AI時代におけるスタッフエンジニアの新たなレバレッジとは

QCon San Francisco 2026:AIが変えるスタッフエンジニアの役割—チームの生産性を最大化する戦略のイメージ画像

2026年11月19日に開催されたQCon San Francisco 2026で、PinterestのシニアスタッフエンジニアであるJordan Cutler氏が、「Use AI to Multiply Your Team as a Staff Engineer」と題したセッションを行いました(InfoQ)。このセッションでは、全てのエンジニアがAIツールにアクセスできるようになった現在、スタッフエンジニアの役割がどのように変化するのかが議論の中心となりました。Cutler氏は、AIがスタッフエンジニアの存在意義を変えるものではなく、レバレッジの源泉が変化したと指摘しています。

AIはスタッフエンジニアの存在意義を変えるものではなく、レバレッジの源泉を変えたのです。

従来の「エンジニアのためのAI」コンテンツの多くは、個人の生産性向上に焦点を当てていますが、スタッフエンジニアにとっては、チーム全体の生産性をどう最大化するかが重要であるという問題提起がなされました。Cutler氏は、過去の講演で4時間のタスクを4分に短縮するAIの活用事例を紹介しましたが、これは自分自身の生産性を高めるものであり、チーム全体の生産性を高めるものとは異なるという認識に至ったそうです。

広がる生産性ギャップ:3つの戦略でチーム力を最大化

QCon San Francisco 2026:AIが変えるスタッフエンジニアの役割—チームの生産性を最大化する戦略のイメージ画像

Cutler氏は、Pinterest社内のデータを用いて、AIツールが導入されてもエンジニア間の生産性ギャップが拡大している現状を明らかにしました(InfoQ)。2025年第1四半期から2026年第3四半期にかけて、週ごとのマージされたプルリクエスト数を見ると、上位10%のエンジニアは6.7件から11.3件へと68%増加したのに対し、下位50%のエンジニアは1.0件から1.15件へと14%の増加に留まっています。このデータは、AIツールが誰でも使えるにもかかわらず、その使い方が異なることで、生産性の差が拡大していることを示唆しています。

指標 2025年Q1 2026年Q3 変化率
上位10%のPR数/週 6.7 11.3 +68%
下位50%のPR数/週 1.0 1.15 +14%

このギャップに対応するため、Cutler氏は以下の3つの戦略を提示しました。

  1. Multiply yourself(自身の生産性を乗算する): まず自分がAIツールを試し、成功例だけでなく失敗例も共有することで、チームが同じ試行錯誤をせずに済むようにします。Cutler氏は、途中で操作できないエージェントや、フォローアップが多すぎるリモートエージェントランナーなどの試行錯誤を例に挙げました。これにより、チームが無駄な時間を費やすのを防げるとのことです。
  2. Multiply your team(チームの生産性を乗算する): 自身が繰り返し行っているフィードバックや判断を言語化し、チームメンバーが利用できる形で共有します。例えば、コードレビューで「なぜ値がnullなのか原因を修正すべきだ」といった指摘を繰り返している場合、その判断基準を明文化して共有することで、チーム全体の品質と効率が向上します。これは以前、NetflixのScott Behrens氏も同様に「人間をアラインメントさせることで技術をスケールさせる」と述べていたのと近いアプローチだと感じます(InfoQ)。
  3. Multiply the system(システム全体の生産性を乗算する): 個々のタスクを自動化するだけでなく、より高次のレベルでシステムを改善します。コンテナ輸送の歴史を例に、手作業での改善に限界がある中で、規格化されたコンテナの導入が経済性を劇的に変えたように、システムレベルの変革を目指します。

Pinterestでは、数多くのファイルやチームにまたがる「マイグレーション」というタスクを自動化するシステムを構築しました。スタッフエンジニアが計画と例を指示し、エンジニアがスケジュールを設定し、サンドボックス内で動作するエージェントが各チームのプルリクエストに分割して作業を進める仕組みです。これにより、クラスコンポーネントのマイグレーションは手作業の3〜5倍速く、バックグラウンドで処理されるようになりました。

ただし、自動化の過程でスケジュールされたジョブがループし、2分で16のプルリクエストを生成し、CIの待機時間が30秒未満から14分に増加するという問題も発生したそうです。ここから「完璧なガードレールを待つのではなく、小さなガードレールを迅速に出荷するべき」という教訓が得られました。

エンジニア目線で見ると:AI活用における「人」と「システム」への投資

今回のQCon San Francisco 2026での発表は、AIが個人の生産性を飛躍的に高める可能性を持つ一方で、組織全体としてその恩恵を最大化するには、スタッフエンジニアの戦略的な関与が不可欠であることを明確に示しています。私が普段開発している個人プロダクトでも、Claude CodeのようなAIコーディングツールを多用しており、数時間のタスクが数分で完了する経験は日常的です。しかし、これがチーム開発となると、個人の生産性向上だけでは限界があると感じます。

Cutler氏の提唱する「Multiply your team」と「Multiply the system」は、まさにその課題への解となるのではないでしょうか。特に、繰り返し発生するレビューコメントや定型的な作業をAIエージェントに学習させ、チームやシステムに組み込むアプローチは、非常に実践的だと感じます。例えば、特定のコーディング規約違反を指摘するAI、セキュリティチェックを自動化するAIなどを開発し、CI/CDパイプラインに組み込むことで、チーム全体の品質を底上げしつつ、開発者の負担を軽減できると考えられます。

GCPのCloud RunやCloud Functionsを使って、このようなエージェントをデプロイするのは比較的容易でしょう。PythonやTypeScriptのバインディングが充実していれば、既存のスクリプトにも組み込みやすいはずです。

しかし、AIによる自動化は常に意図しない副作用を伴う可能性も指摘されています。Pinterestの事例でCI待機時間が大幅に増加したように、システムの変更は常に監視と段階的な導入が重要です。私の経験上、大規模なリファクタリングやマイグレーションでは、必ず手作業の検証プロセスを挟む必要があります。

AIが生成したプルリクエストも、最終的には人間の目とテストで確認するプロセスは外せないでしょう。これは、AIを活用した開発の新しいベストプラクティスを、チーム全体で確立していく必要があることを示唆していると感じます。

「完璧なガードレールを待つのではなく、小さなガードレールを迅速に出荷する」という教訓も非常に共感できます。まずは小さく試して、得られたフィードバックを元に改善を重ねるアジャイルなアプローチが、AIシステムの開発においても重要だと考えます。

私の個人的なプロジェクトでも、ローカルLLMを使ってスクリプトを自動生成する際に、想定外の挙動をすることもありますが、まずは動かしてみて改善を繰り返すことで、徐々に信頼性を高めています。このアプローチは、今後もAIを活用する上で不可欠な視点となるでしょう。