基礎知識

プログラミング言語の全体像。何がどこで使われ、単価はいくらか

プログラミング言語は数百種類ありますが、実務で使われるものは限られます。この記事では、どの言語がどこで使われ、案件の単価がどの程度かを整理します。単価は民間エージェント各社の集計をもとにレンジで示します。

いま使われている言語

TIOBE Indexの2026年8月時点では、上位は次の並びです。1位 Python（18.53%）、以下 C、C++、Java、C#、JavaScriptと続きます。Rustは2026年7月に初めてトップ10入りし、8月も10位（1.45%）を維持しています。

ここ数年の動きとしては、C#が2025年の年間言語に選ばれ、SQLが9位に上昇、Rが10位圏に復帰する一方、MATLABが十数年ぶりにトップ20を外れました。

Javaは2026年3月に過去最低の4位を記録しています。ただしこれは人気度の指標であり、稼働しているシステムの量とは別です。金融や基幹業務では引き続き主要な言語です。

ランキングは指標で変わる

順位を見るときの注意点があります。調査主体によって、測っているものが違います。

• TIOBE／検索エンジンでの検索量。学習需要や話題性を反映する
• GitHub Octoverse／実際のコード活動。コミットや貢献者数
• Stack Overflow調査／開発者の自己申告。実際に使っている割合
• RedMonk／GitHubの活動とStack Overflowの議論を組み合わせる

指標が違えば結果も変わります。TIOBEではPythonが1位ですが、Stack Overflowの2025年調査では実際の使用率でJavaScriptが66%と最多です。GitHubでは、TypeScriptが貢献者の伸びでPythonを上回ったと報じられています。

「1位の言語を学べばよい」という判断は成立しません。何を測った1位なのかを確認する必要があります。

用途で分けた系統図

言語は用途で分類すると理解しやすくなります。

• Web（画面側）／JavaScript、TypeScript。ブラウザで動く唯一の系統
• Web（サーバー側）／Java、C#、Python、PHP、Ruby、Go、Node.js
• データ・AI／Python、R、SQL
• 業務システム・基幹／Java、C#、COBOL、ABAP（SAP）
• 組込み・OS・高性能／C、C++、Rust
• スマートフォン／Swift（iOS）、Kotlin（Android）
• インフラ・クラウド基盤／Go、Rust、シェルスクリプト

ひとつの言語が複数の用途にまたがることもあります。Pythonはデータ分析にもWebにも使われます。ただし、その領域で主流かどうかは別です。

言語別の単価レンジ

案件単価について、先に前提を書きます。言語別の単価に公的統計はありません。以下は民間エージェント各社が自社の取扱案件から集計した数字で、社によって幅があります。

全体平均は、Remoguの2024年度調査（2,450件対象）で月76.5万円、Findy Freelanceの2026年調査で約80万円、PE-BANKの2023年集計で約64万円。調査主体により64万〜83万円と開きがあります。

そのうえで、言語別のおおよそのレンジは次のとおりです。

• SAP（ABAP等）／90〜120万円。専門性が高く、扱える人が限られる
• Go／75〜100万円。クラウド基盤や大規模サービスで需要が高い
• Scala／75〜100万円。データ処理基盤での採用
• Python／65〜95万円。AI・データ領域は上振れしやすい
• Java／60〜90万円。案件数が最も多い層のひとつ
• TypeScript・JavaScript／60〜90万円。フロントエンドの設計まで担えると上がる
• C#／60〜85万円。業務システムとUnityで需要が分かれる
• C・C++／60〜90万円。組込みと高性能領域で幅がある
• PHP・Ruby／55〜80万円。Web系の案件数は多い

これらは目安であり、同じ言語でも工程と経験で倍近く変わります。下限は実装のみ、上限は設計や要件定義まで担う場合と考えてください。

単価を決めているのは言語ではない

レンジを示したうえで、重要な点を書きます。単価を決める主因は、言語そのものではありません。

実際に効くのは次の要素です。担当する工程（実装だけか、設計や要件定義まで担うか）、業界のドメイン知識（金融、製造、医療など）、扱える人の希少性、そして責任範囲の広さ。

同じPythonでも、既存コードの修正と、データ基盤の設計では単価が倍近く違います。言語は入口であって、単価の決定要因ではありません。

SAPが高いのも、言語が難しいからではなく、業務知識と製品知識の両方が必要で、扱える人が少ないためです。

近年の傾向として、生成AIを活用しているエンジニアの平均単価が、そうでない層より約10万円高いという調査結果も報じられています。

学ぶ順序の考え方

網羅的に見たうえで、何から学ぶかを考える指針を示します。

第一に、目的地を決める。Webサービスを作りたいのか、データを扱いたいのか、業務システムか。用途が決まれば、選択肢は数個に絞られます。

第二に、案件数の多い言語から入る。単価の高い言語は、その分だけ経験者が求められます。未経験から入るなら、案件数が多く入口の広い言語のほうが現実的です。

第三に、SQLは全員が学ぶ。どの領域でもデータは扱います。TIOBEで9位に上昇したのも、データ基盤の重要性が増しているためです。

第四に、2つ目以降は速い。1つを深く理解すれば、2つ目の習得にかかる時間は大幅に短くなります。最初の1つを選ぶことに時間をかけすぎないほうがよいと考えます。

言語は入れ替わる

最後に、長期的な視点を加えます。

Javaが過去最低の4位になり、Rustがトップ10入りし、MATLABが圏外へ出る。順位は数年で入れ替わります。

一方で、稼働しているシステムは簡単には消えません。COBOLで書かれた基幹システムがいまも動いているように、話題性と実際の需要は別の速度で動きます。

経済産業省の試算では2030年に最大約79万人のIT人材が不足するとされますが、不足の中身は領域によって異なります。

したがって、実務的な結論はこうなります。言語そのものより、設計する力、データを扱う力、業務を理解する力に投資するほうが、寿命が長い。言語はその上に乗る道具です。

言語が生まれてきた流れ

現在の並びを理解するには、どういう順で生まれたかを知ると早くなります。

1970年代。C言語が登場します。機械に近い層を扱いながら、人が読める形で書ける。この設計が、以後のほぼすべての言語に影響しました。

1980〜90年代。C++、Java、Python、JavaScript、PHP、Rubyが相次いで登場します。いま上位にある言語の多くが、この時期に生まれています。

2000年代以降。C#、Go、Rust、Swift、Kotlin、TypeScript。既存言語の課題を解決する目的で設計されたものが増えます。

注目すべきは、上位10位のうち大半が30年以上前の言語だという点です。新しい言語が普及するには時間がかかり、既存の資産は簡単には置き換わりません。

この数年で起きている変化

直近の動きを整理します。

• 型のある言語への回帰／TypeScriptの急伸が象徴的。規模が大きくなるほど型の価値が上がる
• データ関連の上昇／SQLが9位へ、Rが10位圏に復帰。データ活用の広がりを反映
• 安全性への関心／Rustがトップ10入り。メモリの誤りを言語で防ぐ発想
• 専門言語の縮小／MATLABがトップ20を外れる。汎用言語が領域を吸収している

方向としては、大規模化と安全性です。個人が小さく作る時代から、複数人が長期に保守する時代へ移ったことが、言語の選ばれ方に表れています。

生成AIによるコード生成の普及も、この傾向を強めると考えられます。人が書く量が減るほど、機械が検証できる仕組みの価値が上がるためです。