AI時代、若手エンジニアはどこで経験を積むのか

生成AIを使ったソフトウェア開発は、コード補完から、実装、調査、テスト、設計、既存コードの別言語への移植にまで広がっている[1]。以前なら、コードを読み、新しい言語やライブラリを調べ、エラーを直しながら少しずつ進めていた作業も、条件を与えて処理を任せ、人間は結果を確認するだけで済む場面がある。

作業時間が減る一方で[2]、若手エンジニアの育成を考えると気になることがある。自分で調べ、実装し、失敗を直す過程が減ったとき、将来、AIの設計や実装を評価するための経験をどこで積むのだろうか。

試行錯誤と判断力

生成AIと雇用については、「若手の仕事がAIに奪われる」という議論が分かりやすい。新人へ任せていた実装や調査、テスト作成をAIが処理できれば、企業が以前と同じ人数の若手を必要としなくなる可能性はある。ただ、私がより気にしているのは、採用人数よりも、若手が熟練者になるまでの訓練機会である。

ソフトウェア開発では、最初から適切な判断ができる人はほとんどいない。既存コードを読み違えたり、エラーの原因を見当違いの場所で探したりする。無理のある設計をレビューで指摘されることも、曖昧な仕様を実装して後から作り直すこともある。そうした経験を通じて、設計の危うさや、コードを書く前に確認すべきことが分かってくる[3]。

AIは、この試行錯誤のかなりの部分を肩代わりできる[4]。提案を採用するか、改善するか、捨てるかを判断するには経験が必要なのに[5]、その経験を積むために取り組んでいた仕事をAIが先に処理してしまう。

今後、エンジニアの仕事は、自分で作ることから、AIが作ったものを判断することへ比重が移っていくだろう。提示された設計を採用してよいか、動いているコードを本番へ出せるか、既存システムとの責任分界は妥当か、障害から復旧できるか。こうした判断は、AIが高度になっても簡単にはなくならないと思う。

障害復旧に苦労した経験があれば、似た設計を見たときに警戒できる。レビューで繰り返し指摘された問題は、自分でも気付きやすくなる。AIは答えや改善案を出せるが、なぜその判断が必要なのかを自分の経験として理解する過程まで、同じ形で代替できるとは限らない。

基礎知識がある若手の学び方

教育課程などでComputer Science(計算機科学)の基礎を学んだ若手にとって、生成AIは学習や開発を速める助けになると思う。データ構造、アルゴリズム、OS、ネットワーク、データベース、計算量といった知識があれば、回答の妥当性を確かめる手掛かりがある。知らない技術の調査や定型的な実装を任せ、設計や判断に時間を使うこともできる。

こうした若手は、以前より速く成長する可能性がある。ただし、生成AIによって若手全体の能力差が縮まるとは限らない[6]。基礎知識を使って回答を検討する人と、出力をほぼそのまま受け入れる人とでは、検討を通じて学ぶ機会にも差が生まれるからである。

この違いを考えると、AI時代には基礎教育の重要性がむしろ増す。AIから回答を得やすくなるほど、その内容を理解し、確かめるための知識が必要になる。

企業の採用と育成負担

経験者一人がAIを使って処理できる仕事量が増えれば、企業は少人数の経験者を中心に開発を進めやすくなる。若手を以前と同じように採用して育てる必要性は弱まり、採用する場合も、基礎力や成長性を示している人へ絞る企業が増えるだろう。

専門職であるソフトウェア開発に携わるなら、基礎を何らかの教育課程で学んでから実務に入る方が自然だと私は思う。これまでは、基礎が十分でなくても企業に入り、OJTで実装を繰り返しながら学ぶ経路が広く存在した。AIによって単純な実装作業の価値が下がれば、入社前に基礎を学び、実務ではより高度な判断力を鍛えるという役割分担へ変わる可能性がある。

問題は、企業が実務で判断力を鍛える機会まで削ってしまう場合である。現在の熟練者も、新人として簡単な仕事から任され、失敗やレビューを経て、徐々に難しい仕事を経験してきた。その過程で得た判断力を求めながら、育成途中の人材を減らせば、次の熟練者が育つ機会も減っていく。

一社だけなら、必要になったときに他社が育てた経験者を採用する方法がある。しかし、多くの企業が同じ方法を選べば、将来採用できる経験者そのものが減る。若手育成の負担を減らすことには個社としての合理性があっても、業界全体では育成を担う場所が必要になる。

