誇大宣伝を打ち破る
生成AIは、そのスピードと創造性でソフトウェア開発に火をつけました。プロトタイプ作成を加速し、ロジックの問題を解消し、新たな機能を生み出します。しかし、その興奮をソフトウェアエンジニアリングの現実に根付かせましょう。
AIの先駆者であるアンドレイ・カルパシーは最近、この問題を「マーチ・オブ・ナインズ彼はシンプルな点を指摘する。AIモデルを90%の確率で動作させるのは簡単だ。それは「最初の90%」、つまりデモ段階だ。しかし、エンタープライズソフトウェアは100%の90%で動作するわけではない。99.9%（90%が3つ）、つまり99.99%の信頼性が求められるのだ。
計算は残酷だ。90%から99%に到達するには、最初の90%と同じくらいの労力がかかる。スタートアップにとって90%はベータ版であり、エンタープライズにとってそれは壊れた製品だ。足りない10%は誤差の範囲ではなく、ツールと負債の違いなのだ。
推測 vs. 計算
AI が万能薬ではない理由を理解するには、基礎を理解する必要があります。
生成AIは確率論的です。推測し、パターンに基づいて次に出てくる可能性のある単語を予測します。つまり「あいまい」です。一方、エンタープライズソフトウェアは決定論的です。計算します。入力Aは常に出力Bを生成しなければなりません。財務報告書やアクセス制御を「おそらく」正しいものにすることはできません。それらは正しいか間違っているかのどちらかです。
DORA、GDPR、HIPAA によって規制されている複雑なエンタープライズスタックに生の AI コードを注入することは、確実性が求められるシステムに宝くじのようなものを投入するようなものです。患者データや銀行取引を扱う場合、「試してみて様子を見る」という戦略は適切ではありません。
ローコードをシャーシとして
未来はAIや安定性ではありません。それらを組み合わせるアーキテクチャこそが未来なのです。
ローコードプラットフォームのような Mendix 単なる生産性向上ツールではなく、アーキテクチャのガードレールになりましょう。AIを高速エンジン、ローコードをシャーシ、ステアリング、ブレーキシステムと考えてください。
このアプローチは、複雑さの問題を 2 つの面で解決します。
- 抽象化：AIアプリを開発するのに博士号は必要ありません。ローコードは、基盤となる部分を抽象化します。ベクターデータベースや複雑なAPI統合に悩まされることなく、標準化されたドラッグアンドドロップ式のコネクタを活用できます。
- ガバナンス：AIに生のコード（デバッグが困難）を書かせる代わりに、AIを使って標準化され、事前にテストされたモジュールを構成します。プラットフォームがセキュリティを強化します。AIが危険なデータパターンを提案した場合、プラットフォームの制約により、そのパターンはデプロイされません。
ビジュアル開発：ブラックボックスからガラスの箱へ
AI生成コードには、もう一つのリスクがあります。それは難読性です。AIが生成したスクリプトを、熟練したエンジニア1人しか解読できない場合、サイロ化が進行し、そのドメインを実際に理解しているビジネス関係者が排除されてしまうことになります。
「シフトレフト」、つまりコードを書く前に計画について合意する必要があります。構築前に、AIエージェントが関係者を支援し、明確な要件を草稿し、視覚化します。これにより、AIがロジックを生成する前に、人間が「設計図」に合意していることが保証されます。ローコードモデルは、ロジックを視覚化することで、これをさらに一歩進めます。
AI生成の「ブラックボックス」を「ガラスの箱」に変えます。
- 調整: ビジネス エキスパートとアーキテクトは、視覚的なモデルを確認してロジックを検証できます。
- 制御：AIがワークフローを加速させる際、プラットフォームの視覚的な性質により、人間が操縦者であり続けることが保証されます。システムが現在動作しているというだけでなく、なぜ動作するのかを理解できます。
ボトムライン
カルパシー氏の言う通り、実用レベルのAIは到来しつつある。しかし、まだそこまでには至っていない。
企業はAIがどれだけ速くコードを書けるかという問いではなく、「AIを安全に実行できるアーキテクチャとは？」という問いを自問すべきです。その答えは、AIのエンジンとローコードのシャーシを組み合わせることにあります。スピードは確保しつつ、制御性は維持できるのです。