どうもTORAです。
先日、テストを担当していた人から、エラーについて質問が来た。別の人が作ったデータで動かしたら、ある項目がNULLで処理が止まったという。NULLになるのは正常なのか、チェックがないのはおかしくないか。確認事項が箇条書きで並んでいた。
文面を見て、AIに相談した上で聞いてきたのはすぐ分かった。NULLチェックを足すべきだという考えも、そのやり取りから出てきたものだ。エラーを見てそう考える気持ちは分かる気もする。
ただ、この場合に僕らのシステムへNULLチェックを足すのは間違いだ。この項目はDB上NULLを許していて、業務条件によって値が入ることも、入らないこともある。まず今回のデータがどの条件に当たるかを確かめなければ、エラーだけを見てチェック漏れとは決められない。
しかもデータを登録・管理しているのは別のシステムだ。僕らがNULLの良し悪しを判定するには、相手の業務仕様をこちらにも持つことになる。仮に条件に合わないデータを見つけても、正しい値はこちらでは補えない。不整合ならシステムエラーとして止めるのが正解だ。
この件で改めて考えたのは、AIを使う人の側のことだ。
僕もこの件をAIと話してみた。最初は条件を伏せて、あとから、値の有無が業務条件で決まることや、テーブルの管理元を伝えた。そうした前提を踏まえれば、僕はNULLチェックを足すという結論にはならない。何を伝えられるかで、検討の中身が変わる。
複数のシステムがどう関わっているか、誰がデータの整合性に責任を持つのか、自分たちが手を入れるべき範囲はどこまでか。そういうことが分かって初めて、AIの答えをこの仕事に当てはめて考えられる。知らないままもっともらしい答えを受け取れば、AIを使ったことで、かえって間違った修正へ進んでしまうこともある。
AIは、使う人の力を増幅してくれる。でも僕の実感では、その出力は使う側の能力に比例する。前提を渡すことも、答えを見極めることも含めて、専門性が問われるのだと思う。
AIがあれば誰でも一朝一夕で開発ができる、というわけではない。使いこなしたいなら、技術や設計の知識を身につけ、正しい方法論を学び続ける必要がある。少なくとも今のところ、僕はそう考えている。
