キャリア

AIを使いこなすエンジニアの条件。任せる範囲と、検証する力

生成AIを使っているかどうかは、既に差ではなくなりつつあります。この記事では、どう使うかという段階で何が問われるのかを整理します。

使える人と使えない人の差

生成AIを使っているかどうかは、既に差ではなくなりつつあります。問われるのは、どう使うかです。

実際に成果を出している人には、共通する特徴があります。

任せる範囲を決めている。全部をAIに任せるのでも、使わないのでもなく、工程ごとに判断しています。

出力を検証できる。返ってきた内容が正しいかを判断できる知識を持っています。

使わない判断もできる。自分で書いたほうが速い場面を知っています。

この3つは、いずれもその分野の知識が前提です。詳しい人ほど使いこなせるという構造があります。

任せる工程と、任せない工程

実務での線引きを整理します。

• 任せやすい／定型的な実装、テストコード、命名の候補、文書の下書き、既存コードの説明
• 補助として使う／設計の選択肢の列挙、誤りの原因の推測、学習の質問
• 慎重に扱う／セキュリティに関わる実装、性能が重要な処理、業務ロジックの判断
• 任せない／何を作るかの決定、優先順位の判断、責任を伴う判断

上2つで生産性が上がり、下2つで品質が決まります。

最も危険なのは、3つ目を2つ目のように扱うことです。動くコードが出てくるため、検証せずに採用してしまう場面があります。

検証する力

この能力が、最も重要になっています。

AIは、確からしい出力を返しますが、正しさを保証しません。存在しない関数を使う、古い書き方を提示する、セキュリティ上の問題を含む。

検証には、その分野の知識が要ります。知らない領域では、誤りに気づけません。

実務的な方法を挙げます。動かして確認する、テストを書く、公式資料と照合する、なぜそうなるかを説明させて筋道を確認する。

「AIが言ったから」は理由になりません。採用した以上、責任は使った側にあります。

この点は、経験の浅い人ほど注意が必要です。検証できない状態で使うと、誤りがそのまま残ります。

経験の浅い人への影響

この変化は、若手に厳しく働く面があります。

従来、定型的な作業を通じて学んでいました。その作業が自動化されると、学習の機会が減ります。

対処として有効なのは、答えを見る前に自分で考えることです。すぐ聞けるからこそ、考える過程が省略されます。

また、出力の理由を説明させる使い方も学習になります。なぜその方法を選んだかを尋ねると、判断の観点が見えます。

一方、有利な面もあります。分からないことをその場で聞け、他人のコードの意味も解説してもらえる。学習の障壁は明確に下がっています。

使い方次第で、上の世代より速く水準に達する可能性があります。

何が価値になるか

この状況で、個人の価値がどこに移るかを整理します。

問いを立てる力。AIは問いに答えますが、何を問うべきかは決めません。

検証する力。前述のとおり、分野の知識が前提になります。

責任を引き受ける力。AIは責任を負いません。最終的に決める役割は残ります。

一次情報に触れる力。学習データにない情報は出せません。現場、顧客、実際の運用。ここに触れられる立場が価値になります。

いずれも、AIを使いこなす技術そのものではありません。操作の習熟は、いずれ前提条件になります。

長期的に見ると

最後に、この変化をどう捉えるかを整理します。

過去の技術革新と同じ形を取ると考えられます。計算機が普及したとき、計算そのものの価値は下がりましたが、何を計算すべきか決める人の価値は上がりました。

作業の価値が下がり、判断の価値が上がる。この方向は変わらないと見るのが自然です。

ただし、実行の経験なしに判断だけできることは稀です。手を動かした経験があるからこそ、判断の質が上がります。

したがって、若手が実装を学ぶ意味はなくなりません。ただし、その先にある設計と判断を意識するかどうかで、数年後の位置が変わります。

チームでの使い方

個人の使い方だけでなく、組織としての運用も論点になります。

コードレビューの位置づけが変わります。AIが生成したコードも、人が書いたものと同じ基準で確認する必要があります。「AIが書いたから」は理由になりません。

知見の共有。うまくいった使い方、失敗した使い方。個人の工夫を組織の資産に変える仕組みが有効です。

入力してよい情報の線引き。顧客のコード、未公開の設計。ルールがないまま各自の判断に任せると、事故が起きます。

生産性の測り方。実装が速くなっても、レビューと検証の負荷が増えれば、全体の効果は限定的です。

導入の効果は、組織の運用設計で決まります。

使わないほうがよい場面

率直に整理しておきます。

自分が理解していない領域。出力の正しさを判断できないため、誤りに気づけません。

学習が目的のとき。答えをすぐ得ると、考える過程が省略されます。まず自分で考えてから確認する順序が有効です。

機密性が高い情報を扱うとき。入力の扱いが不明なサービスは使えません。

細部が重要な処理。暗号、金額計算、権限判定。生成されたコードをそのまま採用するのは危険です。

使わない判断ができることも、使いこなす能力の一部だと考えます。