コーディングを超えたAIの実現：コードをスキップすることで実現される本物の生産性向上

AI支援開発に関する議論は、自動補完ツールから全リポジトリを生成するシステムまで、スピードに焦点を当てています。みんなはより速いスケルトン、より速いプロトタイピング、より速いコード生成について話しています。プロダクトチームは、自然言語の説明を数分以内に機能またはAPIに変換する能力を祝っています。はい、これらの利点は有意義ですが、それらは依然として同じソフトウェアパラダイムの中で動作しています。コードは書かれ、コンパイルされ、デプロイされ、テストされ、メンテナンスされます。サイクルは加速しますが、構造は保持されます。

しかし、より深いレベルでは、次の本物の生産性ブレークスルーを示すシフトが始まっています。本当に息をのむような利点を得るには、パラダイムシフトが必要です：コードを速くするのではなく、コードを減らすのです。ビジネスルールを機械が後で実行するプログラムに翻訳するのではなく、ビジネスロジックを直接自然言語で表現し、知能システムによって実行するのです。モデルがランタイムになります。翻訳レイヤーが消えます。

このステップは、単なる便宜ではありません。組織がどのように動作するかを変えます。ポリシーがソフトウェアになる方法、規制が行動になる方法、ビジネスが外部の圧力に適応する方法を変えます。規制が迅速に変更されることを可能にし、エンジニアリングの摩擦を減らすことを可能にします。

AIがコードを書くことからロジックを実行することへ

ソフトウェア開発におけるAIの採用には、3つの段階があります。最初の段階は、開発中にマシンがコードのスニペットや関数を生成するAI支援コーディングです。2番目の段階は、自然言語から大規模なコンポーネントやアーキテクチャを生成するAI生成システムです。3番目の段階は、開発者がコードを書かないAI実行ロジックです。代わりに、ポリシー、ルール、または意図を提供します。システムがこれらの指示を解釈し、直接実行します。

業界の議論のほとんどは、最初の2つの段階に留まっています。これらは効率を生み出しますが、ソフトウェアの根本的な構造を変更しません。ブランチロジック、デプロイパイプライン、リグレッションテスト、環境管理は依然として存在します。テクニカルデット、依存関係のドリフト、ポリシー、要件、コード間の翻訳レイヤーをナビゲートできるチームの必要性も依然として存在します。

3番目の段階の機会はより重大です。ビジネス指示が真実の源となる場合、組織はソフトウェアのリリースサイクルからプロンプト駆動の実行に移行します。コンプライアンスルールを更新することは単一の指示になります。詐欺スコアのしきい値を調整することは単一の指示になります。管轄区域固有の返金ロジックを変更することは単一の指示になります。これらの変更はバックログにフィードされません。シミュレーション、検証、承認フローを介して制御された実行に直接移動します。

このモデルはまだ形成途上です。コンポーネントは存在しますが、統合はまだ広く行われていません。ただし、方向は明確です。

コーディング努力を減らすだけでは不十分

AI生成コードは、人間によって書かれたコードと同じ負担を負います。システムはメンテナンスが必要であり、依存関係は変化します。さらに、ロジックが進化するにつれてリファクタリングは避けられません。テストとリグレッションサイクルは、静的な指示によって書かれた決定論的な言語の正しさに依存するため、継続します。多くのこれらの制約は、誰がコードを書いたかとは関係ありません。コードが本質的に持つもの、つまりビジネス意図と機械の実行の間の翻訳レイヤーを反映しています。

これらの制約は蓄積します。時間とお金を消費します。最も洗練されたAI生成リポジトリでも、オーバーサイトと複雑なテストが必要です。メンテナンスは、システムのライフサイクル全体で主なコストドライバーになります。

最近の研究は、これらの課題を詳細に概説しています。2025年のAIを使用したシステムのテクニカルデットに関する研究では、AI生成コードを採用する組織でも、依然として重大なメンテナンスの問題、建築物の不一致、および長期的なリファクタリングの負担に直面していることがわかりました。これらの問題は、コードが人間によって書かれたかモデルによって書かれたかに関係なく発生します。これは、コード生成を高速化しても、ソフトウェアエンジニアリングの構造的な限界を解決できないことを示唆しています。翻訳レイヤーを完全に削除することが、生産性の飛躍的な向上への唯一の道です。

金融部門が最初にこのシフトを感じる理由

決済、銀行、金融サービスは、適応性が報われる条件で運営されます。規制環境は頻繁に変更され、強い顧客認証、詐欺の返金、国境を越えた制裁、消費者保護などのドメインに関するガイダンスは継続的に進化しています。たとえば、FCAのCEOへの「承認されたプッシュ支払いの返金に関する期待」に関する書簡は、この環境におけるオーバーサイトとシステムレベルのコントロールに関する明確な期待を示しています。機関はしばしばこれらのポリシーの変更をシステムの動作に翻訳するのに数ヶ月を費やし、この遅延は戦略的な不利を生み出します。

