8月15日、ソフトウェアエンジニア・プロダクトリーダーのAllen Bargiが「Working With AI Feels More Like Leadership Than Coding」と題した記事を公開した。AIとの協働に必要なスキルは「コーディング」よりも「リーダーシップ」に近い——この逆説的な結論は、エンジニアがAIツールに感じる違和感の正体を鋭く言語化している。Bargiはシリコンバレーを拠点にプロダクト・エンジニアリング両面での実務経験を持ち、AIとの実践的な協働から得た知見をこの記事にまとめた。
「技術は新しいが、必要なスキルは新しくない」という逆説
Bargiの議論の核心は、冒頭からはっきりしている。AIが問い直しているのは「何をすべきか」の伝え方ではなく、「なぜ重要か」を説明する能力だ——そして後者は、リーダーシップの実践としてエンジニアリングの世界では長らく軽視されてきたスキルである。
「良いプロンプトの書き方」を磨くことに注力するエンジニアが多い中、Bargiはその前提自体を問い直す。プロンプトの「書き方」より、意図・文脈・判断基準を「何を伝えるか」に軸を移すべきだ、という主張だ。これはいわゆるプロンプトエンジニアリング（AIへの入力文を設計・最適化する技法）の議論が「どう書くか」に偏りがちな現状への、実践者からのカウンターアーギュメントとして読める。
コンパイラではなく、チームメンバーとして扱う
エンジニアがAIに感じる「なぜ同じプロンプトで違う結果が出るのか」という不満は、AIをコンパイラのように扱っているときに起きる。Bargiはこの違和感を出発点に、AIとの向き合い方を再定義する。
コードは確定的だ。同じ入力には同じ出力が返る。それが変わるとバグと呼んだ。しかしAIはそうではない。同じリクエストが異なる答えを返し、明らかなポイントを見落としたり、予想外のアプローチを提示したりする。
この挙動は、むしろ人間のチームメンバーに近い。リーダーとしてタスクを説明すると、依頼した通りのものが返ってくることもある。一方、相手が依頼の背後にある意図を理解していれば、期待以上のものが返ってくることもある。あるいは「自分の説明が不明確だった」と気づかされることもある。
AIとの対話はまさにこの第二の体験に近い、とBargiは言う。
「意図を伝える」スキルへの投資
AIが人間と同じだという話ではない。Bargiはこの点を明確にしている。AIには生きた経験も、責任も、人間的な判断もない。 比較しているのはあくまで「どう作業するか」という方法論だ。
優れたリーダーは指示を出すだけでなく、以下を実践する：
- コンテキストを共有する
- 求める結果を説明する
- 判断の境界を設定する
- 返ってきたものに対して応答する
これと同じ習慣がAIとの作業を改善する。良いプロンプトは助けになるが、共有された作業コンテキストはさらに効果が高い。具体例、修正フィードバック、再利用可能な指示の蓄積が誤解を減らし、時間をかけてシステムを自分の思考様式に近づけていく。
投資先は「AIを人間のふりをさせること」ではなく、「意図をより正確に表現できるようになること」だ。
エンジニアに求められるスキルの変化
私たちはこれまで、コンピュータに「何をすべきか」を正確に伝える技術を磨いてきた。機械語からプログラミング言語へ、そして宣言的記述へと、抽象度は上がってきたが、本質は「命令」だった。
Bargiの指摘は、AIがその延長線上にないという点だ。今や必要なのは「なぜその作業が重要なのか」「良い結果とはどのようなものか」「どこに判断が必要か」を説明する能力だ。
技術は新しいが、必要とされるリーダーシップのスキルは新しくない。 AIはソフトウェア開発を「機械への命令」から「会話を通じたリード」へと変えつつある、というのがBargiの結論だ。
この視点はエンジニアリング組織におけるテクニカルリーダーシップの議論とも接続する。コードを書く能力だけでなく、意図を構造化して他者（人間であれAIであれ）に伝える能力が、ソフトウェア開発の中心的なスキルとして浮上しつつある。
実践者への示唆
プロンプトエンジニアリングの議論が「どう書くか」に偏りがちな中、本稿が「何を・なぜ伝えるか」に軸を移している点は実践的な示唆を含んでいる。AIツールを日常的に使うエンジニアにとって、習慣として取り入れるべき行動変容は次のように整理できる。
- プロンプトを書く前に「なぜこのタスクが必要か」を一文で説明できるか確認する
- フィードバックは「結果が違う」ではなく「どこで判断が分かれたか」を言語化して返す
- 繰り返し使う指示・制約はドキュメント化し、コンテキストとして再利用する
コーディングの習熟度よりも、意図の明確化とフィードバックの反復を重視するこの視点は、チームでのAI活用を考えるエンジニアリングマネージャーにも参考になるだろう。
※編集部の考察：Bargiの論点はAI固有の話にとどまらず、「説明責任のある技術判断をどう言語化するか」というエンジニアリング組織の古典的課題と重なる。AIの普及がその問いを再び表舞台に引き出している、と見ることもできる。
詳細はWorking With AI Feels More Like Leadership Than Codingを参照していただきたい。
