【牛尾剛さんに聞く】コーディングAIエージェントのブームは一巡した:「並列で回す」より「本体力」、部下としてのAIと上司としての人間
概要
Microsoftのシニアソフトウェアエンジニア・牛尾剛さんが、職場ではコーディングエージェントが「当たり前の道具」になりブームが落ち着いたと語る。自動化はローカルのコーディングエージェントではなくクラウド(サーバーレス)側で行う方が安全・運用しやすいこと、そしてAI時代ほど「本体力」(理解力・意思決定力)が重要になることを、インシデント対応の実例を交えて解説している。
主なポイント
- ブームの終息=定着: コーディングエージェントは捨てたのではなく文房具のように当たり前になった。新モデルや新機能に飛びつくのではなく、必要になった時に手を出す段階に入っている。
- 自動化にローカルエージェントは不向き: ユーザートークンを使うため乗っ取られると権限が広範に悪用される。PCを起動し続ける必要やプロンプトを自分で打つ手間もあり、自動化にはクラウドのマネージドID・RBACで権限を絞る方が安全で楽。
- SREエージェントによるインシデント対応: インシデント発生で起動し、スキルとエージェント定義からKustoクエリを組み立ててRCAを生成、インシデントに投稿。結果はRCAの約50%が正解、約30%が部分的に正解で、合わせて約8割が役立つ。
- 学習サイクル: 解決後に人の対応結果とエージェントの出力を比較し、誤りがあればエージェント定義を更新するPRを自動作成させる。人間が最終確認するヒューマン・イン・ザ・ループ設計。
- ローカル運用の弊害: 各自がローカルで好き勝手に回すと、ガバナンスなし・流派が乱立・学習が分散し車輪の再発明が起きる。Gitがローカルから中央集権へ移ったのと同じ道をたどる。
- アセットを今のうちに貯める: LLMはドメイン知識を学習できないため、スキルやエージェント定義といった自然言語のアセットを自社で育てることが最重要。自然言語なのでクラウド移行も一度で済む。
- サーバーレスエージェントとコスト最適化: イベント駆動で起動し、LLMがまずタスクのDAG(実行計画)を作り、Durable Functionsで実行。実行中はLLMを呼ばないためトークンコストを抑えられ、長時間実行にも耐える。
- モデルのルーティング需要: タスク難易度に応じてモデルを自動で切り替える仕組みが次に求められる(重量課金のリミッターやインスタンス自動制御と同じフェーズ)。
- 並列実行は伸びない: 並列でエージェントを走らせるのは軽いタスクだけで、いずれ自動化される。難しいタスクは人間の意思決定がボトルネックで並列化できないため、貴重な人間のリソースは優先度の高い仕事に使うべき。
- 本体力が最重要: 優秀な人はエージェント前後で変わらず優秀。AIは能力を倍率でかけるため、基礎が弱いとゴミを大量生産するだけ。空いた時間はアウトプットよりインプット・対人コミュニケーションに充てる。AIは「アホだが賢い部下」で、マネージする上司(人間)の実力が問われる。
実践に使えること
- 個人のローカルで回しているエージェントの作業を棚卸しし、繰り返し発生するもの(障害対応など)はクラウド側での自動化に移す計画を立てる。
- スキルやエージェント定義をリポジトリやスキルレジストリで共有し、失敗を修正しながら「自社ドメインのアセット」として育てる。
- 自動化エージェントには「どこまでやってよいか」の範囲を指示で明示し、結果を検証して定義を更新する学習サイクルを組み込む。
- 並列実行に時間を使うより、AIで浮いた時間を学習・対人コミュニケーション・理解を深めることに投資する。
- AIの出力を鵜呑みにせず、「実行したか」を確認するなど、部下を管理する視点でレビューする習慣を持つ。