AIが「コードを書く」を解決した先の世界：AnthropicのFiona Fungが語るエンジニアリングの未来とチーム変革

現代の技術世界は、かつてないほどのスピードで進化を遂げています。特にAIの台頭は、ソフトウェア開発の風景を一変させ、私たちがこれまで当たり前だと考えてきた「エンジニアの仕事」そのものの定義を根底から揺るがしています。その変革の最前線に立つのが、AnthropicでClaude CodeとCo-workチームを率いるFiona Fung氏です。

Fiona Fung氏は、25年以上にわたるエンジニアリングキャリアの中で、IBM、Microsoft (TypeScript、Visual Studio)、Facebook (Marketplaceの立ち上げ、スマートグラス、ARグラス)、Instagramといった名だたる企業で要職を歴任してきました。そして現在、Anthropicにおいて、AIによるコード生成ツールの開発を指揮することで、ソフトウェアエンジニアリングの新たな時代を文字通り「構築」しています。彼女の洞察は、AIがもたらす技術的進歩だけでなく、それが人間、チーム、そして組織文化にどのような影響を与えるのかを深く理解するための貴重な羅針盤となります。

本記事では、Fiona Fung氏の豊富な経験と未来への明確なビジョンに基づき、AIがエンジニアリングをいかに変革しているか、未来のチームがどのように機能し、いかなるスキルが求められるのか、そしてこの激動の時代において私たちが直面する課題と、それを乗り越えるための哲学について深く掘り下げていきます。

第1章: コーディングはもはやボトルネックではない

AIの進化は、ソフトウェア開発における最も基本的な活動である「コーディング」の性質を根本から変えつつあります。Anthropicの現場では、その変革が驚くべき具体的な数値として表れています。

1.1 Anthropicエンジニアの生産性革命：8倍のコード出荷の衝撃

Fiona Fung氏は、Anthropicのエンジニアが2025年比で四半期あたり平均して8倍ものコードを出荷しているという驚くべき数字を共有しています。この劇的な生産性向上は、単なる効率化の域を超え、「コーディングはもはやボトルネックではない」というBoris Cherney（Claude Codeの共同開発者であり、Fiona氏のチームに所属）の言葉を現実のものとしています。

この変化が意味するのは、エンジニアがコードの記述そのものに費やす時間が大幅に削減され、そのエネルギーがより高次の問題解決や創造的な活動に解放されているということです。Fiona氏は、「天井が上がり、誰もができることの限界が押し上げられた」と語り、今や「すべてが理論上可能になった。あとはどれだけ野心的になれるかだ」と強調します。AIが低レベルな実装の詳細を処理する中で、人間の役割は、より大きなビジョンを描き、複雑な課題を定義し、革新的な製品アイデアを形にすることへとシフトしているのです。これは、ソフトウェア開発における人間の創造性と野心の解放を象徴する出来事と言えるでしょう。

1.2 ソフトウェア開発の歴史を振り返る：IDEの登場からAIエージェントへ

Fiona Fung氏の25年以上にわたるエンジニアリングキャリアは、ソフトウェア開発の歴史における数々の転換点と重なります。彼女は自身の経験を振り返り、初期のIBMでのVimを使ったターミナルデバッグから、MicrosoftでVisual Studioチームに参加した際のIDE（統合開発環境）との出会いを語ります。当時の彼女にとって、IDEのデバッガー、ブレークポイント、マルチスレッドデバッグ機能は「常に驚きのステップバイステップの変化」でした。

このエピソードは、AIによる現在の変革を、過去の技術革新の連続の中に位置づける上で非常に重要です。かつては手動で行われていた多くの作業が、IDEによって自動化・効率化されたように、今はAIエージェントがその役割をさらに拡張しています。

