こちらは、マーキュリーテクノロジーソリューションズのCEO、ジェームズです。 香港 - 2026年1月5日
最近、実験を行いました。私は、ほぼ10年間維持してきたコードベース—生きている化石で、収益を生み出しているもの—を取り上げ、AIエージェントに尋ねました：「このプロジェクトのトップ3の問題は何ですか？」
AIの報告は印象的でした。プロフェッショナルで論理的、かつ技術的に正確でした。AIは次のことを指摘しました：
- 異なるファイル構造。
- 一貫性のない命名規則。
- モジュール間の高い結合。
「コンピュータサイエンス101」の観点から見ると、AIは100%正しかった。しかし、この船を10年間維持してきた私の反応は：「これは実際の観察ですが、実際の問題ではありません。」
1. 「新卒症候群」
AIは、まるで素晴らしい大学卒業生が初めて「クリーンコード」を読んだかのように私のコードを分析しました。特定の歴史的現実に対して普遍的で理論的な基準を適用しました。AIは次のように見ています：「このコードは醜く、単一責任原則に違反しています。」
- 人間は次のように見ています：「このコードは醜いですが、5年間クラッシュせずに数百万のトランザクションを処理してきました。リファクタリングすると、ビジネスのROIがゼロのリスクが生じます。」
- AIは「技術的負債」を特定しましたが、「技術的資産」を特定することはできませんでした。2. 「壊れた」と「良性」の違い
これは大規模言語モデルの盲点です。エージェントはリスクスキャナーです：理論的な脆弱性をすべてリストアップするのが得意です。人間はリスクアンダーライターです：私たちは、なぜ特定のリスクを許容するのかを知っています。
このプロジェクトは「悪いアーキテクチャ」を持っていますが、異なるチームが10年間にわたって緊急のクライアントの締切を満たすために機能を追加したためです。その「悪いアーキテクチャ」は生存の傷跡です。AIは、モジュールBの「高い結合」が、私たちの最大のクライアントがまだ使用しているレガシーAPIを壊すことになるために存在することを知りません。
教訓：
- すべての「問題」が等しいわけではありません。中には製品を殺す癌もあれば、見た目は醜いが誰にも害を及ぼさない良性の嚢胞もあります。AIはその違いを見分けることができません。3. 新しい人間のコアコンピタンス：価値判断
- この実験は、AIワークフローにおける人間の真の役割を明らかにしました。私たちは問題のリストを生成するためにここにいるのではありません。私たちは「価値判断」を行うためにここにいます。エージェントは次のように言うことができます：「このコードを改善する50の方法があります。」しかし、次のように言えるのは人間だけです：
「そのうちの48は無視してください。セキュリティホールである#49を修正してください。新機能をブロックしている#50を修正してください。」
エージェントはあなたの周辺視野を広げます。無知のために何かを見逃すことがないようにします。しかし、「行動する」か「しない」かの決定は、 Not all "problems" are equal. Some are cancers that will kill the product; others are just benign cysts that look ugly but hurt no one. The AI cannot tell the difference.
3. The New Human Core Competency: Value Judgment
This experiment clarified the true role of the human in an AI workflow. We are not here to generate lists of issues. We are here to make the Value Judgment.
An Agent can tell you: "Here are 50 ways to improve this code." Only a Human can tell you: "Ignore 48 of them. Fix #49 because it's a security hole. Fix #50 because it blocks the new feature."
The Agent expands your peripheral vision. It ensures you don't miss anything due to ignorance. But the decision to Act or 無視するは次の要素の機能です：
- 歴史的背景（「2019年にそれを試みましたが、失敗しました。」）
- ビジネスコンテキスト（「私たちはこのモジュールから方向転換しています。」）
- 責任（「このリファクタリングが本番環境を壊した場合、私が解雇されるのであって、AIではありません。」）
4. エージェントはレバーであり、リーダーではない
AIのアドバイスに盲目的に従うと、次の6ヶ月間、機能しているシステムを「完璧な」システムにリファクタリングすることに費やすことになります。同じ収益を生み出すのに。あなたは「忙しい」ですが、「生産的」ではありません。
エージェントを正しく使う方法：
- 発見のために使う：見逃した亀裂を見つけさせてください。
- 選択肢のために使う：「理論的な改善」を提案させてください。
- ガベルを保持する：あなたが裁判官です。バックログに何を入れるか、ゴミ箱に何を入れるかを決定します。
結論：『ノー』の力
AIは専門的な経験を時代遅れにするのではなく、より重要にします。AIが無限の「やることリスト」を生成できる世界では、最も成功するリーダーは最も強力な「やらないことリスト」を持つ人々です。AIと「問題」が実際には問題ではない理由について議論している自分を見つけたら、おめでとうございます。あなたは進歩に抵抗していません。あなたは機械ができない唯一のことをしています：文脈に基づく優先順位付け。
マーキュリーテクノロジーソリューション：デジタリティを加速する。Contextual Prioritization.
Mercury Technology Solutions: Accelerate Digitality.
