生成AI時代のエンジニア育成について考えてみた

Transcript

1. 生成AI時代のエンジニア育成について考えてみた 株式会社スリーシェイク Sreake事業部 赤川 大空 Copyright © 3-shake, Inc. All Rights Reserved.
2. 自己紹介 2 - 赤川大空（Akasan） - 株式会社スリーシェイク Sreake事業部 アプリチームの中で、特にML領域を担当 - MLOpsの構築支援や生成AIアプリケーションの実装 - NVIDIA Inceptionパートナーとしての活動のリード - 最近の興味 - MLOps - ML/AI - クラウド（Google Cloudを中心）
3. 会社紹介 3 会社名 株式会社スリーシェイク 設立日 2015/1/15 Mission: インフラをシンプルにして イノベーションが起こりやすい世界を作る Vision: 労苦〈Toil〉を無くすサービスを適正な価格で提供し続ける 2015 2016 2017 2018 2019 2020 2021 2022 0 50 10 0 従業員: 200名over Engineer 60% 所在地 東京都中央区銀座8丁目21番1号 住友不動産汐留浜離宮ビル7F 代表者 代表取締役社長 吉田 拓真 Googleクラウド・AWSの両方のエンジニアリングに強みを持つ 日本のSREをリードする インフラ・アプリ・データ・セキュリティ・AI 全方位で顧客の内製化を推進する伴走支援 あらゆるサービスを 連携するハブになる 「いいエンジニア」を あなたのチームに 事業者が抱える セキュリティリスクをゼロに あらゆるSaaSをノーコードで連携する クラウド型ETL/データパイプラインSaaS セキュリティ対策をワンストップで 実現する脆弱性診断SaaS ハイスキル人材の紹介とHR戦略支援の両輪で エンジニア組織の課題に併走 会社・事業部説明資料（SpeakerDeck）
4. SREを主軸にクラウドネイティブ化/エンジニアリング内製化を支援 4 SRE/DevOp s SecOps BizOps HR ・SRE総合支援からセキュリティ対 策を全方位支援 ・Geminiを用いた生成AIの活用支援 ・ワンストップで脆弱性診断を行う セキュリティ対策SaaS ・クラウド型ETL/データパイプ ラインSaaSの決定版 ・あらゆるSaaSをノーコードで連携 ・ハイスキルフリーランスエンジニ ア紹介エージェント IT内製化 / 高度化 クラウドネイティブ化 モダナイゼーション ITアジリティ向上
5. アジェンダ 5 1. 軸にしてほしいこと 2. エンジニアを育成する側の動き方 3. 新しいことを学ぶ側の動き方
6. 軸にしてほしいこと 01 Copyright © 3-shake, Inc. All Rights Reserved. 6
7. 育成のための生成AI利用のための三本柱 7 3 2 1 2 3 1 生成AIはあくまで補助であり 絶対的な教科書ではない 全てが正しい情報とは限らないことを前 提に利用する なぜそのような実装になっているか 説明することができる 生成AIの出力を鵜呑みにしない 学習の補助として利用する 成果物に対する十分な理解
8. 生成AIの出力を鵜呑みにしない 8 以下を意識すること • ハルシネーション：生成AIの出力全てが正しい情報である保証がない • ナレッジカットオフ：生成AIは特定の時点までの知識しか持っていない • 生成AIの出力は一次情報ではない 一次情報 二次情報 3 2 1
9. RAGを使えば一次情報取れるのでは？ 9 RAGを使ったとしても生成AIによる恣意的な情報選択を0にはできない 学習時に獲得した知識 ナレッジデータベース モデルによって 選択された情報 モデルの説明文は 一次情報ではない 3 2 1 クエリに対応するドキュメントチャンク
10. 学習の補助として利用する 10 生成AIを実装者と捉えるのではなくエンジニアの補助ツールとして捉える • コピペで終わらない → 常に自分の意見を持つこと • 対話をする中で足りない知識を洗い出す → ラーニングパスを立てられる 例えば以下の対応作業に利用するのがおすすめ • エラーメッセージの解読補助 ← エラーの意味をまずは考えてみる • 難しい表現をわかりやすくしてもらう • コードレビュー 3 2 1