さらにFiona氏は、ソフトウェアの配布方法の変化も挙げます。かつてはCDに焼いて店頭に並べるために「非常に厳格な締め切り」があり、そのためには「より多くの計画」が必要でした。しかし、ソフトウェアがオンラインで配布されるようになり、迅速なイテレーションが可能になりました。そして今、AIは「コーディングのボトルネックを解消」し、計画と実行のサイクルをさらに加速させています。Anthropicでは、エンジニアだけでなく、デザイナーやプロダクトマネージャー（PM）もコードをチェックインしており、スループットが非常に高いため、「検証」がいかに重要になるかが新たな課題として浮上していると言います。AIによる生産性向上の波は、これまでの開発プロセス全体を再考することを私たちに迫っているのです。

第2章: 未来のエンジニアリングチーム：役割の変化とリーダーシップ

AIがコード生成の大部分を担うようになった現在、エンジニアリングチームのあり方、そしてリーダーシップの形は大きく変化しています。Fiona Fung氏がAnthropicで実践しているのは、その未来を先取りするような、新しい働き方とマネジメント手法です。

2.1 「ビルダー」の時代：製品感覚と深い専門知識の融合

Fiona氏が「AIに毒された」ソフトウェアチームが2026年にどのような姿になるかと問われた際、「役割の境界線が曖昧になり、『ビルダー』として誰もが創造者になる」と語っています。AnthropicのClaude Codeチームでは、エンジニアだけでなく、デザイナーやプロダクトマネージャー（PM）もコードをチェックインするようになり、学際的な「ビルダー」文化が醸成されています。

このような環境でAnthropicが採用で重視するのは、主に2つのプロファイルです。

製品感覚を持つクリエイティブなビルダー（Creative builders with product sense）: 彼らは製品への情熱を持ち、アイデアを形にし、フィードバックに基づいて迅速に反復し、洗練されたユーザー体験を追求します。製品をエンドツーエンドで所有し、市場での成功に責任を持つ「夢想家」のような存在です。
困難な部分を担当する深いシステム専門知識を持つ人材（Deep systems experts for the hard parts）: モデルは非常に優れていますが、依然として検証が必要な領域や、深い専門知識が求められる分野があります。分散システム、低レイヤーのアーキテクチャなど、モデルだけでは解決できない複雑な問題に対処するためには、信頼できる専門家が不可欠です。

AIが「可能」の範囲を広げたことで、「すべてが理論上可能になった」というマインドセットが重要になります。Fiona氏は、モバイルエンジニアの経験がなかったにもかかわらず、Claudeの助けを借りてモバイル対応機能を実装できたエンジニアの例を挙げ、「AIは誰もができることの天井を押し上げた」と述べています。これは、個々のエンジニアが自身の専門分野を超えて、より広範な影響力を持つ「ビルダー」へと進化する可能性を示唆しています。

2.2 エージェンシーと説明責任：自律的な行動と成果へのコミットメント

Fiona氏のチーム運営において重要なキーワードとなるのが、「エージェンシー（Agency）」です。これは、Tyler Cowen氏が提唱する「イニシアチブ」という概念にも通じるもので、AI時代に成功する人々は、最も主体的に行動し、最も積極的に問題に取り組み、最も強い当事者意識を持っていると指摘されています。

Fiona氏は、Claude CodeおよびCo-workチームにおいて、「ハイエージェンシーはハイアカウンタビリティ（High agency is also high accountability）」という原則を重視しています。これは、チームメンバーに問題解決への大きな自由と裁量を与える一方で、その行動に対する明確な説明責任も求めるというものです。

具体的には、

問題へのフォーカス: チームはまず解決すべき問題を特定し、その問題に対する独自のアイデアを出し合います。
仮説の構築: 単にコードを書くのではなく、「何を解決しようとしているのか」という仮説を明確にします。
成果へのコミットメント: 出荷されたものが市場でどう評価されたのか、期待通りの影響を与えたのかを追跡し、責任を持ちます。

このバランスの取れたアプローチは、チームがAIツールを最大限に活用し、迅速に実験し、学び、最終的な成果を出すための強力なフレームワークを提供しています。自律性と責任感を両立させることで、個々が最大の能力を発揮できる環境を作り出しているのです。

2.3 AI時代のマネジメント：データと対話でチームを導く

AIによる開発速度の劇的な向上は、マネージャーの役割にも大きな変化を求めています。Fiona Fung氏は、この新しい時代に対応するための独自のマネジメント手法を実践しています。

