この組み合わせが具体的に意味するもの

AIツールの性能が高まるにつれて、純粋なコード生成にかかる相対的な労力は小さくなっていきます。それによって、ボトルネックの位置が移ります。

中心となる問いは、次第に「このコードをどう生み出すか？」ではなくなっています。

問われているのは、次のことです。

そもそも何を、どのような形で、どの順番で開発すべきなのでしょうか？

どの不確実性を最初に減らすべきでしょうか？どの機能が本質的でしょうか？現在の開発段階にふさわしいアーキテクチャはどれでしょうか？技術的な完璧さが不要な先行投資となるのはどこでしょうか？どの依存関係なら許容できるでしょうか？開発段階が十分な知見をもたらすのはいつでしょうか？試みを恒久的な製品へと移行すべきなのはいつでしょうか？開発を終了する、あるいは方向転換すべきなのはいつでしょうか？

こうした判断は、AIシステムによって自動的に生まれるものではありません。

AIは実装を加速し、バリエーションを生成し、技術調査を支援し、アイデアから機能する開発段階までの距離を大幅に縮めることができます。しかし、選択、アーキテクチャ、評価、統合に対する責任は変わらず残ります。

つくる工程がより速く、より経済的になるほど、優れた判断の相対的な価値は高まります。

このアプローチが実験的であるといっても、小規模なソフトウェアや暫定的なソフトウェアしか生まれないという意味ではありません。

実験的なのは、知見を得るプロセスが開かれていることです。

技術的に高度なデスクトップアプリケーションであっても、その目的がまず製品アイデアを実際に検証し、開発を進めながら方向性をさらに研ぎ澄ますことにあるなら、実験的に開発することができます。

初期の開発段階でも、すでに相互につながった複数の要素から成り立っていることがあります。実際のユーザーインターフェース、ドメインロジック、データ保持、可視化、永続化、インポート・エクスポート機能、外部システムとの通信、あるいは堅牢な技術コアなどです。

したがってこの仕事は、見た目だけのクリック型プロトタイプをはるかに超えるものです。

目指すのは、できるだけ短い開発期間で、できるだけ多くの確かな製品の実体を得ることです。

すべての製品アイデアをさらに開発すべきだとは限りません。

初期の開発段階から、アイデアが技術的に成り立たないこと、その複雑さが過小評価されていたこと、あるいは期待される効果が労力に見合わないことが明らかになる場合があります。

同様に、当初計画していた解決策が不必要に複雑であること、技術的な道筋を簡素化できること、あるいはアイデアの別の部分にはるかに大きな可能性があることが見えてくることもあります。

こうした結果は開発の失敗ではありません。開発がもつ経済的価値の一部です。

アイデアを見送るという早期の確かな判断は、多額の投資の後で遅れて軌道修正するよりも、はるかに理にかなっていることがあります。

したがって、初期開発の価値は新しい製品を生み出すことだけにあるのではなく、それらの製品に関する判断の質にもあります。