ソフトウェア作業の構成要素(The Building Blocks of Software Work)

田中専務

拓海先生、最近部下から「この論文を読め」と言われましてね。タイトルは英語で長くて、何を示しているのか掴めないんですが、要するに何が新しいんでしょうか。

AIメンター拓海

素晴らしい着眼点ですね!簡単に言えば、この論文はソフトウェア開発を「仕事の小さな部品」に分解して、その部品が賃金や仕事の要件にどう結びつくかを示しているんですよ。大丈夫、一緒に見ていけるんです。

田中専務

仕事を小さく分ける、と。うちの工場で言えば工程ごとに分けるようなものでしょうか。それなら理解しやすいですけれども、データはどこから取っているのですか。

AIメンター拓海

良い質問です。研究はStack Overflow(Stack Overflow:Q&A形式の技術コミュニティ)上の何千万件もの投稿を分析して、実際に人々がどんなタスクをしているかを細かく抽出しています。身近な例で言えば、工具箱の中身を数えて工員の仕事を把握するような方法です。

田中専務

Stack Overflowというのは名前だけは聞いたことがあります。で、それを「タスク」に分解すると何が分かるのですか。現場にどう役立つのか、投資対効果の観点で知りたいのです。

AIメンター拓海

要点を3つでまとめますね。1つ目、タスクごとに市場価値が異なり、求人広告や給与に反映される。2つ目、個人はあるタスクで経験を積むことで関連のタスクに移行しやすくなる。3つ目、言語やツール(例:Python)は新しい高価値タスクへの入り口を広げる、ということです。投資するときは、どのタスクに投資するか意識すると効果的なんです。

田中専務

これって要するに、どの技能に時間や教育コストを割けば賃金や採用で得をするかが分かるということですか。例えば若手にPythonを教えるべきかどうか、という判断に役立つと。

AIメンター拓海

まさにその通りです。Python(Python:汎用プログラミング言語)は特に多様なタスクに入れるため、学習投資のリターンが高いと論文は示唆しています。大丈夫、一緒に導入計画を描けるんです。

田中専務

現場の心配としては、教えても本当に使えるのか、現場の仕事に直結するのかが分かりません。例えばGitHub(GitHub:コードの共有・管理プラットフォーム)のスクリプト数を使った検証という話がありましたが、それは信頼できる指標でしょうか。

AIメンター拓海

研究ではGitHub(GitHub:コードの共有・管理プラットフォーム)上のスクリプト数を「実務での利用の目安」として用いています。完璧な指標ではないが、Stack Overflow上の問題解決と現実のコード利用の両方で一貫したパターンが見えるため、信頼できる補助指標になるんです。

田中専務

では、うちの社員に向けてどのような教育や評価指標に落とせばいいのでしょうか。現場の時間を奪わず、成果が見える形にしたいのですが。

AIメンター拓海

要点を3つで提案します。1つ目、まずは現場で価値が高い「タスク」を特定して優先的に教育する。2つ目、小さなプロジェクトで学習成果を検証し、GitHubでの成果物やバグ修正数などで可視化する。3つ目、教育は段階的にして現場の負荷を抑える。こうすれば投資対効果が明確になりますよ。

田中専務

分かりました。これって要するに、まず価値の高いタスクを見つけて小さく試し、GitHubなどの指標で成果を測れば投資が合理的か判断できる、ということですね。自分の言葉で言うとそうなりますか。

AIBRプレミアム

関連する記事

AI Business Reviewをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む