ソーシャル・ネットワーク
デヴィッド・フィンチャー(監督)、アーロン・ソーキン(脚本)フェイスブック創業とその後の訴訟劇を脚色した作品。コードそのものよりも、それを書いた人々の野心と裏切りを描いており、創業者エンジニアという世間のイメージ形成に大きな影響を与えた。
濃いマスほど、このテーマでその指標が高いことを示します。
低高
多くの日は、新しいコードを書くこと、レビューで他人のコードを読むこと、バグを修正すること、次に何を作るべきかチームメイトと話し合うことに分かれる。会議や計画立案、後輩の指導は新人が思う以上に時間を占める。シニアエンジニアはジュニアエンジニアより自分でコードを書く量が少なく、設計判断やレビュー、他者の障害を取り除くことに多くの時間を費やすことが多い。
必須ではないが、依然として最も一般的で摩擦の少ない道である。4年制の学位ではアルゴリズムやデータ構造、システムの概念を学ぶが、これらは独学では習得コストが高い。ブートキャンプ卒業生や独学のエンジニアも採用されており、特に小規模企業ではそうだが、通常は学歴の代わりとなる強力なポートフォリオやオープンソースへの貢献が必要になる。
一部はすでにそうなっている。現代のコードエディタに組み込まれたツールは、定型コードや初稿のテスト、言語間の変換など、日常的なコードの大きな部分を、日常的に使うエンジニアのために書くようになっている。はるかに自動化が難しいのは、何を、なぜ作るのか、そして実際のユーザーや障害にさらされても生き延びるようにシステムをどう形作るかを決めることである。
国や企業によって大きく異なる。米国では中央値が年間約13万3000ドル、ドイツではおよそ6万9000ユーロ、業界が最も多くの人を雇用しているインドでは全国平均が90万ルピー前後になる。大手テクノロジー企業のシニアやスタッフエンジニアは、株式報酬を含めると全国中央値の数倍を稼ぐこともある。
実際にはほとんど違いがない。肩書きは重複しており、企業によって使い方も一貫していない。「プログラマー」は最も古い用語でコードを書くことを重視し、「開発者」はウェブやプロダクト企業でよく使われ、「ソフトウェアエンジニア」はより古いエンジニアリング分野から借りた規律あるプロセスやテスト、設計の考え方をソフトウェア構築に適用するという意味合いを持つ。求人票でこれらが一貫して区別されることはほとんどない。
多くの大手テクノロジー企業では、そうである。共有ドキュメントやホワイトボード上でアルゴリズム問題を解くライブまたは持ち帰り形式の技術面接が標準的な選考手法であり、より上級の職種にはシステム設計面接も加わる。小規模企業やスタートアップでは、有償の試用プロジェクトやポートフォリオレビュー、過去の実績についての会話で代替する可能性が高い。
社会がソフトウェアエンジニアをどう見るかは、事務的なものと華やかなものの間を何度も揺れ動いてきた。初期のプログラミングは文字通り「女性の仕事」としてコード化されていた──タイピングのように細部に注意を払う低い地位の仕事とみなされていたが、関わる資金と権力が明白になるにつれ、同じ仕事は高い地位を持つ世界を変える追求として再ブランド化された。
その揺り戻しは今も文化の中に表れている。一方にはハッカー神話とシリコンバレーの富があり、もう一方には地下室に住むIT担当者を笑いのネタにするコメディがあり、その間には1980年代以降この分野での女性比率が実際に、よく記録された形で低下してきたという事実がある。
各時代でこの職業が持った地位を0–100で示した。
プログラミングは広くタイピングと同等の事務支援業務とみなされ、まさにその理由で女性が不釣り合いに多く配置されていた。広く読まれた1967年の雑誌記事は、この仕事をディナーパーティーの計画が得意な人に向いたキャリアだと売り込んでいた。
1968年のNATO会議をめぐる「ソフトウェア危機」の物語は、良いプログラミングが実際にはいかに高くつき難しいかを明らかにし、少数の専門企業を除けば給与は控えめなままだったものの、エンジニアや経営者の間でこの分野の地位を徐々に高めた。
パソコンの普及は、ゲイツ、ジョブズ、ウォズニアックといった最初の著名エンジニアと自力で財を成した富豪を生み出し、ハッカー文化はカウンターカルチャー的なかっこよさを獲得したが、より広い世間のイメージは社交的に不器用なオタクという固定観念に近いままだった。
グーグルやフェイスブックといった企業は「ソフトウェアエンジニア」を世界で最も人気の新卒職種の一つに押し上げ、憧れの職場となるよう設計されたキャンパスと、幹部レベルよりはるかに下でも実際の富を生む株式報酬が伴った。
地位は最盛期から冷え込んでいる。大手テクノロジー企業での相次ぐレイオフ、厳しくなった新卒採用市場、業界の社会的影響に対する世間の懐疑が、2010年代には無敵に感じられていた職業に降りかかっている。
