[{"data":1,"prerenderedAt":309},["ShallowReactive",2],{"article:\u002Fai\u002Fengineer-market-value":3,"surround:\u002Fai\u002Fengineer-market-value":292,"related:ai:\u002Fai\u002Fengineer-market-value":303},{"id":4,"title":5,"affiliate_services":6,"author":7,"body":8,"category":270,"description":271,"extension":272,"image":273,"intents":274,"is_pr":276,"meta":277,"navigation":278,"path":279,"persona":280,"priority":281,"published_at":282,"review_status":283,"search_intent":284,"seo":285,"stem":286,"tags":287,"target_keyword":290,"updated_at":282,"__hash__":291},"articles\u002Fai\u002Fengineer-market-value.md","生成AIで、エンジニアの市場価値はどう変わるのか",[],"nishida",{"type":9,"value":10,"toc":260},"minimark",[11,15,18,38,41,45,48,51,54,57,60,63,149,152,156,159,162,189,192,198,201,204,230,233,241,244,247,250,253,257],[12,13,14],"p",{},"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。",[12,16,17],{},"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。",[19,20,22],"callout",{"type":21},"summary",[23,24,25,29,32,35],"ul",{},[26,27,28],"li",{},"下がっているのは「書けること」の相対価値。上がっているのは「決められること」の価値",[26,30,31],{},"影響の大きさは職種ではなく、担当している工程で決まる",[26,33,34],{},"「AIを使えること」自体は差別化にならない。前提条件になりつつある",[26,36,37],{},"キャリアの判断は、AIの進歩予測ではなく、自分の工程の代替可能性で行う",[39,40],"article-toc",{},[42,43,44],"h2",{"id":44},"何の価値が下がっているのか",[12,46,47],{},"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。",[12,49,50],{},"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。",[12,52,53],{},"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。",[12,55,56],{},"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。",[42,58,59],{"id":59},"影響は職種ではなく工程で決まる",[12,61,62],{},"「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。",[64,65,66,82],"table",{},[67,68,69],"thead",{},[70,71,72,76,79],"tr",{},[73,74,75],"th",{},"工程",[73,77,78],{},"影響",[73,80,81],{},"理由",[83,84,85,97,108,119,129,139],"tbody",{},[70,86,87,91,94],{},[88,89,90],"td",{},"決まった仕様の実装",[88,92,93],{},"大きい",[88,95,96],{},"判断が不要なため代替されやすい",[70,98,99,102,105],{},[88,100,101],{},"既存コードの調査・理解",[88,103,104],{},"中程度",[88,106,107],{},"補助はできるが、文脈の判断は残る",[70,109,110,113,116],{},[88,111,112],{},"設計・技術選定",[88,114,115],{},"小さい",[88,117,118],{},"制約条件の把握と責任の引き受けが必要",[70,120,121,124,126],{},[88,122,123],{},"要件の確定",[88,125,115],{},[88,127,128],{},"決めるべきことを決める行為そのもの",[70,130,131,134,136],{},[88,132,133],{},"障害対応・原因特定",[88,135,104],{},[88,137,138],{},"仮説は出せるが、本番環境の判断は人が行う",[70,140,141,144,146],{},[88,142,143],{},"組織・チームの運営",[88,145,115],{},[88,147,148],{},"対象が人であり、代替の対象になっていない",[12,150,151],{},"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。",[42,153,155],{"id":154},"aiを使えることは差別化にならない","「AIを使えること」は差別化にならない",[12,157,158],{},"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。",[12,160,161],{},"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。",[23,163,164,171,177,183],{},[26,165,166,170],{},[167,168,169],"strong",{},"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",[26,172,173,176],{},[167,174,175],{},"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",[26,178,179,182],{},[167,180,181],{},"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",[26,184,185,188],{},[167,186,187],{},"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",[12,190,191],{},"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。",[19,193,195],{"type":194},"note",[12,196,197],{},"「AIスキルを身につける」を目標にすると、ツールの操作を覚える方向に流れがちです。