核心要約
- 全14章のうち14章だけ「まとめ」なし
- 知識の追加ではなく判断の入れ替え
- 品質基準と障害判定プロセス
- 今週確認すべき一つのこと
AIタイムズの書評コーナー「AIリーダーの書斎」が、7月末に出版された『ジュニアAIエンジニアが必ず知っておくべき実務知識』(キム・テホン著、ハンビッㇺメディア)を取り上げました。本書は全5パート、14章で構成されています。コラムが目次からまず読み取ったのは「何を学ぶか」よりも「何を消すべきか」であり、著者が新人エンジニアの実務知識として「すでに身についた誤った判断を消す方法」を強調している点でした。
コラムが引用した章タイトルは否定形です。3章は「データパイプラインは単純なETLではない」、6章は「生成AIはAPIではなく確率エンジンである」、12章は「勘ではなく測定で:評価主導開発」です。1章は「決定論的システム vs. 確率論的システム」、2章は「なぜパフォーマンス指標は正常なのにサービスは壊れるのか?」です。構成にも一つ例外があります。全14章のうち13章は「まとめ」の節で終わりますが、「AIエンジニアは何を異なる形で判断すべきか?」というタイトルの14章にはその節がありません。コラムは、疑い判断するプロセスが単純に要約できないためだと読み解きました。
韓国企業AXへの示唆
この目次を人材の観点に置き換えると、教育計画書というより点検リストに近いものになります。社内AI教育を設計するなら、「何をさらに教えるか」の隣に「どの前提を取り除くか」を並べて置くのが順序として妥当です。決定論的ソフトウェアを前提に作られた品質基準、障害判定、リリース承認プロセスをそのままにして生成AI機能だけを追加すれば、2章が投げかけた問い、すなわち「パフォーマンス指標は正常なのにサービスは壊れる」がそのまま運用現場の問いになります。12章のタイトル「勘ではなく測定で」は、その点において評価基準を新たに立て直せという要求として読み取れます。
コラムは本書を最初の章から精読するよりも、現在担当しているサービスで経験した試行錯誤や誤った判断の痕跡を、まず目次の中で探してみることを勧めました。組織単位に置き換えると、今週できることは一つです。最近AI機能で発生した障害や品質問題を一件選び、それが指標として検知されたのか、それともユーザーからの報告で先に判明したのかを確認してください。もし後者であれば、測定基準をどこから立て直すべきかがすでに明らかになっているということです。