クロード・コード創設者がセコイアサミットでの7つの重要な判断

著者：AI製品阿颖

元動画：《Anthropic's Boris Cherny: Why Coding Is Solved, and What Comes Next》

Claude Codeの創設者Boris ChernyがSequoia Summitでの発表を行い、情報量が非常に多く、多くの意見を初めて完全に聞いた。この彼は確かにAIに対する理解がかなり深い。

私のまとめを共有します。

#01 コードはもはや希少ではない

多くの主流な開発シーンにおいて、手動でコードを書くことは、すでに非効率なことになり始めている。

以前は、機能を提供するために、エンジニアは座って、まず実現方法を考え、次に一行一行コードを打ち込んでいた。このプロセスにおいて、エンジニアの最大の価値は：書けるか、上手に書けるか、早く書けるかだった。

今の作業方法は異なっている。

同じ機能に対して、エンジニアが行うことは、むしろ次のようなことだ：まず要求を明確にし、この作業をいくつかの部分に分けてエージェントに渡し、受け入れ基準を設定し、エージェントが出した結果が正しいかどうかを確認し、間違っていればヒントを調整して再実行させる。

AIはすでに大部分のコーディングタスクをこなすことができる。もちろん、100%ではなく、まだ巨大で複雑なコードベース、マイナーな言語や特殊な環境があり、今日のモデルのパフォーマンスはまだ不十分である。

全体的に見ると、エンジニアの価値は、コードを書くことができるかどうかから、タスクを分解できるか、目標を明確に説明できるか、結果を受け入れられるか、エージェントを管理できるかに変わった。

この変化は実際に産業革命に非常に似ている。

産業革命以前、鍛冶屋は鉄を打ち、鍛造し、磨き、組み立てるまでの全ての作業を一人で行っていた。技術のある鍛冶屋は当然価値があった。

その後、流水ラインが登場した。各労働者は一つの工程だけを担当し、全体の生産量は手作業の時代よりも数十倍、数百倍も高くなった。

この時、工場で価値のある役割は、特定の工程を最も上手に行う職人ではなく、流水ラインをうまく設計し、管理し、スムーズに運営できる人になった。

労働者は消えたわけではないが、労働者の役割は変わった。

ソフトウェア工学は今、類似の転換を経験している。コード自体はもはや希少品ではない。コードを書くことは、PPTを使うことと同じような基本的なスキルになりつつある。

本当に希少なのは、曖昧な要求を明確なタスクに分解できるか、エージェントが提示するいくつかの選択肢の中から最も適切なものを選べるか、AIの集団を協力させて一つのことを成し遂げることができるかである。

このことは、実際には多くの古いエンジニアが最初は受け入れられないものである。自分の手でコードを書くこと自体が、過去数十年にわたり多くの人がこの業界を愛する理由であった。

これを機械に任せることは、多くの人にとって、単なる作業方法の変化ではなく、アイデンティティの再構築である。

しかし、トレンドはトレンドである。

#02 グーテンベルクの印刷機のように

コーディングは専門的なスキルから基本的な能力に変わりつつある。このことは、15世紀のヨーロッパの印刷技術に例えることができる。

印刷技術が発明される前、ヨーロッパ全体で約10%の人々しか読み書きができなかった。これらの人々は、しばしば読み書きができない貴族に雇われ、人々のために読むことや書くことを専門に行っていた。

そして印刷技術が登場した。50年の間に、ヨーロッパで出版された書籍の数は、過去1000年の総和を超え、書籍の価格は約100倍下がった。さらに数百年の間に、教育体系や経済構造が徐々に追いつき、世界の識字率は今日の70%に達した。

Borisは、AIがソフトウェアに与える影響は、加速版の印刷革命であると考えている。ソフトウェアは数十年以内に完全に民主化され、誰でも扱えるものになるだろう。

最終的には、ソフトウェアを作ることは、SMSを送ることと同じくらい自然になるだろう。

#03 最も重要な能力は何か？

AIによってコードを書くことのハードルが極めて低くなった後、真に人の能力を区別するのは、その人の製品感覚であり、特定の分野に対する真の理解である。

例を挙げよう。二人が同時に医師向けの製品を作ろうとしている。一人はコードを書くのが速いエンジニアで、もう一人は病院の情報科で数年働いた人である。

以前は、エンジニアが作り出すものの確率が高かった。なぜなら、彼はアイデアを実現できるからだ。

今は逆になった。誰でもアイデアを実現できる。この時、実際に病院の日常業務を理解している人の方が価値がある。なぜなら、彼は医師が本当に使う機能と、ただ理にかなっているように聞こえる機能を知っているからだ。

