これまでの常識を問い直す「アンラーニング」の重要性
セッションの終盤、広木氏が提示した本質的なインサイトは、AI時代において真の生産性を獲得し事業をスケールさせるためには、過去の成功体験に基づく常識を徹底的に「アンラーニング（学習棄却）」しなければならないという事実だ。
AIという人間の限界を超える強力な異物が業務プロセスの中核に座ったとき、工業化社会やこれまでのIT革命の中で効率的だと信じられてきた「標準化」や「最適化」といった手法の多くは、機能不全に陥るか、あるいは時代遅れになってしまう。
例えば、「タスクは一つずつ順番に丁寧にこなすものだ」という直列的な思考は、無限に複製可能で休むことを知らないAIエージェントの並列処理能力を著しく殺してしまう。もし100個の検証すべきタスクがあるのなら、100のエージェントに同時に並列で処理させ、そこから見出される共通の課題や新たなインサイトを人間が抽象化して抽出するという並列思考へと切り替えなければならない。
また、「自分たちはアサインされたToDoをこなす側の人間である」という受動的な労働観も致命的となる。AIが圧倒的な速度でToDoを実行する「実行者」となった以上、人間の価値は「いかにして筋の良いToDoを大量に生み出せるか」という企画力や構想力に完全にシフトする。
さらに衝撃的なのは、開発規模や役割分担に関する認識のパラダイムシフトである。かつては5万行のコードといえば、大規模な開発プロジェクトを意味し、入念な設計と厳密なピアレビューが必要とされる重厚長大なものであった。
しかし、AIエージェントが自律的にコードを生成・リファクタリングする世界において、5万行という規模は「1時間で書き捨てられる使い捨てのプロトタイプ」に過ぎなくなる。人間が直接全体像を把握できるコード量の上限を遥かに超え、数千万行に及ぶ巨大なシステムを少人数のチーム、あるいは一人のエンジニアがマネジメントする時代がすでに到来しているのだ。この圧倒的なスケールの変化に直面したとき、「私はフロントエンド専任だからインフラは触らない」といった従来の職能による細分化された分業体制は、かえってプロジェクトの進行を阻害する巨大なボトルネックとなってしまう。
高度な専門性を持つ人材は自身のノウハウをAIのコンテキストとして「できる化」することに注力し、チームの誰もがフルスタックに価値創造へとコミットする組織体制への移行が急務である。広木氏の提示した事例は、単なる便利なツールの導入にとどまらず、企業が未来を生き残るための組織構造と文化の根本的な再設計を迫るものである。
「学習速度が相対位置を決める」──アンラーニングと改善を常態化しよう
AIエージェントの進化は今後さらに加速し、ソフトウェア開発の領域にとどまらず、あらゆる知的労働の前提を根底から覆していくだろう。偶有的複雑性が限りなくゼロに近づき、実装のハードルが消失する未来において、最後に残されるのは「人間がいかにして解くべき本質的な課題を発見し、それと向き合うか」という、極めて哲学的かつ根源的な問いだ。
AIによる自動化と自走化の波は、私たちから「コードを書く」という実装の単純な喜びや、ルーティンワークをこなすことで得られていた日々の安心感を奪い去るかもしれない。しかし同時に、それは人間を不要な認知負荷や無意味な作業から完全に解放し、顧客の言葉の裏にある真のニーズに耳を傾け、社会にまだ存在しない価値を創出するという、真に創造的な「知の探索」へと向かわせる強力な推進力となるはずだ。
広木氏が講演の終盤で強調した「学習速度が相対位置を決める」というメッセージは、すべてのビジネスパーソンと組織に向けられた力強いアクションへの喚起だ。同じAIツールを利用しながらも、そこから得られた余力を新たな価値創造のサイクルに惜しみなく再投資し、組織のアンラーニングと改善を常態化できる企業だけが、均質化していく厳しい市場の中で相対的な優位性を保ち続けることができる。
「AIを導入して作業が速くなり、便利になった」と現状の体感速度に満足することは、赤の女王が支配する競争世界において、致命的な相対的後退を意味している。エンジニア一人ひとりが、自らの日常業務の中に潜む「消える生産性」を厳しく見つめ直し、AIという新たな知性と共に何を創り出すべきなのか。その意思決定の舵を、今こそ自らの手でしっかりと握り直す時が来ているのである。