人と仕事を進める経験

AIが使われるようになっても、他者の意図を確認し、要求を調整する仕事は残りやすい。仕様書の記述と利用者が本当に必要としているものが一致するとは限らず、要求同士が矛盾することもある。「この機能が欲しい」という要望を、そのまま実装することが最善とは限らない。

レビューでも、コメントを作るところはAIに任せられる場合がある[7]。それでも、指摘を採用するか、チームとしてどの設計を選ぶか、他の要求とどう優先順位を付けるかは、人間同士の調整になる。仕様の曖昧さに悩み、相手の意図を確かめ、異なる考え方と向き合う経験が、若手育成の中心になっていくのかもしれない。

AIを使う現場での訓練

実際の開発現場でAIを使うのであれば、若手も使った方がよい。そのうえで、AIが答えを出した後の工程を、学ぶ機会として設計する必要がある。

たとえば、提案された設計を別案と比較し、採用する理由を説明してもらう。どの条件で動かなくなるのか、本番で障害が起きたらどうなるのかを検討し、回答の正しさをどう検証するかまで考えてもらう。こうした過程がなければ、AIを操作する能力は伸びても、出力を評価する能力が育たない可能性がある。

基礎知識を持つ若手がAIを使い、以前より速く成長できる可能性はある。一方、企業が短期的な効率だけを求めれば、実務を通じて判断力を身につける経路は細くなる。AIに実装を任せた後も、若手が設計を選び、その理由を説明し、検証結果を受けて判断を見直す機会を、仕事の中に組み込んでおきたい。

参考文献

[1] Dylan Birtolo, “How to use GitHub Copilot: What it can do and real-world examples,” GitHub, 2025.
https://github.blog/ai-and-ml/github-copilot/what-can-github-copilot-do-examples/

[2] Elise Paradis, Kate Grey, Quinn Madison, Daye Nam, Andrew Macvean, Vahid Meimand, Nan Zhang, Ben Ferrari-Church, Satish Chandra, “How Much Does AI Impact Development Speed? an Enterprise-Based Randomized Controlled Trial,” 2025 IEEE/ACM 47th International Conference on Software Engineering: Software Engineering in Practice (ICSE-SEIP), 2025.
https://doi.org/10.1109/ICSE-SEIP66354.2025.00060

[3] Giovanni Viviani, Gail C. Murphy, “What really is software design?,” 2022 IEEE International Conference on Software Analysis, Evolution and Reengineering (SANER), 2022.
https://doi.org/10.1109/SANER53432.2022.00046

[4] Md Istiak Hossain Shihab, Chris Hundhausen, Ahsun Tariq, Summit Haque, Yunhan Qiao, Brian Mulanda Wise, Christopher Sanchez, “The Effects of GitHub Copilot on Computing Students’ Programming Effectiveness, Efficiency, and Processes in Brownfield Coding Tasks,” ACM International Computing Education Research Conference (ICER), 2025.
https://doi.org/10.1145/3702652.3744219

[5] Jenny T. Liang, Maryam Arab, Minhyuk Ko, Amy J. Ko, Thomas D. LaToza, “A Qualitative Study on the Implementation Design Decisions of Developers,” 2023 IEEE/ACM 45th International Conference on Software Engineering (ICSE), 2023.
https://doi.org/10.1109/ICSE48619.2023.00047

[6] James Prather, Brent N. Reeves, Juho Leinonen, Stephen MacNeil, Arisoa S. Randrianasolo, Brett A. Becker, Bailey Kimmel, Jared Wright, Ben Briggs, “The Widening Gap: The Benefits and Harms of Generative AI for Novice Programmers,” ACM Conference on International Computing Education Research (ICER), 2024.
https://doi.org/10.1145/3632620.3671116

[7] Ria Gopu, David Apirian, “60 million Copilot code reviews and counting,” GitHub, 2026.
https://github.blog/ai-and-ml/github-copilot/60-million-copilot-code-reviews-and-counting/

この記事を書いた人 Wrote this article

ぜんたろう

ぜんたろう

FP2級/宅建士。お金の話が好物。インデックス投資がメインなのに個別株・ETFにも手を出す。ここ数年で投資スタイルが確立した筈だがジャンク株に心を奪われがち。 --- 永遠の見習いプログラマ (SIer複数→スタートアップ複数→大きめベンチャー)

TOP