彼女は、チームのすべてのリポジトリにアクセスできるClaude Codeのリモートセッションを活用し、全員の作業を完全に可視化しています。毎月、このセッションを共有画面で開き、チームメンバーと一緒に「何に注力したのか、どのような製品が出荷され、どうだったのか、フィードバックはどうだったのか」を振り返ります。これは単にPR（プルリクエスト）やバグ修正を生成するだけでなく、メンバーとの対話を通じて、彼らが支援を必要とする領域を特定し、学びを促すための手法です。これにより、8倍のコード出荷という驚異的な速度の中で、Fiona氏はチームの活動を常に把握し、品質と影響を維持するための対話を促進しています。

さらに、Fiona氏は「ルーティン」機能の導入によって、自身の日常業務を自動化しています。かつては毎朝、コーヒーを片手にフィードバックチャンネルをチェックし、改善点を探していた彼女ですが、今ではルーティンがそれを自動的に行い、テーマを抽出し、さらにはレビューすべきPRを生成してくれます。これにより、マネージャーはより戦略的なタスクや、人間的な関わりが必要な部分に集中できるようになります。

そして、Fiona氏のリーダーシップ哲学の根幹にあるのが、「IC（Individual Contributor：個人貢献者）兼務」と「ドッグフーディング（Dogfooding）」の重視です。彼女は、マネージャーがチームに加わる際、まず短期間ICとしてコードベースや製品に深く潜り込む時間を持つことを推奨しています。これにより、チームメンバーとの信頼関係を築き、現場の感覚を失わないようにします。彼女自身も、Metaで500人規模の組織を統括した後、Anthropicでは一時的にICとして働き、Claude Codeを使ってコードを書き始めました。この経験は、製品のタッチ＆フィールを日々感じ、ユーザーとしてフィードバックを提供し続ける上で不可欠だとFiona氏は語ります。これは、リーダーが数字やプレゼンテーションだけでなく、実際に製品を「生き、呼吸する」ことで、チームの仕事の質と意義を深く理解し、高めることにつながるのです。

第3章: 変化を乗りこなす品質と成長の哲学

AIによる生産性革命は、品質管理、学習、そして成果の評価といった、開発プロセスのあらゆる側面に新たな課題と機会をもたらしています。Fiona Fung氏とAnthropicのチームは、これらの変化にどのように対応しているのでしょうか。

3.1 プロアクティブな品質管理：「Bad」と「Sad」のフレームワーク

コード出荷の速度が8倍になった今、品質維持は喫緊の課題です。Anthropicでは、この課題に対応するために、AIを駆使した「プロアクティブな品質管理」に注力しています。

まず、Claude Code Reviewの進化が挙げられます。以前は人間によるレビューがボトルネックでしたが、AIがレビューを支援するようになりました。特に重要なのは、「良いものとは何か」のフレームワークをリポジトリに自動的にチェックインし、Claudeがそのフレームワークに沿って検証できるようにすることです。これにより、コードの品質基準が明確化され、AIがそれに基づいてコードをレビューすることで、人間がより深い専門知識が必要な部分に集中できるようになります。

また、テスト駆動開発（TDD）の原則もAIによって再効率化されています。Fiona氏は、かつてTDDが「まずテストを書く」という「ブロッコリーを先に食べるような」義務感として感じられ、製品を早く出荷したいというモチベーションを妨げていたと振り返ります。しかし、今やClaudeはテスト生成を自動化できるため、TDDのメリットを享受しながら、エンジニアは「出荷と構築のスリル」を味わうことができるようになりました。

さらに、Fiona氏のチームでは、ユーザー体験の品質を評価するために「Bad」と「Sad」というユニークなフレームワークを導入しています。

Bad（悪い）: 回復不能な重大なエラー（例：CLIのクラッシュ）。
Sad（悲しい）: 回復可能だが、ユーザーにとって不満となる問題（例：画面のちらつき）。

チームにはそれぞれの担当領域において、何が「Bad」で何が「Sad」を構成するのかを定義する高いエージェンシーが与えられています。これにより、生データやパフォーマンス数値だけでなく、実際のユーザー体験に基づいた具体的な品質目標を設定し、それに焦点を当てて改善を進めることが可能になります。これは、量だけでなく質を追求するための実践的なアプローチであり、AIが生成する大量のコードの中から、本当に価値のあるもの、そしてユーザーを満足させるものを見極めるための重要な手段となっています。

