復帰
- AI時代の人材像 = "曖昧な状況で答えを見つけていく能力"
- つまり経営者のように ①問題を分解する ②失敗を素早く見極める ③仕事が進む構造を見つける
- 新たに重要になる強み — 素早い文脈把握、mind-sized bitesへの変換力、人を引きつける力（マーケティング）、明確な好み（taste）（"何を減らすべきか"）
- それでも専門性は必須 — Gell-Mann Amnesia Effect（専門家でないからもっともらしく見えただけ）、価値の衝突や責任を伴う難しい意思決定は人間の役割
- 専門家の定義の変化 — スキル熟練者 → 運用責任者
- 自分のドメインのAIを作り、検証レイヤーを保守し、正しい価値判断・支持される好み・納得される責任を担う人
1件のコメント
サイト接続が切れました。