AI時代に、エンジニアとして何を磨くべきか
泉卓真です。
前回は、私自身がAIとどう向き合っているのかについて書きました。生成AIが日常の仕事に入り込み、壁打ちや文章作成、情報整理のスピードが大きく変わったこと。その一方で、最後に残るのはやはり人間の判断だ、という話でした。
今回は、その続きとして、もう少しエンジニア寄りの視点で書いてみたいと思います。
ここ数年で、AIは確実に仕事の風景を変えました。
コードを書く。調べる。構成を考える。レビュー観点を洗い出す。以前なら人が一つずつ時間をかけていた工程の多くに、AIが入ってくるようになった。
では、この時代にエンジニアとして本当に磨くべきものは何なのか。
今日はそこについて、今の自分なりに整理してみます。
AIによって、書く力そのものの価値は相対化された
少し前まで、エンジニアの価値は、どれだけ速く、どれだけ正確に実装できるかで語られることが多かったと思います。もちろん今でもそれは大事です。実装力が不要になったわけではありません。
ただ、以前と違うのは、コードを書くという行為そのものの希少性が下がったことです。
今は、仕様をある程度言語化できれば、AIがたたき台を出してくれる。
エラーの原因も、以前よりずっと短時間で当たりをつけられる。
ゼロから全部自力で書く時間は、確実に減っています。
ここで大事なのは、悲観することではなく、仕事の重心がどこへ移ったのかを見ることだと思っています。
書くことの前にある、
何を作るべきか。
どう分けるべきか。
どこまで抽象化するべきか。
この仕様は本当に必要か。
そういう問いのほうが、以前よりずっと重要になってきた。
AIは書くことを手伝ってくれる。
でも、何を書くべきかを決める責任までは引き受けてくれません。
これからのエンジニアに必要なのは、設計力よりも前の整理力かもしれない
設計力という言葉はよく使われますが、最近はその手前にある整理力がますます重要だと感じています。
現場では、仕様が最初からきれいに決まっていることのほうが少ない。
依頼する側の頭の中にも、まだ曖昧な部分がある。
優先順位も動くし、途中で前提が変わることもある。
そういう状況で必要なのは、いきなり最適なアーキテクチャを描く力というより、まず情報を整理して、論点を分けて、曖昧さを曖昧なままにしない力です。
たとえば、
- この機能の目的は何か
- 誰の何を改善したいのか
- 今回の実装範囲はどこまでか
- 将来の拡張を想定するべき箇所はどこか
- 逆に、今は決めなくていいことは何か
こういう整理が甘いままAIに投げても、それっぽいものは返ってきます。
でも、返ってきたものがそれっぽいからこそ、逆に危ない。
問題の本質が見えないまま、表面的に整ったコードだけが積み上がっていくからです。
AI時代のエンジニアに求められるのは、コードを書く人というより、問題を構造化する人なのかもしれません。
良い問いを立てられる人が、AIを使いこなせる
前回の投稿でも、AIとの付き合い方はその人の人格や姿勢が表れると書きました。曖昧な問いには曖昧な答えが返ってくるし、雑に扱えば雑な成果物になる。
これは開発の場面でもまったく同じです。
AIを使っていて思うのは、
プロンプト力というより、問いの立て方そのものがすべてに近いということです。
たとえば、
このエラーを直して、ではなく、
何が起きていて、何を期待していて、どこまで確認済みで、どこから先が不明なのかを整理して聞く。
このコードを改善して、ではなく、
可読性を上げたいのか、責務分離をしたいのか、パフォーマンスを改善したいのかを明確にする。
この差だけで、返ってくる内容の質はかなり変わります。
そしてこの力は、AIのためだけのものではありません。
チームで仕事をするときにも、顧客と話すときにも、要件を固めるときにも同じです。
良い問いを立てられる人は、人にもAIにも強い。
逆に言えば、AIの時代はその差がより見えやすくなったとも言えます。
実装力が不要になるのではなく、実装力の意味が変わる
AIの話になると、よく「これからはコードを書けなくてもいいのでは」という極端な議論があります。
でも個人的には、それは違うと思っています。
むしろ、AIがあるからこそ、基礎的な実装理解はより重要になります。
なぜなら、AIが出してくれたコードが正しいかどうかを判断するには、最低限の構造理解が必要だからです。
動くかどうかだけではなく、保守できるか、既存コードベースと整合するか、副作用を生まないかまで見ないといけない。
ここで実装経験が浅いと、AIの出力をそのまま採用してしまいやすい。
一見きれいでも、文脈に合っていないコードは普通にあります。
だから、実装力は不要になるのではなく、
自分でゼロから全部書けることから、
AIの出力を評価し、修正し、文脈に適応させられることへ、意味合いが少し変わっていくのだと思います。
書く力から、見極める力へ。
このシフトはかなり大きいです。
非効率に見える時間が、むしろ差になる
AIを使うと、とにかく速く進めたくなります。
答えがすぐ返ってくるので、思考もそのテンポに引っ張られやすい。
でも、最近あえて大事にしているのは、すぐに答えを取りにいかない時間です。
少し考える。
手を止める。
メモに落とす。
別の視点から見直す。
この一見非効率な時間が、結果的には一番効いてくることが多い。
前回の記事でも、朝のコーヒーの時間はスマホを伏せ、自分の頭で転がす時間を意識していると書きましたが、この感覚は開発でも同じです。
AIは答えの候補をいくらでも出してくれる。
だからこそ、人間側には、答えを急がずに問いを育てる姿勢が必要になる。
この姿勢はすぐには数値化されません。
でも長い目で見ると、設計にも、コミュニケーションにも、最終的なアウトプットの質にもかなり効いてくる気がしています。
2026年は、AIを使う側の地力がもっと問われる
プロフィールにもある通り、私はこれから先、生成AI周りをもっと深く知り尽くしたいと思っています。Wantedly上の過去投稿でも、2025年を振り返った際に、1年をひとことで言うなら「とにかくAI」と整理していました。
その延長線上で今思うのは、2026年はさらに、AIそのものの性能差よりも、使う側の地力の差が目立ってくる年になるだろうということです。
同じツールを使っていても、出せる成果は人によってかなり違う。
その差は、プロンプトの小手先ではなく、
- 問題の捉え方
- 情報整理の力
- 設計の感覚
- 文脈理解
- 最後に自分で責任を持つ姿勢
このあたりに集約されていくはずです。
AIは強力です。
でも強力だからこそ、使い手の輪郭がはっきり出る。
そこがこの時代の面白さでもあり、怖さでもあると思っています。
最後に
AIによって、エンジニアの仕事は確実に変わっています。
けれど、それは価値が薄くなるという話ではなく、価値の出し方が変わるという話です。
これから求められるのは、ただ速く書けることだけではない。
問題を整理し、良い問いを立て、文脈に沿って判断し、最終的に責任を持てること。
そういう力のほうが、むしろ本質になっていく気がしています。
私自身、まだその途中です。
AIを使いながら、使われないようにする。
便利さを取り入れながら、自分の思考は手放さない。
そんなバランスをこれからも探り続けたいと思います。
次はもう少し具体的に、日々の仕事の中でAIをどう使い分けているか、実務寄りの話も書いてみたいです。