3.2 恐れを力に変える：成長マインドセットの重要性

AIによる変革は、一部の人々に興奮をもたらす一方で、適応できない人々には「イライラ」や「恐れ」を生じさせることがあります。Fiona Fung氏は、このような状況に直面した際に最も重要となるのが「成長マインドセット（Growth Mindset）」であると強調します。

彼女は、MicrosoftからMetaへ移籍した際の経験を振り返り、その時に「常に学ぶこと」が成長マインドセットの真の意味であると痛感したと言います。「これまで成功をもたらしたものが、もはや役に立たなくなるかもしれない」という考えは時に恐ろしいものですが、変化を受け入れ、好奇心を持って新しいスキルやツールに「寄り添う」姿勢が不可欠です。

Fiona氏は、イライラや恐れを感じた際の対処法として、「何ができるか？」「自分のコントロール下にあることは何か？」と自問自答することを勧めます。恐れや不安が「すべてが自分のコントロール外で、自分に降りかかっている」と感じさせる場合でも、自身の行動によって状況を変えられる可能性に目を向けることで、「自分に起こること」を「自分のために起こること」と捉え直すことができると語ります。

彼女自身のキャリアにも、この哲学が色濃く反映されています。高校時代にコンピューターサイエンスに進むことを決意した際、学費への不安という「恐れ」に直面しました。その時彼女は、カナダ国立銀行の窓口業務のインターンシップに申し込み、学費を稼ぎながら大学に通い、さらにはドットコムバブル崩壊後の就職難の時期にもその仕事を続けることで、エンジニアとしての道を切り開きました。この経験は、困難な状況でも「自分のコントロール下にある唯一の行動」を見つけ出し、実行することの重要性を彼女に教えてくれたのです。

「恐れる洞窟にこそ宝が眠る」という言葉を引用しながら、Fiona氏は、時に「怖いこと」に挑戦することが、私たちを成長させ、新たな可能性を開くと語ります。AI時代の変化の波に乗り遅れないためには、この成長マインドセットと、恐れを乗り越える勇気が不可欠なのです。

3.3 成果に繋がる指標の追求：「動き」ではなく「進歩」を見る

AIツールによる生産性の向上は、企業が従業員の「生産性」をどのように測定し、評価すべきかという根本的な問いを投げかけています。Fiona Fung氏は、この「生産性」という非常に興味深いテーマについて、自身の豊富な経験に基づいた深い洞察を共有しています。

彼女は、かつては「Lines of Code（LoC）」が出荷量の指標として使われていたが、すぐにそれが適切な指標ではないことに気づいたと語ります。「ライブラリを移植しただけで大量のコードを生成したエンジニア」や「フレームワークのアップデートでコード量が減ったが、アウトプットは同じ」といった事例は、LoCが実際の価値を反映しないことを示しました。その後、「Time to Land PR（プルリクエストの完了にかかる時間）」といった指標も試みられましたが、これもまた完全ではありませんでした。

Fiona氏の最大の助言は、「出力が実際に『成果』につながっているか」に焦点を当てることです。彼女は「動きのために進歩を犠牲にするな (Don't forsake motion for progress)」という言葉を引用し、単にツールの使用量（例：トークン消費量）や活動量（例：コード行数）を測定するだけでは不十分だと指摘します。重要なのは、その活動が「私たちが達成しようとしている最終的な成果」に貢献しているかどうかなのです。