プロンプト駆動の実行モデルは、テンポを変えることができます。複数のシステムにルールをエンコードするのではなく、金融機関はポリシーを直接自然言語で更新し、実行レイヤーが解釈、シミュレーション、展開提案を生成できるようにすることができます。そうすると、開発コストは低下します。さらに、誤解のリスクは減り、規制と実装の距離は劇的に縮小します。

規制期待はイギリスで同じ方向に進んでいます。FCAとイングランド銀行の2024年の「金融部門における運用的回復力に関する政策声明」は、金融機関が脆弱性を特定し、変化に反応し、重要なサービスを介して連続性を維持する方法に関する厳格な要件を示しています。ガイダンスは、より明確なガバナンス構造と、支払いと詐欺コントロールをサポートするシステムのオーバーサイトを強調しています。ポリシーを迅速に運用的動作に翻訳できる機関は、これらの期待を満たすのによりよく位置付けられます。

リーダーが考慮すべきリスク

このシフトは、課題なしではありません。コードをモデル駆動の実行に置き換えることで、新しい種類のリスクが導入されます。決定論性は、特に支払いにおいて予測可能性と監査可能性が必須であるため、不可欠です。説明可能性は、コンプライアンスと規制のレビューのために重要です。コンピューティングコストを制御する必要があります。ガバナンスには、特に上級管理職の機能の下で、明確な説明責任が必要です。

モデル信頼性と評価に関する最近の研究は、大規模な言語モデルベンチマークのレビューを通じて、決定論的な動作を維持することの難しさを強調しています。評価設定の小さな変更が不一致で、時には矛盾する結果を生み出すことがわかりました。この変動性は、プロンプト駆動の実行レイヤーが、ガードレールモデル、検証手順、シミュレーション環境、バージョニングされたプロンプトとモデルを含むコントロールを必要とすることを意味します。これらの要素は、規制の期待を満たすために必要です。

AI実行モデルの周囲のインフラストラクチャが、機関がこのパラダイムを安全に採用できるかどうかを定義します。規制の期待を満たすために、ルールを自然言語で表現するだけでは不十分です。組織は、正しさ、再現性、観察可能性を確保するレイヤーを構築する必要があります。

ポリシーから実行までのシステムの潜在的なアーキテクチャ

規制された組織の将来の実行環境は、ポリシーが主な運用的真実の源となる構造に従う可能性があります。プロセスは次の層を介して機能する可能性があります：

• ポリシー：ビジネスまたはコンプライアンスルールを直接自然言語で表現します。
• コントロールされたプロンプトライブラリ：これらのルールが保存、レビュー、承認され、完全な監査証跡が残るバージョニングされたリポジトリです。
• AIの解釈とシミュレーション：ポリシーをテストし、シナリオを実行し、エッジケースをチェックし、展開前に不一致を特定するシステムです。
• 展開の提案：人間の承認が必要な、提案された展開手順、ガードレール、および影響評価です。
• 構造化されたAPIを介した実行：承認後、システムは既存の決定論的なメカニズムを使用して、検証されたポリシーを適用します。ルールエンジンまたは、構成、しきい値、またはコントロールを更新するための事前に定義されたAPIです。AIレイヤーは意図を解釈し、実行レイヤーはそれをコードを生成せずに強制します。

実用的例は、これらの層がどのように機能するかを示しています。FCAはAPP詐欺の返金に関するガイダンスを更新し、コンプライアンスチームは変更を自然言語で書かれたポリシーに変換します。指示は次のようになります。「最後の48時間以内に作成されたペイを除き、£500を超えるすべての出庫支払いをフラグ付けします。」AIシステムは指示をテストし、シミュレーションを実行し、エッジケースをチェックし、文書化し、展開パスを提案します。コンプライアンスチームが提案をレビューし、承認します。実行レイヤーは、コードを手動で書いたりデプロイしたりすることなく、関連するコントロールを更新します。

このアーキテクチャは、人間のオーバーサイトを維持しながら、ポリシーと運用的動作の間の技術的な距離を減らします。また、確率的な解釈と決定論的な実行が共存できる制御された環境も提供します。

いくつかのエンジニアリング分析は、モデル駆動の解釈と決定論的なロジックを組み合わせたシステムをサポートするハイブリッドアーキテクチャについて調査しました。 エージェントAIフレームワークの調査は、組織が単一の運用環境でニューラルコンポーネントとルールベースの構造を統合する方法を概説しています。研究は、このような設計がシステム間の調整を簡素化し、重要な操作の周りの境界を明確に保ち、規制されたコンテキストに十分な予測性のある実行パスを作成できることを示唆しています。

最終的な考え

AIコーディングツールは継続的に改善されます。ソフトウェア開発を加速させ、努力を減らします。しかし、ビジネス意図を決定論的なコードに翻訳することの根底にある限界を解決しません。次の生産性のシフトは、完全にその翻訳レイヤーを削除することから来ます。

組織が今からプロンプト駆動の実行の準備を始めると、速度、回復力、明確性を獲得します。規制の変更に迅速に対応し、エンジニアリングの摩擦を減らすことができます。また、自治、機械駆動のワークフローに必要なインフラストラクチャを構築することになります。

コード生成に焦点を当てた組織は、効率を獲得します。コードを超えた組織は、戦略的な優位性を獲得します。