FYAI: 開発者が企業全体の AI 変革を主導する理由

開発者は AI 導入を主導し、あらゆる業界の変革を推進しています。コードの作成からアプリケーションの管理まで、彼らは次のことを使用しています。 副操縦士とエージェント 配信を加速し、手作業を軽減し、より自信を持って構築できます。自動化を先導したのと同じように、開発者は現在、AI の可能性を最大限に引き出すために顧客エクスペリエンスを再構築し、運用を合理化しています。

Microsoft のリーダーとともに AI トレンドにスポットライトを当てるシリーズ、FYAI の今回は、コーポレート バイス プレジデント兼製品、アプリ、およびエージェントの責任者であるアマンダ シルバーに話を聞きます。アマンダのリーダーシップは、マイクロソフトのオープンソース コラボレーションへの進化を形作り、開発者が大規模に構築、展開、反復する方法を AI が変革して継続的なイノベーションを推進する未来を前進させています。

この Q&A では、開発者主導の AI 導入がなぜ重要なのか、エージェント型 DevOps がワークフローをどのように再定義しているのか、そして影響を最大化するためにリーダーが今日できることについてアマンダが語ります。

AI の状況は、開発者チームがビジネスで使用するアプリを提供する方法をどのように変化させていますか?

AI はソフトウェアのライフサイクル全体でハンドオフを崩壊させています。 DevOps は構築、テスト、デプロイ、運用をうまく統合しましたが、初期段階 (検出、要件、ビジョンの共有、初期足場の構築) はほとんどがそのループの外側にありました。現在、副操縦士は自然言語のアイデアを仕様や足場に変えることができ、エージェントはテスト、アップグレード、ランタイム操作を引き受けます。その結果、アイデアから実現までのサイクルが 1 つ速くなり、反復コストが削減され、移行が迅速化され、製品がビジネスに適合するまで自由に改良できるようになります。 パブリック クラウドへの移行のようなものだと考えてください: パブリック クラウドが登場する前は、チームはハードウェアを調達し、前もって資金を投入するまでに何週間も待ちました。クラウドを使用すると、環境は数秒で起動し、使用した分だけお支払いいただきます。 AI は製品の定義と提供に同じ弾力性をもたらします—ライフサイクルの最前線での摩擦を取り除き、チームが実際のフィードバックに基づいて反復できるようにします。 簡単に言うと、クラウドはインフラストラクチャからの摩擦を取り除きます。 AI は意図から実装までの摩擦を排除します。

開発者が日々の業務を再考するのに AI がどのように役立っているかを示す例にはどのようなものがありますか?

AI はソフトウェア配信を真のものに変えます アイデアから運用までのシステム。開発者にとって、これは手動クリーンアップに費やす時間が減り、クリエイティブで影響力の高い作業に集中できる時間を増やすことを意味します。コパイロットとエージェントは、デバッグ、依存関係のアップグレード、セキュリティ パッチなど、以前は山積していた繰り返しの目に見えないタスクを処理できるようになりました。エージェント型 DevOps により、四半期ごとの「技術負債スプリント」を待つ代わりに、チームはバックグラウンドで継続的に負債を返済できるようになります。

良い例は、エージェント AI がどのように移行と最新化を加速しているかです。以前は、フレームワークを更新したり、新しいプラットフォームに移行したりするには、数か月に及ぶ計画と手動修正が必要でした。現在、エージェントは .NET と Java のアップグレードを自動化し、重大な変更を解決し、大規模な移行を調整することもできるため、タイムラインが数か月から数時間に短縮されます。これはスピードだけの問題ではありません。これは、デフォルトでコードベースを健全かつ最新に保つことであり、開発者は新機能の構築とユーザー エクスペリエンスの向上に集中できます。

最終的な効果は、開発者が消火活動に費やす時間が減り、イノベーションにより多くの時間を費やすことができるということです。技術的負債は、差し迫った危機ではなく、管理可能な継続的なプロセスになります。また、AI エージェントがより多くのルーチン作業を担うため、チームはより健全なコードとより迅速な配信により、より安定したフロー状態で運用できるようになります。

それはアプリにとって何を意味するのでしょうか?彼らは良くなってきていますか？そして、これは開発者が果たす役割にどのような影響を与えるのでしょうか?