つまり、AIが実行のハードルを平準化した後、判断力の差が拡大した。

このことは、generalistという言葉の意味を直接書き換えた。

過去に私たちがgeneralistと言うと、通常はエンジニアがiOSも書け、Webも書け、バックエンドも書けることを指していた。このようなgeneralistは、本質的にはエンジニア内部のフルスタックであった。

未来のgeneralistは、学際的なフルスタックである。

ある人は製品、デザイン、エンジニアリングを同時に理解している。別の人は製品、データサイエンス、エンジニアリングを同時に理解している。このような組み合わせは、過去にはほぼ不可能であった。なぜなら、各項目は長時間の専門的な訓練を必要とするからだ。

しかし今、AIが各項目の実行ハードルを引き下げたため、一人の人間がいくつかの分野を横断し、専門的な深さを保つことができる。

Claude Codeチームはまさにそうである。エンジニアリングマネージャー、PM、デザイナー、データサイエンティスト、財務、ユーザーリサーチ、各自がコードを書いている。

デザイナーは自分でインタラクションプロトタイプを動かしてチームに見せることができ、もはやただ図を出してエンジニアに実現させるだけではない。

財務は自分で分析ツールを作成し、会社の複雑な財務モデルを動かすことができ、BIを待つ必要がなくなった。ユーザーリサーチの同僚は自分でデータを動かし、以前はデータチームの協力を待っていた部分の作業を引き受けるようになった。

各自の専門的な深さはまだ存在している。しかし、AIの支援の下で、コードを書くことは皆が共通の言語になった。

#04 SaaSの防壁が崩れ始めている

過去十数年、SaaS業界にはいくつかのほぼ公理として扱われている共通認識があった。

第一は切り替えコストである。一度会社があなたのシステムを使用すると、その中には数年、さらには十数年のデータ、設定、フィールド、権限関係が徐々に蓄積されていく。

別のシステムに移行しようとすると、これらのものをそのまま移し出して再度移し入れるだけで、頭が痛くなるほどの手間がかかる。

第二はワークフローのロックインである。従業員の日常的な操作、部門間の協力、承認のノードは、すべてこのSaaSを中心に成長している。

別のシステムに切り替えることは、単にデータを移すだけでなく、会社が過去数年で育ててきた筋肉記憶をすべて再構築することを意味する。

これら二つを合わせることで、過去のSaaS業界の最も深い防壁が形成されていた。しかし、十分に強力なモデルがあれば、事の論理が変わり始める。

まず切り替えコストの側面を見てみよう。過去にあるSaaSから別のSaaSに切り替えようとすると、フィールドを整合させ、データ構造を再現するだけで、エンジニアリングチームは数ヶ月の残業が必要だった。

今は、両方のインターフェースとデータ構造をモデルに渡し、モデルが自分でマッピング関係を整理し、最適解に向かって少しずつ進むことができる。元々数ヶ月かかる作業が、数日で使えるバージョンを出すことができるかもしれない。

次にワークフローのロックインの側面を見てみると、さらに興味深い。過去にワークフローが顧客をロックインできた理由は、これらのプロセス自体が複雑で、隠れたものであり、人に依存していたからである。

従業員の頭の中にある、誰が誰に承認を求めるか、いつどのステップで引っかかるかという暗黙の了解は、直接移すことができない。

しかし、Opus 4.7のようなモデルは、複雑なプロセスを理解し、分解し、新しい環境で再構築することが得意である。さらには、再構築されたバージョンが元のものよりもスムーズになる可能性すらある。

したがって、過去にデータの蓄積とプロセスの蓄積によって築かれた防壁は崩れ始めている。

SaaSを行っている人にとっては、これは悪いニュースかもしれない。しかし、すべてのSaaSを使用している顧客や、新しい世代のSaaSを作ろうとしているチームにとっては、これは真の機会の窓である。