彼女は、指標の盲目的な追従の危険性を示すために、Facebook Marketplace立ち上げ初期の経験を共有しています。当初、チームは「セラー数」を重要な指標としていました。しかし、ある地域ではセラー数が少ないにもかかわらず、ユーザーが必要なアイテムを効率的に見つけていることに気づきました。その地域には少数の「パワーセラー」が存在し、彼らが多くの取引を生成していたため、単なるセラー数では製品の成功を正確に測れなかったのです。この発見により、チームは指標を「パワーセラー」の存在も考慮したものに調整しました。

この教訓は、AI時代において特に重要です。AIが大量の「動き」（コード生成、トークン消費など）を生み出す中で、マネージャーやリーダーは常に「この指標は、私たちが目指す結果に本当に貢献しているか？」と自問自答し、風景の変化に合わせて指標自体を調整する柔軟性を持つ必要があります。表面的な数値に惑わされず、本質的な「成果」に焦点を当てることこそが、真の生産性向上に繋がる道なのです。

第4章: AI時代における新たな課題と未来への問い

AIがソフトウェアエンジニアリングを変革する中で、新たな利便性が生まれる一方で、これまでにはなかった課題も浮上しています。Fiona Fung氏は、こうした変化の最前線で、未来への重要な問いかけと具体的な対策を模索しています。

4.1 エンジニアリングにおける「孤独」の克服

AIエージェントとの協業が増えることで、エンジニアリングの仕事が「孤独な経験になり始める」という課題が指摘されています。かつてはチームで協力しながらコードを書き、共に問題解決の喜びを分かち合う文化がありました。しかし、今や個々のエンジニアが自身のAIエージェントと密接に連携し、黙々と作業を進めることが増えたため、人間同士の交流が減少する傾向にあります。

この課題に対処するため、Fiona氏のClaude Codeチームでは、最近「ペアワイズ・プログラミング・ランチ（Pairwise Programming Lunch）」を開始しました。これは、単に隣に座って作業するだけでなく、お互いがClaude CodeやCo-workをどのように異なる方法で使っているかを共有し、互いに学び合う機会となっています。Fiona氏は、「私たちのツールチェーンも非常に速いスピードで変化しているため、誰かが作業しているのを見るたびに、私自身も新しいことを学ぶ」と語ります。

また、ハッカソンなどのイベントも、チームメンバーが一体となって交流し、創造的なコラボレーションを行うための重要な手段となっています。AIが効率性をもたらす一方で、チームの絆や人間的なつながりを維持するための意識的な努力が、未来のエンジニアリングチームには不可欠であるとFiona氏は考えています。

4.2 高まるコンテキストスイッチング負荷への対処

AIエージェントが複数のタスクを非同期的に実行する「ルーティン」などの機能は、生産性を飛躍的に向上させます。しかしその一方で、Fiona氏は「コンテキストスイッチング（Context Switching）の負荷が増加し始めている」という新たな課題を認識しています。

かつては、エンジニアは「フロー」の状態に入るために、数時間にわたる集中的なコーディング時間を確保していました。これは、中断されることなく一つの問題に深く没頭するための時間でした。しかし、今や複数のAIエージェントやルーティンが並行して作業を進め、絶えずフィードバックやレビューを求めるようになるため、マネージャーやエンジニアは、それら多くの非同期的なタスクの間を頻繁に行き来しなければなりません。

Fiona氏自身も、非同期エージェントの活用が増えたことで、「すべての非同期作業をキャッチアップするために、またフォーカス時間を確保しなければならない」という状況に直面していると語ります。これは、AIが作業を自動化する一方で、それによって生成される情報や成果物を確認し、統合するための新たな認知的負荷が生じていることを示唆しています。

この高まるコンテキストスイッチング負荷に対して、Fiona氏はまだ決定的な解決策を見出していませんが、「チームメンバーやユーザーにとって、その負荷を軽減し、体験を向上させる方法」を模索する必要があると認識しています。AIが私たちの働き方を変える中で、私たちは人間の認知特性に合わせた最適なワークフローを再設計する段階に差しかかっているのです。

4.3 役割の再定義：PM、デザイナー、データサイエンティストの変革

AIがエンジニアの役割を大きく変える一方で、ソフトウェア開発に隣接する他の役割も同様に変革を遂げています。Fiona Fung氏は、プロダクトマネージャー（PM）、デザイナー、データサイエンティストといった職種が、AIによってどのように変化しているかを具体的に語っています。

