生成AIで、エンジニアの市場価値はどう変わるのか

生成AIがエンジニアの仕事に与える影響について、「なくなる」「なくならない」という議論が続いています。ただ、キャリアの判断に必要なのはその二択の結論ではありません。

必要なのは、自分の仕事のうちどの部分の価値が下がり、どの部分が下がらないのかを分解することです。

何の価値が下がっているのか

生成AIによって明確に効率化されたのは、「仕様が決まっているものを、コードにする」作業です。

これは実装作業の中でも、判断を必要としない部分です。既知のパターンの適用、定型的な変換、ボイラープレートの生成といった領域では、人が書く必然性が薄れています。

ここで注意したいのは、これが「実装力が不要になった」ことを意味しない点です。生成されたコードが妥当かどうかを判断するには、結局のところ実装力が必要です。変わったのは、実装力の使いどころです。

書く力から、読んで判断する力へ。同じ実装力でも、評価される用途が移っています。

影響は職種ではなく工程で決まる

「フロントエンドは危ない」「インフラは安全」といった職種単位の議論は、あまり役に立ちません。同じ職種の中でも、担当工程によって影響がまったく違うためです。

自分の業務時間のうち、上の表のどこに何割を使っているか。これを出すのが、いちばん実用的な現状把握です。上段に偏っている場合、担当範囲を変える必要があります。

「AIを使えること」は差別化にならない

生成AIを業務に取り入れることは、すでに差別化要素ではなくなりつつあります。使っているかどうかではなく、使ったうえで何を出せるかが問われる段階です。

したがって、キャリアの観点で意味があるのは次のような能力です。

• 生成されたものを検証できる: 動くコードと、運用に耐えるコードの区別がつく
• 問題を分解して渡せる: 曖昧な要求を、解ける単位に切り分けられる
• 判断の責任を持てる: なぜその方式にしたのかを、後から説明できる
• 人と合意を作れる: 技術的な選択肢を、非エンジニアが判断できる形で提示できる

これらはいずれも、生成AI以前から評価されていた能力です。新しい能力が必要になったというより、以前から差がついていた部分の差が、より見えやすくなったという表現のほうが近いと感じています。

キャリア判断への落とし込み

不安の解消として何かを学ぶより、次の順で確認するほうが判断につながります。

1. 自分の業務時間の内訳を出す: 上の表のどの工程に、何割使っているか
2. 代替されやすい工程の比率を見る: 半分以上なら、担当範囲を変える交渉を先に行う
3. 現職でずらせるかを判断する: 設計や要件確定に関われる余地があるか
4. ずらせない場合に、外に出る選択肢を検討する

3の段階で「うちでは役割は変えられない」となる会社は少なくありません。その場合、能力の問題ではなく機会の問題なので、環境を変えることが解になります。

予測に賭けないこと

生成AIが数年後にどこまで到達するかは、誰にも正確には分かりません。したがって「AIがここまでしかできないから安全」という前提でキャリアを組むのは、賭けに近くなります。

より安全なのは、AIの進歩速度に依存しない部分を厚くすることです。事業の理解、業務ドメインの知識、組織を動かす力。これらは、仮に生成AIがさらに進歩しても、価値が急落しにくい領域です。

技術を学ばなくてよいという意味ではありません。技術だけを積むと、供給が増えた瞬間に相対価値が下がる、という構造を認識しておくという話です。