テクノロジーコンサルティング会社Thoughtworksの最新レポートによると、企業が大規模な言語モデルを実用化に向けて合理化することを目指しているため、ソフトウェア分野におけるAIツールと技術は急速に拡大しています。しかしながら、これらのツールの不適切な使用は、企業にとって依然として課題となる可能性があります。
同社の最新のテクノロジーレーダーでは、「興味深い」と評価された 105 個のツール、テクニック、プラットフォーム、言語、フレームワークのうち 40% が AI 関連のものでした。
Thoughtworks の APAC 最高技術責任者 Sarah Taraporewalla 氏は、TechRepublic との独占インタビューで、AI ツールとテクニックは、市場に存在する AI の誇大宣伝をはるかに超えるものであることが証明されていると述べました。
「テクノロジーレーダーに載るためには、私たちのチームが実際にそれを使用している必要があります。そうすることで、それが効果的かどうかの意見を得られるのです」と彼女は説明した。「世界中のあらゆるプロジェクトで、私たちが話題にしているこれらの項目の約40%は、実際に行われている作業から生み出されているということがわかりました。」
新しいAIツールと技術が急速に実用化されている
Thoughtworksのテクノロジーレーダーは、同社のグローバル技術諮問委員会が発見した、世界のソフトウェアエンジニアリング分野で台頭しつつある「興味深いもの」を追跡することを目的としています。また、このレポートでは、テクノロジー購入者がこれらのツールや技術を「採用」「試験」「評価」「保留」すべきかどうかを示す評価も提供しています。
報告によれば、
- 採用：企業が強く検討すべき「Blips」。
- トライアル: Thoughtworks が使用可能であると判断したツールまたはテクニックですが、採用カテゴリのものほど実証されていません。
- 評価:注意深く検討する必要があるが、必ずしもまだ試行する必要はありません。
- 保留:慎重に進んでください。
報告書では、検索強化型生成を「大規模言語モデルによって生成される応答の品質を向上させるための、我々のチームが推奨するパターン」として「採用」と位置付けました。一方、「LLMを審査員として利用する」といった手法（あるLLMを利用して別のLLMの応答を評価する手法で、慎重な設定と調整が必要です）は「試験的」と位置付けられました。
AI エージェントは新しいものですが、組織が自然言語またはコード ファーストのアプローチを使用して AI エージェントを構築できるようにする GCP Vertex AI Agent Builder も「トライアル」ステータスになりました。
タラポアワラ氏は、ツールや技術が「試験的」ステータスに推奨されるためには、既に実稼働段階に入っている必要があると述べた。したがって、それらは実際の実用事例において成功を示すものとなるだろう。
「AIツールや技術におけるカンブリア爆発について語る時、実際に私たちのチームの中にもそのような変化が起こっているのを目にしています」と彼女は述べた。「アジア太平洋地域においては、クライアントの期待や、誇大広告を突き止め、これらのツールや技術の現実を直視する準備の度合いといった点で、まさにその傾向が見て取れます。」
参照: 電力供給の不足は AI 革命を阻害するか? (TechRepublic Premium)
急速なAIツールの導入が懸念されるアンチパターンを引き起こす
レポートによると、AIツールの急速な導入により、業界全体にアンチパターン、つまり組織に悪影響を及ぼす悪影響のあるパターンが生まれ始めています。コーディング支援ツールの場合、特に顕著なアンチパターンとして、AIツールによるコーディング支援の提案への依存が挙げられます。
「私たちが目にしているアンチパターンの一つは、吐き出された答えに頼ってしまうことです」とタラポアワラ氏は述べた。「副操縦士がコード生成を手伝ってくれるとはいえ、専門的なスキルと、返ってきた答えを評価する人間が介入しなければ、システムが肥大化するリスクを負うことになります。」
テクノロジーレーダーは、生成されたコードの品質とコードベースの急速な成長率に関する懸念を指摘しました。「特にコード品質の問題は、開発者やアーキテクトが『動作するがひどい』コードに溺れないよう、継続的な注意を払う必要があることを浮き彫りにしています」と報告書は述べています。
この報告書では、ペアプログラミングの実践を AI に置き換えることについて「保留」としており、Thoughtworks は、このアプローチはコードベースを複雑に暗号化するのではなく、AI が役立つようにすることを目的としている、と指摘しています。
「私たちが強く主張しているのは、クリーンなコード、クリーンな設計、そしてコードベースの総所有コストの削減に役立つテストです。ツールが生み出す答えに過度に依存すると、コードベースの寿命を延ばすことにはなりません」とタラポアワラ氏は警告した。
彼女はさらにこう付け加えた。「チームは、ユニットテスト、アーキテクチャの観点から見た適合関数、検証技術など、私たちが常に話し合ってきた優れたエンジニアリングの実践にさらに力を入れ、正しいコードが出てくるようにする必要があります。」
組織は AI ツール環境の変化にどのように対応できるでしょうか?
組織が誇大広告に惑わされることなく適切なツールとテクニックを導入するには、まずテクノロジーソリューションではなく問題に焦点を当てることが重要です。
「私たちがよくアドバイスするのは、解決しようとしている問題が何なのかを考え、その問題解決に役立つソリューションやツールの観点から何ができるかを見つけ出すことです」とタラポアワラ氏は語った。
AIガバナンスは、継続的かつ継続的なプロセスである必要があります。組織は、AIガバナンス基準の定義、従業員の教育、そしてAIエコシステムと規制環境の変化の継続的な監視を支援するチームを設置することで、メリットを得ることができます。
「まさにそれを実行することに専念するグループやチームを編成することは、組織全体にそれを拡大するための素晴らしい方法です」とタラポアワラ氏は述べた。「こうすることで、適切な方法でガードレールを設置するだけでなく、チームがこれらのツールをどのように活用できるかを試行錯誤する機会も与えられます。」
企業は、統合されたガバナンス機能を備えた AI プラットフォームを構築することもできます。
「ポリシーをMLOpsプラットフォームに体系化し、それをチームが構築するための基盤レイヤーとして活用することができます」とタラポアワラ氏は付け加えた。「そうすることで、実験を制限し、プラットフォームのどの部分を時間の経過とともに進化・変更する必要があるかを把握できます。」
AIツールや技術の実験は成果をもたらす可能性がある
Thoughtworks によると、AI ツールや技術を実験している組織は、使用するものを変更する必要があるかもしれないが、時間の経過とともにプラットフォームと機能も構築していくことになるだろう。
「投資収益率について言えば、テストの考え方を持っていれば、これらのツールを仕事に使うだけでなく、今後、基盤としてプラットフォーム上に構築し続ける要素は何かを検討できると思います」とタラポアワラ氏は述べた。
彼女は、このアプローチにより、組織は時間の経過とともに AI 実験からより大きな価値を引き出すことができるようになる可能性があると指摘しました。
「投資収益は長期的には報われると思います。もし彼らが、より共通のプラットフォームにどのような部分を持ち込むのか、そして財団の観点から何を学んでそれをプラスの弾みにできるのかという観点から検討し続けることができれば。」
