実践

Ciscoが無料Tokenを提供、,相当な生成量でも責任は engineers が負う

Ciscoは一部のエンジニアにAI Tokenを無制限で提供し、遗留コードの書き換えに役立てる。生成コストが下がっても、修正内容を判断し、検証と事故に責任を負えるかどうかが新しい課題となる。

文字サイズ

Ciscoは、一部のエンジニアにAI Tokenを無制限で提供し、主な目的の一つを遗留コードの書き換えとしている。

AIに新機能をさらに多く作らせるための施策ではない。実際の変化は、旧システムの移行、テストの追加、フレームワークのAPI変換といった反復作業のコスト構造にある。

ただし、Tokenが無料でもエンジニアリングの結果が無料になるわけではない。コンテキストの欠落、暗黙の業務ルール、テストの盲点はそのまま残る。より厄介なのは、AIが大量の修正をまとめて投入できるため、誤りも同じ規模で複製される可能性があることだ。

Cisco总裁のJeetu Patelは、この施策をGen Zエンジニアの育成や入門職の変化と結びつけている。Fortuneの報道によると、重点は単にコード量を増やすことではなく、遗留コードの書き換えにある。

このニュースはHacker Newsのトップページにも掲載され、101点と112件のコメントを集めた。エンジニアが最も重視しているのは「無制限」という言葉そのものよりも、無制限の生成量を開発フローに組み込んだ場合、誰がレビュー、検証、事故の責任を負うかだった。

元記事:Fortune

無制限のTokenが実際に解決すること

Tokenは、モデルがテキストを処理の際に使用する計算単位である。入力にも出力にも消費される。

新しい関数の生成には数千Tokenあれば十分かもしれない。しかし、長年稼働しているモジュールを新しいインターフェースへ移行し、呼び出し元、設定、テスト、ドキュメントも同時に変更するには、より多くのTokenが必要になる。古いコードには数年分のパッチが acumulaciónしており、誰も単純に削除して書き直すことはできない。

Ciscoの施策は、次のような作業に適している。

  • 古いフレームワークのインターフェースを新しいAPIへ対応させる。
  • 依存関係と呼び出し箇所をまとめて更新する。
  • テスト不足のモジュールに初期テストケースを追加する。
  • 数千行を超える重複ロジックを分割する。
  • 異なる実行環境向けに設定とスクリプトを変換する。

ここで得られる利益はコード行数ではない。例えば、あるモジュールの移行に12人日かかり、そのうち7人日が呼び出し関係の調査、コードの移動、書式調整に費やされていたなら、AIによってその機械的な作業時間を短縮できる可能性がある。

だが、残る5人日は消えない。

  1. 旧来の挙動を本当に維持すべきかを確認する。
  2. ドキュメントに残されていない境界条件を洗い出す。
  3. テストが要件を検証しているのか、それとも旧実装の挙動を再現しているだけかを判断する。
  4. 許容できる互換性リスクを決める。

無制限のTokenが主に解決するのは、前半のコストである。業務に関する知識が自動的には得られず、ロールバックの責任も負わない。

見過ごされがちなコストもある。AIによる変更量が増えるほど、人手によるレビュー費用も高涨する。

500行のコードを生成し、重要な分岐だけを確認すれば、_effect的な-_ citésがあるかもしれない。一方、5万行のdiffを生成したEven if the generation time drops to zero, レビューがボトルネックになる。レビュアーは対象システムへの理解を改めて構築する必要がある。surface-levelのテストが通っただけでは、_genericな保障にはUnable to rely。

Tokenは無制限のエンジニアリング能力ではない

遗留コードで難しいのは、何をしているかではなく、なぜそう書いたかである。

典型的な例が決済APIである。コードに1回分のリトライが加わっているなら、過去のインシデント对应的措置かもしれない。あるフィールドが空を許可するのは、特定顧客との個別契約が理由かもしれない。エラー処理が標準経路を外れているのは、下流サービスの障害を回避するためかもしれない。