アプリはより良くなります。 学習システム。 AI を活用することで、チームは 船と希望 継続的に 観察→仮説→変更→検証 製品と市場の適合性を継続的に改善することを中心としたサイクル。 AI は、テレメトリ (ファネル、ドロップオフ、セッション リプレイ、定性的フィードバックなど) を合成し、ユーザーが苦労している箇所を明らかにし、変更 (コピー、フロー、コンポーネント レイアウト、推奨など) を提案し、さらには接続することもできます。 機能フラグまたは実験 変更が機能するかどうかを証明するため。その効果は劇的です 学習までの時間の短縮—そして、ユーザーが何を重視するかについてより迅速に収束します。

PreAI と PostAI のユーザー インタラクション

• 大統領: ユーザーは、高密度のメニューと深い情報アーキテクチャをナビゲートし、画面をスキャンして、 1つ 必要なことを行うコントロール。すべてのステップに行き止まりの危険があり、ページやツールを切り替えるとコンテキストが失われやすくなります。
• 郵便: ユーザー 意図を表現する 自然言語 (テキスト、音声、マルチモーダルなど)。アプリはその意図を解釈し、 コンテキストを維持する、ユーザーを適切なデータ、アクション、またはワークフローにルーティングします。多くの場合、 オンザフライで UI を構成する (たとえば、フォームの下書き、関連レコードのフィルタリング、次善のアクションの提案など)。これは「」からの移行であると考えてください。どこをクリックすればよいですか?” に “これが私に必要なものです。私と一緒にやってください。」

開発者にとっての変化

• ページビルダーからエクスペリエンスコンポーザーまで。開発者のデザイン インテントルーター そして オーケストレーション モデル、エージェント、データ、サービスを接続するため、アプリは厳格なクリック パスを強制することなく、さまざまなユーザーの目標にインテリジェントに対応できます。
• 手動分析から AI 支援の製品ループまで。手作業で作成したダッシュボードやその場限りの調査の代わりに、AI が機会領域を強調表示し、実験計画を作成し、提案されたコードと構成変更を含むプル リクエストをオープンします。開発者がレビュー、制約、出荷する—ガードレール付き。
• 「債務スプリント」から継続的な近代化へ。エージェントは、フレームワーク (.NET や Java など) のアップグレード、依存関係のドリフトの修復、脆弱性へのパッチ適用、パイプラインの標準化などにより、アプリを最新の状態に保つことができます。機能の作業が続く間。これにより、技術的負債は、定期的な消防訓練ではなく、管理された常時実行されるワークロードに変わります。

結論: AI が間のループを強化 ユーザーが望むもの そして アプリがどうなるか。開発者は、メニューの配線や手動フォレンジックに費やす時間が減り、意図の定義、エージェント フローの構成、成功指標の設定、安全で測定可能な変更の監督に多くの時間を費やすことができます。アプリの改善が速くなるのは、理由だけではありません。 より賢い、しかしチームはできるので、 実験し、学び、適応する 使用量が増えるにつれて。

AI 競争の海で Microsoft が際立っているのはどこだと思いますか?

Microsoft の最大の差別化要因は接続能力です AIエージェント 実際のビジネスを動かすシステム、データ、ワークフローまで。当社は、大規模で複雑なコードベースと深い運用要件を持つ組織にサービスを提供しており、当社のツールは、それらの組織がいる場所で満たせるように設計されています。 GitHub、Visual Studio、および Azure AI ファウンドリ、何百万もの開発者が、エンタープライズ グレードのセキュリティ、ガバナンス、責任ある AI ベンチマークに支えられた最新のモデルとエージェント機能に日々のワークフローで直接アクセスできます。

しかし、Microsoft を本当に際立たせているのは、統合の幅広さです。当社のプラットフォーム上に構築された AI エージェントは、エンタープライズ リソース プランニング (ERP)、顧客関係マネージャー (CRM)、人事 (HR)、財務、カスタム基幹業務ソリューションなど、ビジネス アプリ、データ ソース、運用システムの巨大なエコシステムを利用できます。 Model Connector Protocol (MCP) などのオープン標準を通じて、 エージェント間 (A2A)を使用すると、エージェントはこれらの環境全体で安全に接続、調整、自動化できるため、ワークフローの自動化、レガシー システムの最新化、継続的な改善の促進など、重要な成果を達成することができます。

Yina Arenas のエージェント ファクトリー このシリーズでは、ラピッド プロトタイピングから本番環境、可観測性、現実世界のユースケースに至るまで、Microsoft が安全、安心、信頼できる AI エージェントの青写真をどのように構築しているかを示しています。私たちのプラットフォームはエージェントを構築するだけではありません。組織がすでに依存しているシステムやデータを操作できるようにすることで、チームが実験からエンタープライズ規模の影響に移行できるようになります。

結局のところ、Microsoft の利点はスケールだけではありません。AI エージェントを安全かつ確実に実行するためのツールと標準を備え、ビジネスの中枢に接続することで、AI エージェントを真に役立つものにする能力です。

開発者は、最大の効果を得るためにどのタスクをエージェントに委任するか、自分自身で取り組むかをいつ決定すべきでしょうか?

