AIコーディングツールが登場しました：製品エンジニアリングチームがそれらをどのように活用するか

AIコーディングツールの活用方法

生成AIが製品エンジニアリングチームに与える影響-パート2

これは、開発者を対象とした生成AI生産性ツール（Github Copilot、ChatGPT、Amazon CodeWhispererなど）が、製品エンジニアリングチーム全体の構造にどのような影響を与えるかを調査する6部作の第2部です。

第1部では以下を探求しました：

1. 製品エンジニアリングの状況と、生成AIツールの台頭によりチームがより少ない人間のエンジニアを必要とする可能性。
2. テックチームにおける従来の5：1の比率：業界全体で1人のプロダクトマネージャーに対して約5人のエンジニアが一般的であること。
3. 製品マネージャーとエンジニアの役割、現在の製品開発プロセスにおけるこれらの役割がAIの進歩とともにどのように変化するか。
4. 過去の研究がAIによる影響が最も少ない職業についての誤った予測を示しており、特にテック業界やクリエイティブ業界においてLLMsがこれらの予測を覆していること。

AIコーディングツールの爆発

自動化はソフトウェアエンジニアリングの一部として存在してきた歴史があります。エリック・レイモンドの2003年の画期的なエッセイ「The Art of Unix Programming」では、ソフトウェアエンジニアのための17のデザインルール、手でプログラムを書くことを避けるための「生成の原則」について言及しています。

レイモンドのアドバイスは、それが公開されてから20年経った今でもまだ有効です：

• AWS Marketplace上のHugging Faceプラットフォーム：AWSアカウントで支払いを行う
• 「LLMsを使用したEコマース製品検索の強化」
• 「自己学習型プログラマー」というものは存在しません

「人間は細部について注意を払うことが notoriously bad です。そのため、プログラムの手動ハックは遅延とエラーの豊富な源です。あなたのプログラムの仕様ができるだけシンプルで抽象化されているほど、人間の設計者がそれを正しく理解している可能性が高くなります。生成されたコード（すべてのレベルで）は、手でハックしたものよりもほとんど常に安価で信頼性があります。」

レイモンドがこれらの言葉を書いてから、私たちは自動化されたテストツール、リンター（私たちが書いたコードを自動的にチェックするツール）、開発環境の自動補完（コード用のスペルチェックのようなもの）、ReactやDjangoのようなフレームワーク（自動化された…

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!