プロダクトマネージャー（PM）: Fiona氏は、PMの役割が「かなり大きく変革した」と述べています。かつてはPMのアイデアがエンジニアリングのリソース不足によってボトルネックとなることが多々ありました。しかし、AIツールによってエンジニアリングの生産性が向上した今、PMは「もはやエンジニアリングの帯域幅にボトルネックを感じることはない」と実感しています。Anthropicでは、PMが自らコードを書いて機能をリリースするケースすらあると言います。これにより、PMはより多くのアイデアを迅速に実現できるようになり、自身の職務範囲を広げています。
データサイエンティスト: データサイエンスの領域も大きく変化しています。Fiona氏の友人のデータサイエンティストは、今や自分の仕事の多くが、AIを使って「あまり素晴らしいとは言えない」データ分析を自分で行った人々からの「これ、合ってるか確認して？」という依頼のレビューになっていると嘆いているそうです。AIが手軽に分析結果を生成できるようになることで、データサイエンティストの仕事は、分析そのものから、AI生成分析の検証、そしてより高度な洞察やガイドラインの提供へとシフトしています。
デザイナー: Fiona氏は、デザインやデータサイエンスが「次なる領域」であり、「いかに体験を向上できるか」を模索する良い機会だと考えています。AIが創造的なプロセスの一部を自動化することで、デザイナーはより戦略的な思考や、ユーザー中心のデザイン原則に集中できるようになる可能性があります。

これらの変化は、職種の境界線が曖昧になり、誰もが「ビルドする」能力を持つ「ビルダー」へと進化していることを示唆しています。Fiona氏は、これらの分野におけるAI活用の次なるフロンティアを、Anthropicとして積極的に探求していく意向です。

4.4 次世代エンジニアの育成：スキルの意味と学習の再考

AIがコードを生成し、作業の自動化が進む中で、Fiona Fung氏を悩ませる最大の「未解決の問い」の一つが、「次世代のエンジニアをどのように育成すべきか」というものです。彼女は、自身やLenny（インタビュアー）がエンジニアリングの道を歩んできた方法と、今日の若者が学ぶべき内容が根本的に異なると認識しています。

Fiona氏の懸念は、若者がコードを「書く」必要がなくなったときに、彼らが本当に「理解する」能力を失うのではないかという点にあります。彼女は、初期のBoris Cherneyが手書きでコードを書いていた経験から得た「深い知識」の重要性を指摘します。たとえAIがコードを生成したとしても、エンジニアは「信頼しつつ検証する（trust but verify）」能力、そして「アーキテクチャや変更に対する深い理解」を持つことが重要だと語ります。

具体的には、

「ダブルクリックして依存関係を理解する」: コードがどのように動作し、他のコンポーネントとどのように連携しているのかを、表面的なレベルだけでなく深く掘り下げて理解する能力。これは、システムを改善したり、問題が発生した際にデバッグしたりするために不可欠です。
「基礎的な知識の習得」: モデルが将来的に非常に賢くなったとしても、根本的なコンピューターサイエンスの原則やシステム設計の知識は依然として重要である可能性があります。

Fiona氏は、この新しい時代に対応するために、「フェローシップ」や「徒弟制度」のような、より実践的で深い学習体験を提供するプログラムが必要になるかもしれないと提案しています。伝統的な3ヶ月のインターンシップでは不十分であり、長年の経験から得られる「人生経験」のようなものを、次世代のビルダーにいかに効率的に「詰め込む」ことができるかが課題となります。

この問いは、AIが私たちから何を奪い、何を与えるのかという、より大きな哲学的問いにもつながります。AIが低レベルの作業を肩代わりする中で、人間が集中すべきは、より高次の思考、問題解決、そして創造性であるという方向性は明確です。しかし、そのためには、基礎となる知識と理解がどのように伝承され、新たな形で習得されるべきかという問いに、社会全体で向き合う必要があります。