AIはコードやコメントから手がかりを読み取れるが、組織が失った意思決定の背景凭空で確かめることはできない。

リスクは4つの層に分解できる。

コンテキストの欠落

リポジトリにはREADME、設計書、Issue、チャット記録、インシデントレポートが存在する。ただし、それらは通常不完全で、統一された形式もない。

モデルが一度に読み取れるコンテキストが増えても、関連知識がすべてリポジトリにあるわけではない。欠落した情報がTokenが無制限这一点になるまで、自動的に現れるわけではない。

暗黙の業務ルール

多くのルールはコードに書かれたことがない。

「注文状態は7種類の順序でしか移行できない」というルールは、プロダクトマネージャーの頭の中だけに存在するかもしれない。「欧州顧客の返金は必ず人手で確認する」というルールは、運用チームが共有するドキュメントにしか書かれていないかもしれない。

AIの書き換えでは、ロジックが完備で、型も正しく、テストも通るコード Fidềgenerated business semantics may change quietly.を生成ulum。

テストカバレッジ不足

旧モジュールにテストがないことは、挙動がないことを意味しない。

AIが追加したテストは、現在の実装に合わせて生成され、同じモデルが実装を変更しUltimatelyFinallyMay result in tests that are self-consistent yet incorrect.な、一貫しているが誤ったテストになる。これはテストと実装が一緒にドリフトする現象である。

より安全な方法は、まず過去のチケット、本番データ、境界条件から独立したアサーションを生成し、その後にモデルへ実装を変更させることである。テストの情報源と実装の情報源を完全に同じにしない。

誤りが大規模に複製される

人が1回の変更で条件を1つ間違えても、影響範囲は通常1つのモジュールに限られる。AI Agentは同じ誤りを数十の呼び出し箇所へ複製し、生成したテストにまで組み込むことがある。

したがって、Tokenが多いほど、変更は小さい単位で行う必要がある。プルリクエストは依存関係に沿って分割し、各バッチを独立して検証・ロールバックできるようにする。

無制限枠の合理的な使い方は、Agentを数日間走らせて最後にまとめてレビューすることではない。Agentには継続的に小さなdiffを出させ、1回につき1つのインターフェースを移行する、1回につき1組の境界テストを追加する、1回につき1つの呼び出し元を更新する、という運用が適している。

初級エンジニアの入門業務が変わる

Jeetu Patelは、無制限のAI Tokenを、Gen Zエンジニアの育成や入門職の変化と併せて論じた。

ここで問いになるのは「若者はまだコードを学べるか」ではない。ボイラープレートのコードをAIが大部分生成するとしても、プログラムを理解するには、手で書き、実行し、デバッグし、変更する作業が必要である。

変化するのは、最初のエンジニアリング仕事の中身である。

従来、新人はCRUDインターフェースの実装やユニットテストの 작성から始めた。今では、その作業がLLMに任せられる部分そのものかもしれない。新人が引き継ぐのは、AIが変更したモジュールであり、いくつかAmid more difficult questionsに答えることになる。

  • 今回の変更は、どの要件を解決するのか。
  • どの旧挙動を維持し、どの挙動を変更したのか。
  • なぜテストによって変更の正しさを証明できるのか。
  • 依存するサービスが異常になった場合、コードはどのように縮退するのか。
  • このロジックに問題が生じた場合、誰が、どれだけの時間で原因を特定できるのか。

このレビュー作業には、システム、制約、障害モードの理解が求められる。仕様に沿ってボイラープレートコードを書くよりシニアエンジニアの仕事に近い一方、基本的なトレーニングを省略してよい理由にはならない。

危険な兆候は、AIがコードを生成できるのかCharlie because of AI, no longer assigning small, complete implementation tasks to newcomers.,新人が「承認」とテスト実行だけを担当する_TAContinue to submit diffs but cannot independently explain system behavior.になることである。

より合理的な育成方法は、AIに反復作業を任せつつ、次の2種類の練習を維持することだ。

  1. まず小さなモジュールを手で書き、デバッグの直感とコード読解力を養う。
  2. その後、AIによる完全な変更をレビューし、自分の案と生成された案を比較する。