市場価値の観点では、扱えるツールの数より、担当している工程を上流にずらすほうが影響が大きくなります。",[42,199,200],{"id":200},"キャリア判断への落とし込み",[12,202,203],{},"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。",[205,206,207,213,219,225],"ol",{},[26,208,209,212],{},[167,210,211],{},"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",[26,214,215,218],{},[167,216,217],{},"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",[26,220,221,224],{},[167,222,223],{},"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",[26,226,227],{},[167,228,229],{},"ずらせない場合に、外に出る選択肢を検討する",[12,231,232],{},"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。",[234,235,238],"cta",{"label":236,"to":237},"年収と市場価値の関係を整理する","\u002Fcareer\u002Fraise-salary",[12,239,240],{},"市場価値をどう測るかについては、こちらの記事で扱っています。",[42,242,243],{"id":243},"予測に賭けないこと",[12,245,246],{},"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。",[12,248,249],{},"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。",[12,251,252],{},"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。",[254,255],"faq",{":items":256},"[{\"q\":\"若手エンジニアは特に不利になりますか？\",\"a\":\"「決まった仕様を実装する」工程が担当の中心になりやすいため、影響を受けやすい立場ではあります。設計や要件の議論に早い段階から参加できる環境かどうかが、以前より重要になっています。\"},{\"q\":\"AIエンジニアに転向すべきですか？\",\"a\":\"転向自体が目的になると、既存の強みを捨てることになりかねません。現職のドメイン知識と組み合わせられるかを先に検討してください。\"},{\"q\":\"何を学べばよいですか？\",\"a\":\"一般解はありませんが、担当工程を上流にずらすために必要なもの（設計、ドメイン知識、要件定義）は、AIの進歩に左右されにくい領域です。\"}]",[258,259],"related-articles",{},{"title":261,"searchDepth":262,"depth":262,"links":263},"",3,[264,266,267,268,269],{"id":44,"depth":265,"text":44},2,{"id":59,"depth":265,"text":59},{"id":154,"depth":265,"text":155},{"id":200,"depth":265,"text":200},{"id":243,"depth":265,"text":243},"ai","生成AIによってエンジニアの仕事のうち何が置き換わり、何が残るのか。実装力の相対価値の変化と、これから評価される能力を、キャリア判断の観点から整理します。","md",null,[275],"ai-anxiety",false,{},true,"\u002Fai\u002Fengineer-market-value","25〜45歳のITエンジニア。生成AIを日常的に使い始めているが、自分のキャリアへの影響を測りかねている。",85,"2026-08-16","published","生成AIによって自分の仕事がなくなるのか、市場価値がどう変わるのかを知りたい。何を身につければよいのかの指針が欲しい。",{"title":5,"description":271},"ai\u002Fengineer-market-value",[288,289],"生成AI","市場価値","AI エンジニア 市場価値","BmUF_NaRZB0454jHABnbLcnUc-sAyTwuipxe0J19-tw",[293,298],{"title":294,"path":295,"stem":296,"description":297,"category":270,"children":-1},"AIエンジニア・データサイエンティスト・機械学習エンジニアの違い","\u002Fai\u002Fengineer-job-types","ai\u002Fengineer-job-types","AI関連の職種は求人票では区別が曖昧なまま使われています。それぞれが実際に何をする仕事なのか、必要な経験がどう違うのかを、転職の判断に使える形で整理します。",{"title":299,"path":237,"stem":300,"description":301,"category":302,"children":-1},"エンジニアが年収を上げる方法を、構造から整理する","career\u002Fraise-salary","エンジニアの年収は努力量では決まらず、事業の収益性・役割・希少性の3つで決まります。今の会社で上げる方法と、動いて上げる方法を切り分けて解説します。","career",[304,305],{"path":295,"title":294,"description":297,"category":270,"updated_at":282},{"path":306,"title":307,"description":308,"category":270,"updated_at":282},"\u002Fai\u002Fai-job-posting","「AI活用」と書かれた求人票の読み方｜入社後の落差を防ぐ確認項目","求人票の「AI活用」「生成AI導入」は実態の幅が非常に広く、入社後の落差の原因になります。求人票のどこを見れば実態が分かるか、面接で何を聞くべきかを整理します。",1786865828786]