第5章: Anthropicの成功を支える文化と哲学

AnthropicがAI技術の最前線で目覚ましい成果を上げている背景には、Fiona Fung氏が率いるチームの独自の文化と哲学があります。それは、顧客からの深い学び、変化を恐れない姿勢、そして何よりも「人」を大切にする価値観に基づいています。

5.1 潜在的な需要の発見と顧客からの学び

AnthropicがAI分野でいち早く大きな機会を見出す能力について問われた際、Fiona氏は「潜在的な需要（latent demand）」に常に目を光らせることの重要性を強調しました。

Claude Codeの成功: Claude Codeは、まずAnthropic社内のエンジニア自身が「最初の顧客」となることで、迅速なフィードバックサイクルを実現し、製品を磨き上げました。
Co-workからClaude for Small Businessへ: Claude Codeを「必ずしもコーダーではない多くの人々」が使い始めていることに気づいたことが、Co-work（共同作業）の着想につながりました。Fiona氏自身、出張経費精算という面倒な作業でCo-workの魔法を体験し、「これを中小企業オーナーの友人たちにも使ってもらいたい」と感じたと言います。彼女の友人のレストランオーナーが、Co-workを使って「ジャンクドロワー」と化したファイルからメニューを探し出し、さらには競合他社の市場分析まで行ったエピソードは、顧客が製品を「意図しない方法」で活用する潜在的な需要を浮き彫りにしています。この洞察から、「Claude for Small Business」が誕生しました。

この事例は、製品開発において、単にフィードバックを聞くだけでなく、ユーザーが「何かを機能させるために hoops を飛び越えている」行動に注目し、それをよりスムーズで良い体験に変えるための「仮説」を立てることの重要性を示しています。顧客は常に、開発者が想像もしなかった方法で製品を使用するため、彼らの行動から学び、迅速にイテレーションを行う姿勢が、Anthropicの成功を支える大きな要因となっています。

5.2 変化の速い時代におけるチーム文化の維持と醸成

Fiona Fung氏が「夜も眠れないほど」心配する最大の課題は、製品やエンジニアリングの問題ではなく、「チーム文化（Team Culture）」の維持です。彼女にとって、文化は「壁に貼るポスター」のようなものではなく、「生き、呼吸するものであり、私たちが互いにどう接するか、互いのためにどうあるか」に表れるものです。

Anthropicのような未曾有の成長速度を経験する企業では、新しいメンバーが次々と加わる中で、既存の文化が希薄になったり、予期せぬ方向にドリフトしたりするリスクが高まります。Fiona氏は、以下のような要素を大切にしています。

「ワンチームメンタリティ（One Team Mentality）」: チーム全体で目標に向かい、互いに助け合う精神。
多様な視点とオープンな議論: 健全でオープンな議論を歓迎し、異なる意見を尊重する。
心理的安全性: 特にマネージャーに対しては、「うまくいっていること」だけでなく、「うまくいっていないこと」もオープンに話し合うよう促しています。彼女の悪夢は、マネージャーが「すべて順調です」と答えながら、実際には問題が山積している状況だと語ります。率直な対話を通じて問題を早期に特定し、チーム全体で解決する姿勢が重要です。

これは、Airbnbの成長期にSheryl Sandbergが「これはあなたが望むべき問題だ。なぜなら、これはあなたが成長し、うまくいっていることを意味するからだ」と語った教訓にも通じます。成長の痛みは避けられないものですが、Fiona氏は、対話と意識的な努力を通じて、チームの文化を正しい方向に成長させ続けることを何よりも重視しています。人間的側面である文化が、最終的に製品の品質やチームの持続可能性を決定づけるという深い理解が、彼女のリーダーシップの根底にあります。

5.3 「役に立たなくなったプロセスを排除する」勇気と自動化の追求

AIによる変化の速度は、組織がプロセスを設計し、実行する方法にも大きな影響を与えています。Fiona Fung氏は、「私たちにとって役に立たなくなったプロセスを排除する明確な許可」をチーム文化として掲げ、常に「このプロセスはまだ目的を果たしているか？」と問いかけることの重要性を強調しています。