前者は実行力、後者は判断力を養う。どちらも互いに代用できない。

AIによる書き換えが採算に合うかを測る方法

「何行のコードを生成したか」を主指標にするのは不適切である。コード量を煽り、レビューコストを覆い隠してしまうためだ。

モジュール単位で移行表を作り、少なくとも次の5項目を記録することが望ましい。

指標集計方法主に答える問い
移行所要時間開始から受け入れ完了までの人工工数AIが本当に時間を短縮できたか
不具合流出率本番で発見された不具合数 / 全不具合数検証は十分だったか
回帰テスト合格率CI実行のうち成功した回数 / 全実行回数変更は安定しているか
人手によるレビューコストコードとログのレビューに要した分数生成速度がレビューによって相殺されていないか
ロールバック率と所要時間ロールバック回数と原因特定までの時間リスクを制御できるか

ベースラインも残しておくべきだ。

類似するモジュールを選び、人手による移行とAI支援による移行のデータを別々に記録する。そうしなければ、チームは「最近速くなった」と感じることはできても、省かれたのが移行時間だったのか、テストや本番展開へコストを先送っただけなのかを説明できない。

簡易なスクリプトでCI結果を記録できる。評価 HimselfIt does not replace the evaluation system, but it can standardize the data format used for manual migrations..per.

import json
from pathlib import Path

results = []

for path in Path("ci-results").glob("*.json"):
    data = json.loads(path.read_text())
    results.append({
        "module": data["module"],
        "passed": bool(data["passed"]),
        "review_minutes": int(data["review_minutes"]),
        "rollback": bool(data.get("rollback", False)),
    })

passed = sum(item["passed"] for item in results)
pass_rate = passed / len(results) if results else 0.0
review_minutes = sum(item["review_minutes"] for item in results)
rollback_rate = (
    sum(item["rollback"] for item in results) / len(results)
    if results else 0.0
)

summary = {
    "runs": len(results),
    "regression_pass_rate": round(pass_rate, 4),
    "review_minutes": review_minutes,
    "rollback_rate": round(rollback_rate, 4),
}

Path("migration-summary.json").write_text(
    json.dumps(summary, ensure_ascii=False, indent=2) + "\n"
)
print(json.dumps(summary, ensure_ascii=False, indent=2))

実行方法:

python summarize_migrations.py

このスクリプトを動作させるには、各プロジェクトでCIデータをci-results/*.json形式で出力しておく必要がある。フィールドを単純に保つのは、まず指標を動かせるようにし、逐步的に内容を補うためだ。

件数だけでなく、誤りの種類も確認する。AIによる書き換えで最も多い問題は、構文エラーではなく次のようなものかもしれない。

  • 従来は送出されていた例外を握り潰す。
  • タイムアウトやリトライ戦略を変更する。
  • トランザクション境界を失う。
  • 非同期呼び出しを同期呼び出しとして実装する。
  • 明示的に渡すべき必須パラメータを既定値で埋める。

これらは最終テストの網羅だけでは検出できない。旧実装との挙動差分を分析し、本番指標で観察する必要がある。

編集 NinjasEditorialの視点

Ciscoの無制限Tokenは、成熟した調達基準というより、組織プロセスの実験に近い。モデルコストが下がれば、AIプログラミングのボトルネックが「生成できるか」から「検証できるか」へ移るのは確かである。しかし無制限枠は、呼び出し回数が増えるほど改造が速くなると錯覚させることもある。

ここで着目したいのは,过去とのdifferenceである。従来のAIプログラミングは主に新しいコードを書く Engineersを支えたが、Cisco这次的施策は直接、移行、テスト、そして役割分担に手を触れている。コードレビューは補助的な工程から主要な生産工程へと変わり、エンジニアリング上の責任もモデルには引き継がれなかった。

今後のチームでは、純粋なボイラープレートコードは減っても、システム挙動を理解する力は必要とされ続けるだろう。初級エンジニアは最初の変更をより早く提出できる一方、障害原因を独立して判断するには Transforming time still needs to accumulate.。Ciscoが本当に移行コスト、不具合流出率、新人育成期間のすべてを下げられるなら、この事例は再現する価値がある。現在、Hacker Newsの112件のコメントで議論されているのは、「無制限Token」が解決するのはコストの問題であり、責任の問題ではないという点だ。

出典: https://fortune.com/2026/10/30/cisco-president-jeetu-patel-gen-z-27-year-old-unlimited-ai-tokens-rewrite-legacy-code-entry-level-jobs/