フェイスブック創業とその後の訴訟劇を脚色した作品。コードそのものよりも、それを書いた人々の野心と裏切りを描いており、創業者エンジニアという世間のイメージ形成に大きな影響を与えた。
圧縮アルゴリズムを開発するスタートアップを描くHBOの風刺コメディ。ピッチデックやブログラマー文化、ビッグテックの過剰さを、多くのエンジニアがドキュメンタリーだと感じるほど具体的に描いた。
架空の会社の地下にあるIT部門を舞台にした英国のシットコム。技術スタッフが自分たちをどう見ているかと、社内の他の人々が彼らをどう扱うかのギャップを中心に構成されている。
PCクローン戦争、オンラインサービス時代、初期のウェブを通じてハードウェアとソフトウェアのエンジニアを追うドラマで、実際に働くエンジニアの多くから仕事の実感を正確に描いていると評価された。
NASAで働く黒人女性数学者たちを描き、IBMメインフレームの導入で職を失わないよう、ドロシー・ヴォーンが自分とチームにFORTRANを独学で教える様子を描いている──ヒューマンコンピューターからプログラマーへの移行を直接劇化した作品。
若いハッカー集団を描くドイツのスリラー。ハリウッド流の架空のインターフェースではなく、実際に調査されたハッキングとソーシャルエンジニアリングの手法を基にしている。
時間的プレッシャーの下、ホワイトボードや共有ドキュメントでアルゴリズム問題を解くライブまたはオンラインのセッション──この業界への真の通過儀礼であり、現役エンジニアの多くが意見を持ちながら、快いものだと擁護する人はほとんどいない。
チームが一晩または48時間の集中作業で動くプロトタイプを作り、無料の食事とブランドロゴ入りTシャツに支えられながら審査員にデモを行う──絆づくりの儀式、採用ツール、そして速く粗削りな学びの本物の機会を兼ねている。
あるサービスのオンコール当番に加わること──1990年代は文字通りポケベルだったが、今では午前3時に人を起こすこともあるスマートフォンアプリになった──は、会社が機能面だけでなく本番システムの障害についてもそのエンジニアを信頼するようになった瞬間を示す。
こうしたことのどれも、ソフトウェアエンジニアリングが古い意味での「エンジニアリング」なのか、技芸なのか、それとも信頼性のために名前だけ借りた新しい何かなのかを解決しない。この分野自体が完全に合意したことはなく、その議論は自らの伝説をめぐる論争にも再び現れる。
最も変わっていないのは、仕事のイメージと日々の現実とのギャップである。孤高の天才ハッカーも、ヘルメットをかぶったきちんとしたエンジニアも、午後11時にスタックトレースを読んでいる人物とはあまり似ていない──だが実際の仕事のほとんどはそこで行われている。
分野だけでなく、6つのスコアが近い職業です。
データからパターンを見つけ予測モデルを構築する職業――2008年生まれの肩書きだが、その土台には数値を数え、検証し、可視化してきた3世紀分の営みがある。
AI耐性 38 📦本番環境で機械学習モデルを訓練・配備・監視・ガバナンスするためのシステムを構築する仕事。
AI耐性 54 🗺️会社が次に何を作るべきか、なぜそれを作るのかを決める仕事。顧客のニーズ、事業目標、エンジニアリングの制約を、誰か一人がすべてを所有するわけではない一つの共有計画へとまとめ上げる。
AI耐性 50 🔐デジタル攻撃を発見、防止し、対応することで、システム、データ、人々を保護します。
AI耐性 63 🌿組織が事業上の義務を果たしながら環境・社会への害を減らせるよう、戦略、測定、報告を主導する。
AI耐性 66 🧾帳簿の番人――文字そのものを生み出したほど古い技を受け継ぎ、いまはそれを自動化するために作られたソフトウェアと折り合いをつけている。
AI耐性 35機械知能を支えるアルゴリズムを設計・検証する仕事。今やその研究プロセス自体の自動化を競う分野になりつつある。
AI耐性 50 🛰️地上を離れる航空機・ロケット・宇宙船を設計・解析・認証する仕事で、推測の余地を残さない安全マージンを守り続ける。
AI耐性 74 🌉川と岩と重力を橋・道路・清潔な水に変える職業――イムホテプ以来、文明を静かに支え続ける仕事。
AI耐性 72 🔌自動車のブレーキから核ミサイルの誘導システムまで、あらゆるコンピュータや携帯電話の中にあるトランジスタを設計・製造する。地球上でごく一部の工場しか動かせないほど精密な機械を使う仕事だ。
AI耐性 60 🦾感知し、判断し、物理世界で行動する機械を設計する仕事。真の難問は知能ではなく、世界そのものだった。
AI耐性 65 🔐デジタル攻撃を発見、防止し、対応することで、システム、データ、人々を保護します。
AI耐性 63 📦本番環境で機械学習モデルを訓練・配備・監視・ガバナンスするためのシステムを構築する仕事。
AI耐性 54 🌬️再生可能な資源を信頼できる電力に変える、風力、太陽光、蓄電、送電網のシステムを設計・構築・改善する。
AI耐性 72