彼女自身も、Anthropicに加わった当初、MicrosoftやMetaでの経験から「6ヶ月のロードマップドキュメント」の作成を提案しました。しかし、軽量なプロセスを試みたものの、わずか3ヶ月後には状況が大きく変化し、そのドキュメントがもはや参照されていないことに気づきました。この経験から、「いかに迅速に変化する環境において、計画プロセスもまた柔軟であるべきか」という教訓を得たと言います。

現在、Fiona氏のチームでは「JIT（Just-In-Time）計画」と呼ばれるアプローチを採用しています。

月次計画: 6ヶ月計画は長すぎるため、月単位での軽量な計画に短縮されました。これは詳細なドキュメントではなく、重要な優先事項をまとめた簡単なスプレッドシートが中心です。
週次確認: 毎週末には、その月の優先事項が依然として有効であるかを確認するための迅速なチェックインを行います。
自動化の追求: Fiona氏は、このJIT計画プロセスですら「いかに自動化できるか」を常に考えています。スプレッドシートの更新が「税金」のように感じられないように、AIを活用して自動化を推進する可能性を模索しています。

このアプローチは、AI時代の高速な変化に適応するための根本的な思考転換を要求します。計画は固定されたものではなく、常に変化する環境に合わせて調整されるべき生きたプロセスであるという認識です。そして、そのプロセス自体が、AIによってさらに効率化され、人間の時間と労力をより価値のある活動に解放されるべきであるというFiona氏のビジョンが示されています。

結論: AIと共に築く、より創造的で人間らしい未来

Fiona Fung氏の語る世界は、AIが単なる技術的ツールに留まらず、私たちの働き方、チームのあり方、そして人間としての可能性を根本から再定義する存在であることを示しています。Anthropicのエンジニアが8倍のコードを出荷する現代において、「コーディングはもはやボトルネックではない」という事実は、人間の創造性と野心が真に解放される時代の到来を告げています。

Fiona氏のリーダーシップから学ぶべき核心は、以下の点に集約されます。

成長マインドセットと適応力: 変化を恐れず、常に学び、新しいツールやプロセスに積極的に「寄り添う」姿勢が不可欠です。恐れを克服し、コントロール可能なことに焦点を当てることで、困難な状況を成長の機会に変えることができます。
人間中心のアプローチ: AIが効率化をもたらす一方で、「孤独感」や「コンテキストスイッチング負荷」といった人間的課題が生じています。ペアプログラミングランチやハッカソンを通じて、チーム内の交流と絆を再構築し、心理的安全性の高い文化を育むことが、AI時代においてますます重要になります。
成果と顧客へのこだわり: 生産性指標は単なる「動き」ではなく、最終的な「成果」に焦点を当てるべきです。そして、顧客の声に耳を傾け、彼らが製品をどのように活用しているか（たとえ意図しない方法であっても）から学び、製品を迅速にイテレーションする姿勢が、潜在的な需要を発見し、市場での成功を掴む鍵となります。
リーダーシップの再定義: マネージャーは単なる管理職ではなく、自らも製品を「ドッグフーディング」し、現場感覚を持ち続ける「IC兼務」の「ビルダー」となるべきです。AIツールを活用してルーティン業務を自動化し、より戦略的な対話とチームの育成に時間を割くことが求められます。
プロセスの再考と自動化: 古いプロセスに固執せず、「このプロセスはまだ目的に貢献しているか？」と常に問い直し、AIを活用してそのプロセス自体を自動化していく勇気が必要です。JIT計画のような柔軟なアプローチは、予測不可能な変化の時代において、迅速な意思決定と実行を可能にします。

AIは私たちから低レベルな作業を肩代わりする一方で、より高次の思考、問題解決、そして人間的な創造性へと私たちの焦点をシフトさせます。Fiona Fung氏の経験とビジョンは、この未曾有の変革期を乗り越え、AIと共に、より生産的で、より創造的で、そして何よりも「人間らしい」未来を築くための強力な指針となるでしょう。私たちは皆、この新しい時代の「ビルダー」として、未来を共に形作っていく責任と機会を担っています。