私の同僚の David Fowler は、「人間は UI スレッドであり、エージェントはバックグラウンド スレッドです。UI をブロックしないでください。」と述べています。開発者は、意図の設定、アーキテクチャ上の決定、製品エクスペリエンスの形成など、創造的で判断力に基づく作業に集中する必要があります。エージェントは、コードの健全性、依存関係のアップグレード、テレメトリのトリアージ、さらには空白ページのブロックを解除するためのソリューションの足場の構築など、バックグラウンドで静かに実行できる反復的、長時間実行、または横断的なタスクの処理に優れています。

重要なのは、作業の流れを遅らせたり、影響の大きい作業の邪魔をするものはすべて委任することです。タスクが日常的なもの、待ち時間に耐えられるもの、または簡単に元に戻せるものである場合は、エージェントに処理させます。深いコンテキストや製品の判断が必要な場合、またはアプリの方向性を根本的に変える可能性がある場合は、人間の「UI スレッド」に留めてください。このようにして、開発者は即応性と集中力を維持できる一方で、エージェントは並行してコードベースと運用を継続的に改善します。

適切なバランスを取ることで、開発者は日常業務に費やす時間を最小限に抑え、製品とチームを前進させる作業に集中し続けることができます。

なぜなら、ソフトウェア開発はすでにそのようなものを生成しているからです。 豊富で構造化されたシグナル AIが繁栄するということ。コードと差分、プル リクエストのレビュー、テスト結果、ビルド ログ、ランタイムとパフォーマンスのテレメトリ、問題トラッカー、デプロイメントの結果はすべて含まれます。 ラベル付き、タイムスタンプ付き、追跡可能。そのため、開発環境は応用機械学習の自然な実験場になります。モデルは実際の作業から学習し、客観的なチェック (テスト、リンター、ポリシーなど) に対して評価され、既存のフィードバック ループ (継続的インテグレーションと継続的デリバリー (CI/CD)、機能フラグ、カナリアなど) 内で改善できます。つまり、データ、計測機能、検証機能が組み込まれています。

文化的な理由もあります。 開発者は摩擦を自動化して取り除く—コンパイラーやビルドシステムからバージョン管理、CI/CD、コンテナー、コードとしてのインフラストラクチャーまで。生成 AI は、その系譜の次のステップです。より多くの仕事を ハンドオーサリング に 意図を特定し、結果を監視する: 副操縦士は探索と加速を支援します。エージェントは継続的なコードの健全性、アップグレード、安全で元に戻せる変更を処理します。より良い開発者エクスペリエンスはスループット、品質、価値実現までの時間に直接対応するため、投資はここに流れます。

そしてはい、 未来は開発者から始まります。開発チームが独自のワークフローの中で AI が真のサポートを提供する場所を発見すると、それらのパターンがビジネスの他の部分に広がり、あらゆる機能の実験、学習、出荷が加速されます。

AI で開発者を支援し、永続的な影響を与える

私たちはソフトウェア配信の新時代を迎えています。それはエージェント的で適応性があり、徹底的に人間中心です。開発者は副操縦士やエージェントと連携して、ビジネス ニーズに継続的に適応するシステムを構築しています。 Microsoft では、創造性、製品ビジョン、信頼できる AI を使用した構築に重点を置くことで、開発者がアイデアからインパクトまでより迅速に移行できるように支援しています。

実際には、 フロンティア企業 すでに可能性を示しています。彼らはソフトウェアを動的なシステムとして扱い、テレメトリー、実験、AI を活用した洞察を通じて洗練されました。そして、あらゆる種類の組織にわたって、説得力のある AIのユースケース カスタマー サービスからソフトウェア エンジニアリングに至るまで、最新の AI ツールで可能なことのペースを設定しているさまざまな技術が登場しています。

さらに詳しく学ぶ準備はできましたか? AI への取り組みを加速するためのリソースとツールを見つけてください。