AIと若手エンジニアに託されたCiscoの未来
米Ciscoのプレジデント兼最高製品責任者であるJeetu Patel氏が、27歳のエンジニアPadmanabhan Krishnamurthy氏に同社の基幹システムを刷新するプロジェクトを任せたことは、業界に大きなインパクトを与えています。Krishnamurthy氏は、2025年にCiscoが買収したリアルタイム翻訳スタートアップEzDubsの共同創設者で、かつては組織の「非戦略的な部署に埋もれていた」とのことです（Hacker News）。
Patel氏はKrishnamurthy氏に「コードをリファクタリングするために無制限のトークンを与えた。好きなだけ使っていい」と語っています。
AIによるコード生成やリファクタリングの能力が向上する中、この決定は従来の常識を覆すものです。Patel氏は、Krishnamurthy氏が「2人チームでCiscoのレガシーコードを書き換えられる」と提案したことに感銘を受け、このプロジェクトを推進することを決めました。
世代間の「摩擦」を歓迎するCiscoの人材戦略
Patel氏は、この大規模プロジェクトを長年の経験を持つベテランではなく、若手エンジニアに託した理由について明確な考えを持っています。「もし若手社員を雇用しなければ、新鮮なアイデアはどこから注入されるのか？現状にどう挑戦するのか？」と問いかけています（Hacker News）。
Patel氏は、「緊張は良いことだ。チームに十分な摩擦を生み出すようにしている」と述べ、アイデアを巡る摩擦を歓迎する姿勢を示しています。
彼は、ベテラン社員が持つ経験と、若手社員が持つ「経験がないからこそ生まれる問い」の両方が重要だと考えています。世代間の意見の衝突や「摩擦」は、組織の成長に必要な要素であるという考え方は、多くの企業にとって示唆に富むのではないでしょうか。このアプローチは、AI時代において、単にタスクを自動化するだけでなく、組織全体の思考様式を変革することを目指しているように感じます。
AIエージェントと採用、生産性の現状
Ciscoの事例はAIをビジネスの中核に据える動きですが、AIのビジネス応用は多岐にわたります。例えば、Accentureは採用プロセスにAIエージェントを導入し、履歴書の選別や面接のスケジュール設定に活用していると報告されています（The Register）。これにより、採用担当者がより戦略的な業務に集中できるようになるようです。
一方で、AIの導入がすぐに生産性向上に繋がるとは限らないという課題も指摘されています。マンチェスター大学のProductivity Instituteは、「AI Ambition Gap（AI野心ギャップ）」というレポートで、AIツールの普及が進むにもかかわらず、予測される生産性向上に繋がっていない現状を分析しています（The Register）。これは、AI導入には従業員の再教育や組織の再編など、初期投資が必要となるためと考えられます。
AIエージェントの活用は、まだ初期段階にあるとも言えます。DoorDashは、AIエージェント経由の注文が「数百件」に留まっており、ユーザーは依然として同社のアプリ経由で注文していると報告しています（TechCrunch – AI）。一方で、レストラン検索アプリZestは、テキストメッセージでレストランの予約ができるAIコンシェルジュを発表しており、モバイルアプリ以外のインターフェースへの移行も示唆されています（TechCrunch – AI）。
| 項目 | Ciscoの取り組み | 他社のAI活用事例 |
|---|---|---|
| 目的 | レガシーコードの刷新、組織変革 | 採用効率化、サービス提供インターフェースの多様化 |
| 技術 | AIによるコードリファクタリング | AIエージェントによるタスク自動化 |
| 人材戦略 | 若手への大規模プロジェクト委任、世代間摩擦の歓迎 | 採用プロセスの効率化 |
| 成果の現状 | プロジェクト進行中（24ヶ月で98%刷新目標） | 生産性向上は道半ば、AIエージェントからの注文は限定的 |
エンジニア目線で見ると：AIによるレガシーコード刷新の可能性と注意点
Ciscoのこの発表は、多くのエンジニアにとって非常に興味深いものだと思います。AIを活用してレガシーコードを刷新するというのは、技術的な挑戦であると同時に、スタートアップのエンジニアとして、私自身の個人プロダクトや会社のプロジェクトにも応用できないかと考えます。PythonやTypeScriptをメインで書いている身としては、現状のAIコーディングツールでもリファクタリングの提案はかなり精度が高まってきていると感じます。
Claude CodeにCiscoのような大規模なレガシーコードベースを投げてみたら、案外早く動き出すかもしれません。特に、テストコードが充実していれば、AIが生成したコードの品質保証もしやすくなるのではないでしょうか。GCPを使っているため、Cloud Runなどのサーバーレス環境と組み合わせて、マイクロサービス化を進める際にもAIによるコード分割やリファクタリングが役立つ可能性を感じます。
しかし、無制限のAIトークンと言っても、そのコスト管理や、生成されたコードのレビュー体制は重要です。単にAIに任せきりでは、新たな技術的負債を生み出す可能性もあります。既存のコードとの互換性、セキュリティ面でのリスク、そしてAIが生成するコードの保守性など、考慮すべき点は多いでしょう。
また、AIにレガシーコードを解析させる際、特に機密情報が含まれる場合は、ローカルLLMの活用も視野に入れるべきだと考えます。自作PCでローカルLLMを動かしている経験からすると、プライバシー保護とコスト効率のバランスを取る上で有効な選択肢ではないでしょうか。このような大規模プロジェクトでは、開発者コミュニティやオープンソースの知見も積極的に取り入れることで、AIのポテンシャルを最大限に引き出しつつ、リスクを管理していくことが重要になると感じます。
