生成AI大会2026参会记 — 生成AI让工作更快，那么工作是否正确？

我是敏捷团队的中村。
我参加了生成AIカンファレンス2026。这是一个以生成AI的社会落地为主题，从产业、开发、智能三个视角，涵盖AI代理和物理AI等广泛议题的活动。

进入2026年后，AI代理在编码加速方面一下子变得更具现实感。我自己也在个人开发应用的维护阶段以PoC程度尝试过，但哪怕是这种程度的经验，“10倍生产力”这样的说法也不再听起来那么夸张。作为工程师，我真心感到兴奋。

另一方面，作为敏捷教练的我却有两点担忧。

其一是，如果能够大量产出成果物，是否会导致从测试到发布的后续流程出现拥堵？
另一点是，如果制造成本的约束变弱，会不会导致“先猛做，后再考虑”，使需求定义变得粗糙？

在本次大会中，我想确认这两点担忧在国内一线场景中是如何体现的。百闻不如一见。

从结论上说，我所担心的结构已经以现场的课题形式出现了。不过，以此为前提尝试改变工作方式的实践，也已经开始了。

每场演讲都与所谓的“光鲜案例”截然不同，内容生动且扎实。

下面我将介绍与这两点担忧分别相契合的两个演讲。

＜Sakana AI株式会社 大村壮太氏＞

此次以AI与科学为主题，介绍了AI对研究活动的加速，以及在此之后显现的问题。在提出的几个课题中，给我印象最深刻的是以下关键词：

「起点与终点都是人类」

所谓起点，是指“问题空间的定义”。
作为科学家，AI的性能不断提升，研究循环也加速了。另一方面，也有担忧：AI的介入可能会缩小科学所处理的问题空间本身。

所谓终点，是“理解与解读”。
即使将部分思考委托给AI，人类对成果的理解和意义的解读工作也不会消失。由于AI产生成果的速度过快，人类的处理能力无法跟上。研究资助的评审和论文审稿就是这方面的具体例子。

此外，对于“没有理解，知识与创造将受到阻碍，没有反馈循环”这句话，我也深有同感。

如果套用到软件开发的评审或验收环节，很容易想象开发负责人或客户的负荷会集中。

＜株式会社アンドエスティHD 甲斐裕樹氏 / 株式会社Algomatic 鴨居啓人氏＞

这是一个支持服装零售店铺店长工作的“店长AI代理”案例。

该机制让店长可以通过AI代理利用销售分析和库存查询等功能，据介绍，将库存查询工作量减少了75%。

「首先要是现场能用的东西」

这句话恰恰是对第二个担忧的一个回答。

并不是因为制造成本下降就先去做。要先明确想改变谁的什么，通过让他们使用来验证。制造变得越容易，问题设定和反馈的质量反而越重要。

更令人惊讶的是，将AI渗透到大企业中的执行力。

从改变店长工作的明确需求出发，从几家门店小范围启动。在基于一线反馈持续改进的同时，逐步增加目标门店，扩大范围。包含非IT部门在内的跨部门团队指明方向，并以所有者心态主导推进。

用文字写出来的话，案例和推进方式并没有新意。

把理所当然的事情做到位。我认为正是这种积累，才促成了75%的数字成果。

就我而言，梳理后有两个问题。

这项工作是正确的吗？
是否正确地定义了客户价值，并选择了真正需要解决的问题？

工作是否在正确进行？
不只是让某个部分更快，而是整个价值传递流程是否都在顺畅运行？

生成AI能够让工作更快。因此，我认为正是面对这些自古以来的问题更为重要。

我们公司以需求工程为价值支柱，或许正是在这里大显身手的时候——我暗自握拳庆祝，同时想把这两个问题作为自己的课题带回去。