意図的な非効率さ：AI 時代における専門性の保存戦略

歴史的教訓：自律化の代償と手動操作の重要性

十数年ほど前、米国原子力発電所向けに開発された全デジタル制御システムの設計を率いました。当初の設計コンセプトは以下の通りでした。

• 自律走行の理念: 近代旅客機のようにシステムが自ら運転し、人間は監視役のみとなる「美しい機械」として構想されました。
• 決断内容: システムが自律できる手順の中にあえて手動によるステップを設けることを選択しました。
• 理由:
  • 自動化に依存し続けると、作業者は本物の操作能力を失い（「手は冷える」）、発電所の実態に対する精神的モデルも曖昧になります。
  • システムは混乱や困窮時に初めて機能しますが、その頃には数年間システムを操作してこなかった人間が座っているため、制御を引き返す際に致命的な問題が生じます。

このプロジェクトは政治・経済的理由により建設中止となりましたが、**「意図的な非効率さが安全に不可欠である」**という設計上の直感は残っています。

現実の衝撃：AI が工学職キャリアパスに与える影響

現在、あらゆる役員会議室で議論されているのは、AI 導入による構造変化です。データは以下の事実を示しています。

• 雇用の分断: ハーバード大学およびスタンフォード大学の分析によると、生成 AI 導入後の米国企業では：
  • 若手雇用: 非採用企業に比べ約 9%減少（4 四半期以内）。
  • ベテラン雇用: 引き続き増加傾向にある。
• 問題の本質:
  • 損失は AI による業務自動化の進んだ職種に集中しています。
  • AI は補完ツールとして機能する分野では若手雇用の割合が安定・上昇していますが、核心となる「経験の継承」が阻害されています。

アプレンティシップ（徒弟制度）の崩壊

• 専門性は「ダウンロード」されるものではなく、失敗したビルディングやデバッグセッションなどの実践を通じて獲得されます。
• AI がエントリーレベルの作業を代行すれば、新人は**「大惨事レベルの間違いを直感的に理解する感覚」**を育む機会を失います。
• 結果として、「3 年間の経験が必要」という意味でエントリーレベルの定義自体が変化しています。

航空業界から学ぶ：自動化のパラドックスと教訓

私のキャリアも戦闘機エンジンのデジタル制御検証から始まり、**「自動化のパラドックス」**を目撃しました。

• パラドックス: 高度な自動化ほど人間の操作機会を減少させつつ、最も困難な状況だけを人間に残してしまいます。
• 惨事からの学び（エアフランス便 447 事故）:
  • 直接原因: 凍結した空速センサーによる誤データと、システムがそれを正しく処理しパイロットへ返却したこと。
  • 根本原因: 数千人時間の自動化監視により**「静かに侵食された訓練」**の欠如。パイロットが高高度での空力失速を読み取れず、手動操縦からの脱出ができなかった。

業界は以下の対策を講じました：

1. 自動操縦システムの一時的撤去と再導入:
   • 単純に自動化を捨てたのではなく、あえて手動練習を再び導入。
2. 規制による変更:
   • FAA は「手動飛行運用の熟練度」を安全警報（17007）として制定。
   • 「手動飛行は他の技術的飛行技能の基礎」と宣言。
3. 航路の再設計:
   • 良好な条件下でも最初の上昇・下降を手動操縦で行わせるよう変更。
   • 燃費効率の犠牲を承知で、乗員の原始的な飛行技能を生かすことを優先。

結論: 能力不足の作業者を生み出す「最適化されたシステム」は、実は最適化されていません。故障モードだけを別の場所に移しただけです。

解決策：手動ゲートによるエンジニアリング技能の保存

航空業界と原子力発電所の教訓から導き出される設計パターンが**「あえての手動ゲート（Manual Gate）」**です。

「手動ゲート」とは？

• 定義: タスク完了の最速経路でも、安全インターロックでもない。
• 目的: 他では衰微する技能を訓練・保存するため、人間が制御を引き継ぐワークフロー上のポイント。
• 特徴: 「選択的」であること。組織が保持すべき能力を設計段階で決定し、そのために必要な「摩擦（抵抗）」を意図的に導入します。

ソフトウェアチームへの適用イメージ：デバッグの手動ゲート

AI にコード生成を依存する場合の具体的な手順は以下の通りです。

1. 問題発生: 重要モジュールに欠陥が発見された際。
2. 手動介入（若手の役割）:
   • AI アシスタントを一時的にオフにする。
   • AI 使用なしで失敗を再現し、根本原因を追跡する。
   • バグを捕捉するための自動テストを作成する。
3. モデル復帰と検証:
   • エンジニアが診断確定した後のみ、AI を起動させ修正提案や類似バグ検索をさせる。
   • エンジニアの診断とAI の結果を比較する。
4. 不整合の確認:
   • 両者の不一致こそが設計が機能し、潜在的なリスクを事前に浮き彫りにしている証拠です。

このアプローチの意義

• 役割の再定義: エントリーレベル作業の削除ではなく、将来のベテランのための訓練装置として保護すべき資産である。
• 長期的視点: 短期的に非効率に見えても、それを解体することは 10 年後の**「能力に対する質借金を」**生みます。

なぜ企業は若手エンジニアの訓練を続けなければならないのか

あえての手動ゲートは構造的に非効率ですが、以下の理由から必須です。

• 専門性の保存: 自動化が失敗する際に、操縦法を知る人物が椅子についていることを保証するため。
• 組織の類型:
  • 短期的なマージンよりも長期能力を投資できる組織（設立者・非上場企業・真の長期的視野を持つ機関）。
  • 規制当局が技能証明を要求する分野（パイロットなど）。
• 保険としての投資: 安全が極めて重要な工学分野では、非効率性を意図的に購入する「保険」として扱ってきました。

最終的な結論: AI が専門性の鍛え上げを代行する際、賢明な対応は自動化への抵抗ではなく、設計上で手動制御の維持です。そうすることで、システムが限界に達した時に、人間の判断があることを確実にします。