#05 起業家にとっての最良の時代

今後10年間で本当に業界を覆す起業会社は、過去10年間の10倍になるかもしれない。

理由は実に単純である。

小さなチームがAIを使って大企業と同等、あるいはそれ以上の製品を作り出すことができる。逆に、大企業が本当にAIを活用しようとすると、むしろ負の資産となる。

どういうことか？

十数年の歴史を持つ企業は、すでに自社のビジネスプロセス、役割分担、協力習慣、トレーニングシステム、KPI評価の一整套を持っている。これらのものは過去には資産であり、壁であった。

しかし、AIを本当に組み込むためには、これらすべてを再評価しなければならない：ビジネスプロセスを再構築し、すべての従業員を再トレーニングし、前に進むたびに巨大な内部抵抗に直面し、N個の部門、N層の承認を調整しなければならない。

一方、3人のスタートアップチームは、初日からAIをデフォルトの基盤として扱っている。彼らには解体すべき歴史的な負担も、変更すべき習慣もなく、説得する必要のある人もいない。今日話し合いが終われば、明日にはデモを作成し、明後日にはユーザーが使えるようにオンラインにできる。

この速度差は、AI以前にも存在していた。スタートアップは大企業に対してもともと速度の優位性を持っていた。しかし、AIはこの差を何倍にも拡大した。

なぜか？

AIが強ければ強いほど、一人が単位時間内に動かせるレバーが大きくなる。AIを本当にうまく活用する小さなチームは、今日の成果が過去の10人に相当し、明日は過去の30人に相当するかもしれない。

しかし、大企業の組織の重さは軽くなっていない。むしろ、AIを消化する必要があるため、さらに重くなっている。AIが強ければ強いほど、小さなチームの加速度と大企業の引っ張る力との間のギャップは広がる。

これがBorisが言う負の資産である。大企業が資金がない、人数が足りない、意欲がないのではなく、彼らの過去に利益を上げていた筋肉が、今ちょうどAIが真の価値を発揮する道に詰まっているのである。

#06 MCPは死なない

MCPは死なない。

Skillが流行した後、多くの人がMCPは必要ないと考えた。OpenClawの創設者も似たような見解を持っている。

しかし、Borisはそう考えていない。彼はMCPがAI時代のソフトウェア接続層になると考えている。

過去のインターネットのソフトウェア接続方法はAPIであった。

しかし、APIの核心的な問題は、それがエンジニアのために設計されていることである。APIを使用するには、まずドキュメントを読み、トークンを申請し、コードを書き、フィールドを整合させ、例外を処理しなければならない。言い換えれば、APIは人間の開発者のために書かれている。

MCPは異なる。モデルが直接接続して使用でき、モデル自身が理解できれば調整できるため、その間にプログラマーが翻訳する必要はない。

したがって、BorisはAPIをHuman Developer Interfaceと呼び、MCPをModel Interface Protocolと呼ぶ。一つは人間のためのものであり、もう一つはモデルのためのものである。

これは実際に当時と非常に似ている。モバイルインターネット時代には、すべてのサービスがAPI化されることがデフォルトであった。AI時代には、すべてのサービスがMCP化されることがデフォルトとなる。

#07 Computer Useは依然として重要

多くの人が現在Computer Useについて話すと、この方向性はうまくいかないかもしれないと感じる。

理由は非常に合理的である：トークンを大量に消費し、遅く、不安定である。見た目はより技術的なデモのようで、実際に使えるものにはまだ距離があるように見える。

しかし、Borisが見ている側面はまったく異なる。

彼が本当に重視しているのは、Computer UseがAIの実装における最大の痛点を解決したことである：現実の世界には、多くのシステムがAPIもMCPも持っていない。

特に企業の世界では。

実際に会社に入ったことがある人は知っているが、内部には多くのコアシステムが非常に古い。ERP、OA、財務システム、内部承認、サプライチェーンのバックエンド、さまざまなカスタムシステム。多くはインターフェースを開放しておらず、ドキュメントもなく、自動化能力もない。それらはそのまま存在し、毎日無数の従業員によって手動で操作されている。

では、なぜそれらに直接APIを作らないのか？

それはできないからだ。これらのシステムを開発した供給業者はすでに存在しないかもしれない。IT部門には再構築するための動機も予算もない。

ビジネス部門は、半年や一年待つことは決してできない。これらのシステムは、完璧なAPIが自分を救うのを待つことは決してない。

短期的には、各大モデルは自分のComputer Use能力を向上させるべきである。