11. 成果物に対する十分な理解 11 3 2 1 自分で説明できない実装を成果物として受け入れる ことはできません 成果物に対する説明ができる 01 次同じ問題が起こった場合、生成AIの力を借りなくても 自分一人で実装できるレベルの理解をしている 将来の自分にタスクが任せられるか？ 02 成果物を将来修正するときにどのような修正が必要となり、 どのように実装すればいいか検討することができる 改善点を見出し変更できる 03
12. エンジニアを育成する側の動き方 02 Copyright © 3-shake, Inc. All Rights Reserved. 12
13. 育成する側の意識すること 13 説明責任を持たせること 検証責任を持たせること 成果物に対して実装根拠などを説明できる状態にさせる 成果物が所望の要件を満たしているか検証させること 入力情報の制限を設けること 機密情報などを入力させないようガバナンスを整える 02 03 01 何に利用すると良いか明確にすること エラーの解消などどんなときに有益な結果が得られるかを伝える 04 生成AIとどんなやり取りをしたか 05 効率的に生成AIとやり取りすることができているか確認する
14. 育成する側の意識すること 14 本当に理解しているか、何を学習していくべきか 確認すること なぜそのアプローチをとった？ 他の方法論は考えた？ 1. 実装をする上で悩んだことは？ 2. 実装の中で一番クリティカルな処理を している部分はどこ？ 3. もしこのライブラリを使わずに実装する としたらどう実現する？ 4. 生成AIは複数プランを出してきたか？ その場合なぜこの実装を選んだか？ 5. パフォーマンスやコストなどで意識した ことは？ 6. この実装を生成AIにさせるときに どのような指示を与えた？ 7. この実装に欠陥があった場合に 発生しうる問題とその影響範囲は？ 8.
15. 新しいことを学ぶ側の動き方 03 Copyright © 3-shake, Inc. All Rights Reserved. 15
16. 新しいことを学ぶ側の意識すること 16 生成AIを使わずに考えてみる 一次情報に触れること まずは自分の持てる知識で解決できるような内容か検討する 生成AIとのやりとりだけでなく、公式ドキュメントなども確認する 生成AIの結果を疑ってみる 全て受け入れるのではなく、本当にそれでいいのか確認する 02 03 01 自分に足りてない知識を洗い出す 生成AIとのやり取りの中で自分の弱みを見つける 04 いきなり完璧を目指さなくて良い 05 今の自分に必要な技術領域を見定め、着実に身につければいい
17. レビュー依頼をするときに含めると良いこと 17 • どのような変更をしたか（生成AIに記述させず自分の言葉で） • 課題解決に向けて自分が考えたこと • 自分でアイデアが出せたもの • アイデアが出せず生成AIとの対話によって解決したこと • 生成AIとのやりとりを経て学んだこと • なぜそのような実装になっているか、自分はどう考えているか • 今後どのようなことを学んでいく必要があるか • 自分が参照した公式ドキュメント等のリンク
18. アウトプットを意識すること 18 課題の対応 対応内容整理 復習 発信 • 与えられた課題 を解決する • 生成AIを利用し ながら自分の知 識として吸収 • 対応内容を整理 • 重要な技術要素 についてピック アップ • ピックアップし た項目を復習 • 復習した内容を 利用してアウト プットを作る • テックブログ等 で発信 • 他者に伝えると きに本当に理解 できているかよ くわかる
19. 整理するときに意識すること 19 近道することと理解せず進むくとは別物であることを意識する 「できた」で止めず以下のことをちゃんと説明できるように整理する • その変更によって副作用は発生するか？ • なぜその方法で課題が解決できるのか • 他に変更方法はなかったか？ • 一般的に推奨されている方法か？ • 次に同じ課題与えられたとき、生成AIを利用せず解決できるか？
20. まとめ Copyright © 3-shake, Inc. All Rights Reserved. 20
21. まとめ 21 • 生成AIを利用した学習・育成は進めるべき！ • 成果物に対して責任を持つこと！ • 育成する側 • 生成AIに頼りっきりになりず自分の知識としているか確認する • 「何を」作ったかではなく「どのように」「なぜそのように」作ったかを 重要視する • 学ぶ側 • 自分の知識として吸収しない使い方はNG • アウトプットの機会を設けて自分のものとする • 学んだことを適切に伝える