Anthropic の Claude Code エンジニアリングディレクター Fiona Fung による講演（YouTube）を、@iwashi86 さんがポストにまとめていた（元ポスト）。AI コーディングが当たり前になった組織で何が変わり、何が変わらないのかを整理した良質なメモだったので、本記事はそのまとめに自分の補足を加えたものである。
AI コーディングが生み出す「新しいボトルネック」
AI でコードが大量に生成できるようになると、開発速度の律速ステップが変わる。
従来のボトルネック：コードを書く時間
新しいボトルネック：コードの検証・人間によるレビュー・セキュリティ確認・他部門との連携
コードを書く工程は AI が担うようになり、むしろそれを正しく動かすための確認作業や、組織横断の調整に時間がかかるようになる。ここへの対処が、以降に挙げる組織・プロセス変革の根拠になっている。
計画と仕様策定のあり方が変わった
- 従来の「長期計画を丁寧に立ててから実装」というアプローチは機能しなくなっている
- 代わりに ジャスト・イン・タイム計画 ― 状況に合わせて必要になったタイミングで計画を立てる手法を採用
- 技術的な議論は会議室で行わない。AI に複数のプロトタイプを作らせ、実際のコードを見ながら議論する
- デザインドキュメントの作成を減らし、PR やプロトタイプ上で直接議論を進める
AI がコードを高速に生成できる環境では、「仕様を詰めてから作る」よりも「作りながら仕様を詰める」ほうが圧倒的に効率がよい。文書化よりも動くコードが真実の情報源になる。
コード所有権とレビューの変化
AIがコードの大部分を生成するようになると、特定の実装に精通した担当者という意味での「コードオーナー」が薄れていく。誰が書いたかよりも、誰がレビューして承認したかが重要になる。コード所有権の概念が曖昧になる、というのはそういう意味だ。
レビューについては明確な分業が起きている：
AI に任せること：
- コードスタイルの修正
- テストの追加
- その他、定型的なコードレビュー全般
人間が引き続きレビューすること：
- 法務に関わる判断
- セキュリティの境界線
- デザインのセンスや製品判断
エラーの原因究明やユーザーの要望をまとめる際も、人間が調査するのではなく AI を活用している。大量のコード変更に対応するため、バグを早期に発見する自動化テストへの投資も強化している。
エンジニアの評価軸が変わる
- 「単なるコード生産性」でエンジニアを評価することは少なくなっている
- 代わりに、製品への判断力・深い専門性・横断的な連携能力が評価軸として浮上している
- 今後のチームに求められる人材像：
- プロダクトへの直感を持つ創造的な人材
- 分散システムなど特定領域の深い専門知識を持つ人材
一方で、AI のサポートにより非エンジニアもコードを書けるようになった。PdM やデザイナーが自らコードを書くことも珍しくなくなっている。逆に、エンジニアは AI を活用して、文章作成やコンテンツデザインといった非技術的な作業も効率よくこなせるようになっている。
ロールの境界線が溶けてきている、というのが正確な表現かもしれない。
組織構造とマネジメントの哲学
フラット化： 組織の階層を可能な限りフラットに保つことで、変化への対応を俊敏にしている。
マネージャーも書く： マネージャーであっても、最初はコードを書き、自社ツールを自ら日常的に使用することを求めている。ツールを使わないマネージャーが AI 活用を語っても説得力がない、という思想だ。
コードベースが最も信頼できる情報源： 文書化された仕様書よりも、プロダクトのコードベースそのものを真実の情報源として扱う。これは、仕様書の更新が追いつかないスピードで AI がコードを生成できるようになった結果でもある。
全員が AI を使う： チームメンバー全員が AI ツールを日常業務に組み込むことを基本方針としている。人間が手作業で行っているプロセスのうち、AI に代替できるものはすべて自動化することを推奨している。
廃止の権限： 目的を果たさなくなった古いプロセスや無駄な定例会議は、ためらわずに廃止できる権限を各メンバーに与えている。
現場への高い裁量： 組織全体で共通ミッションを共有しつつ、「どのように AI を活用し、どのタスクから自動化するか」は現場の判断を尊重する仕組みになっている。
AI 導入の具体的な成果
- オンボーディング期間の大幅短縮： 新しいメンバーが業務に慣れるまでの期間が短縮された
- サイクルタイムの短縮： PR の処理にかかるサイクルタイムが短くなり、開発が加速している
ただし、最終的なプロダクト品質と信頼性を維持することが最も重要であり、スピードを優先して品質を犠牲にする方向にはなっていない点は強調されていた。
まとめ
この講演メモが興味深いのは、「AI でコードが書ける」を前提においたとき、エンジニアリング組織のどこに価値があるかが具体的に語られている点だ。
ざっくりまとめると：
- AI が得意なこと（大量生成・定型レビュー・情報収集）は全部 AI に渡す
- 人間が担うのは、判断・境界設定・創造・深い専門性
- プロセスと組織構造は「AI がコードの大半を書く」前提で再設計する
- コードベースが仕様書を超える情報源になる
特に「コード所有権の曖昧化」と「マネージャーも自分のツールを使う」という2点は、多くの組織ではまだ受け入れられていないかもしれない。AI コーディングが普及する中で、これらはじわじわと避けられない議論になっていくはずだ。
元ツイート：@iwashi86
動画：YouTube — Running an AI-native engineering org (Fiona Fung, Director of Engineering, Claude Code)