Google AI profile image Stephanie Wong

週末のAIサイドプロジェクトが黄金時代を迎えています。Vibe codingとLLMのおかげで、コーヒー1杯の時間で、白紙の画面からアイデアを具体化し、動作するアプリに仕上げることができます。

しかし、その気軽なプロトタイプを大企業環境に持ち込もうとした瞬間、壁にぶつかります。厳格なインフラ、厳しいコンプライアンスルール、そして物事を壊すことを恐れるリーダーシップチームが、あなたの勢いを殺してしまうでしょう。

数字はかなり残酷です。AIプロトタイプのうち本番環境に到達するのはわずか5%に過ぎません。残りの95%は、企業の煉獄に消えていきます。

ソーシャルメディア上で人々がAI機能を光速でリリースしているのを見ながら、自分は終わりのない企業レビューループに囚われている状況は、苛立たしいものです。このギャップを埋める方法を理解するため、私はYouTubeのエンジニアリングの最前線を調べ、スピードとリスクのトレードオフにどう対処しているかを探りました。

スピードとリスクのジレンマ

一人で構築する場合、失敗は安価です。AIエージェントが暴走したら、プロンプトを微調整して再起動するだけです。

しかし、企業内では、制約のないAIエージェントを野放しにすると、爆発範囲が膨大になります。初回エピソードのEmergentでは、AIエンジニアリングリーダーのAddy Osmaniが、個人的なプロジェクトで10個の並列エージェントを実行した話をしてくれました。変更が適切に分離されていなかったため、技術的負債が瞬時に蓄積し、2つのアプリが壊滅的に破壊されたそうです。

今、200億人のユーザーを抱え、20年前のコードベースを運用するYouTube規模でそのリスクを想像してみてください。実験的なコードを野放しにするわけにはいきません。しかし、従来のコンプライアンスパイプラインは数ヶ月かかり、デモが実際に承認される頃には、AIモデルはすでに進化しており、機能は陳腐化しています。

YouTubeのAIプロトタイピングスタック

Benji Bear（Google Deepmindおよび元YouTubeエンジニア）は、インフラ哲学を根本的に変えることでこの問題を解決しました。手動レビューの高速化を試みるのではなく、チームは実験をメインプロダクションサーバーから切り離しました。

彼らは、開発者にとって2つの最大のボトルネックに対処するPrototyping Stackを構築しました。

  • 安全なライブデータレイヤー：フェイクデータで真空状態でテストするのではなく、開発者はGoogle AI Studioテンプレートを使ってアイデアをブートストラップします。これらは、プレイリスト、動画、チャンネルなどのライブコンポーネントへの事前認証済みの読み取り専用APIアクセスを提供する、安全なGoogle Cloudプロキシサーバーに接続されます。コアデータベースを汚染したりクラッシュさせたりするリスクなしに、技術的な正確性が得られます。

  • ライブUIインジェクション：機能が実際のユーザーにどう感じられるかを確認するため、開発者はクライアントサイドの拡張ラッパーを使用して、実験的なUIをローカルブラウザに直接注入します。これは本番コードから完全に分離されているため、更新を安全にステージングし、数分でテストできます。

このセットアップに移行することで、YouTubeは1つの機能の審査に四半期を要していたのが、数週間で複数の成功したプロトタイプ（YouTube Recapなど）をユーザーリサーチスタディに直接リリースできるようになりました。

使い捨てコードを受け入れる

これを実現するには、かなり大きな心理的変化が必要です。使い捨てコードを受け入れなければならないのです。

エンジニアとして、私たちは洗練された永続的なインフラを書くように訓練されています。しかし、プロトタイプのコードは乱雑であるべきです。その唯一の目的は、ユーザーが実際にその機能に関心を持っているかどうかを検証することです。混沌としたAI生成スクリプトをクリーンアップして、エンタープライズコードベースに直接強制的に組み込もうとすることは、アーキテクチャの罠です。

代わりに、Google AI Studioを使用して初日から非常に正確なベースラインを確立できます。ユーザーテストを実行し、データを確認し、アイデアが成功した場合は、乱雑なスクリプトを破棄します。すでにベースラインパラメータが機能することを証明しているため、本番環境向けのクリーンなバージョンを書き直すことは、はるかに高速で、安価で、安全になります。

物事を壊さずに高速で進む

95%の失敗率は、間違いとして見なされるべきではなく、戦略として見なされるべきです。AIはコード生成を信じられないほど安価にし、私たちの役割を構文の門番からシステムアーキテクトへとシフトさせました。

私たちの仕事は、チームがハイパースピードで安全に失敗できるようにする、読み取り専用のサンドボックスと分離されたパイプラインを設計することです。最大のリスクは、乱雑なAIコードでサーバーを破壊することではなく、検証ループが遅すぎるために技術的な波を見逃すことです。

完全な技術的内訳、開発者インタビュー、AIプロトタイピングスタックの詳細については、YouTubeのEmergent初回エピソードをご覧ください。