AI時代のエンジニアキャリアについて今一度考える

Global Engineers Meetup #3 - 「AI時代のエンジニアキャリア論」の発表スライド

Transcript

1. GLOBAL ENGINEERS MEETUP #3 ― 「AI時代のエンジニアキャリア論」 AI時代のエンジニアキャリアについて 今一度考える 変わるもの、変わらないもの サカモト @sakamoto_582 InterviewCat 01
2. 自己紹介 自己紹介 サカモト @sakamoto_582 （X ） 本業：某社でソフトウェアエンジニア 副業：エンジニア向け面接対策プラットフォーム・ジョブボード「InterviewCat」を運用 主にXでキャリア・技術に関する発信をしています 著書： 『エンジニアのキャリア地図』 （ソシム社より発売中） InterviewCat 02
3. AIエージェントによって我々は何が変わったか コードは「書く」から「任せる」へ 純粋な情報処理速度・知識量では、AIはすでに私たちの多くを上回っている。 2025年末〜現在：具体的に指示しないと使えなかったAIエージェントが、 「ざっくり渡すだけ」で高品質 なコードを書ける時代に 修正箇所が明確に分かっている場合ですら、関連ドキュメント・コードごとまるっと直してくれるAIに委 譲した方が速い 結果：コンフィグ値の変更程度はあっても、ロジックを自分で考えて書くことは極めて稀になった InterviewCat 03
4. 今後のAI時代のエンジニアキャリアについて 「これからの10年、キャリアをどこへシフトさせ、何を磨くべきか？」 特に不安が大きいのは20代の若手 — 本日はその世代に向けた内容。一口 にエンジニアと言っても多様で、全員に当てはまる話ではない。 InterviewCat 04
5. 本日言いたいこと AIを運用し、管理し、設計し、最後に意思決定するのが人間である限り、 我々のソフトウェアエンジニアリングの本質は変わらない。 いま起きているのは「代替」ではなくデリゲーション（委譲） オーナーシップ（何を・なぜ作るか）は依然として人間の側にある オーナーが人間である限り、私たちが取るべき道は本質的に大きく変わらない InterviewCat 05
6. 第1章 CHAPTER 01 なぜ本質は 変わらないのか InterviewCat 06
7. ソフトウェアは「組織」の鏡 唯一解がない 外から見れば同じ「Xのようなサービス」でも、スタートアップと大規模サービスでは裏側の正解がまった く違う。 スタートアップ スピード重視／機能優先／技術的負債は許容 大規模サービス 信頼性／セキュリティ／保守性が最優先 正解はフェーズ・組織・制約というコンテキストで決まり、フェーズに応じてシステムを変化させ続ける必要がある。 InterviewCat 07
8. 正解はコンテキスト次第 素人は「AIの出力が正しいか」を判断できない コンテキストを与え、出力の正しさを判断できる人間 = エンジニアが必要。 デフォルトのモデルにポン出しで聞いても、 「組織のコンテキストに合ったもの」は出てこない 唯一解がない領域では、素人はAIの出力の正しさを判断できない。人は答えがあると安心するが、この 世界に不変解はない InterviewCat 08
9. 責任は使った人間に帰属する わからないものを動かす怖さ → → 結局 エンジニアを雇う 「雇わないリスク」が採用・人件費コストを上回る限り、企業はエンジニアを雇う。 （目的はエンジニア削減ではなく、ビ ジネスの成長だから） InterviewCat 09
10. 安くなるほど需要は増える AIによって仕事は減らず、増える（ジェボンズのパラドックス） 技術進歩で資源利用の効率が上がると、その消費は むしろ増える。 — 19世紀・産業革命の石炭の例 コードを書くコスト　→（下がる） ソフトウェアの需要 効率が上がる — AIで「書くコスト」が劇的に低下 01 採算ラインが下がる — 今まで割に合わなかった領域がソフ トウェア化の射程に入る 02 需要が増える — 眠っていたアイデアがすぐ形になる。仕事 の総量はむしろ増える 03 InterviewCat 10
11. 評価は変化を追い越さない 採用・評価の現場は、実はまだ変わっていない InterviewCatでの転職支援（メガベンチャー中心）から見える実態 選考プロセス 評価の本質 大きな変化はない。 「AIをどう使っていますか」は追加質問であっ て選考の軸を置き換えるものではない 評価軸は依然として：思考力・技術力・問題解決力・コミュニケ ーション能力・実績 AIなしのコーディング面接も残存 — 「人の能力を測る」良い代替 手段がまだ存在しないため 人が中心の社会である限り、評価はその人がAIを使って生み 出した価値に紐づく 「AIにやらせた」だけでは評価されない。なぜその判断をし たかを自分の言葉で説明できるかが問われる InterviewCat 11
12. 第1章まとめ 代替ではなく委譲になっている時点でエンジニアは置き換わらない ↓ いま起きているのは「代替」ではなく「委譲」 。 ソフトウェアエンジニアリングの本質は変わらない。 では「これから何を磨くか」 。 InterviewCat 12
13. 第2章 CHAPTER 02 これから何を磨くか AI時代に磨いていくもの InterviewCat 13
14. 全員がAIエージェントチームを率いる 全員が「ハイレベルなエンジニアの役割」へ AIが担う領域 委譲される作業 実装・テストコード・ドキュメント作成 バグ調査・修正 運用・オンコール対応の自動化 実はこれ、シニア以上のエンジニアが元々やっていた仕事。レベルが上がるほどコーディング比率は下がり、アーキテク ト・テックリード的役割が増えていた。 InterviewCat 14
15. 価値が上がる力 ① 基礎技術力（≠ 暗記） コマンドや文法などの個別の知識は、聞けば出てくる。価値が上がるのは「なぜそう動くのか」という原理の理解 ——それが2つの力に効いてくる。 私が実際に経験した例 並行処理システムでの二重実行問題。PostgreSQLやMongoDBの具体的な機能を知らなくても、競合状態の原理を理解していれば、AIの提案をその場で速 く理解し、採否を判断できた。 基礎技術力 = 未知を速く理解し、設計に応用する力。 InterviewCat 15
16. 価値が上がる力 ② リーダーシップ（≠ 役職） 実務がAIに委譲されるほど、人間には「何を作るかを決めること」と「人を巻き込みながら価値を生み出すこと」が 求められる。 「全員が リーダーであれ。 」 — マネージャーからよく言われていた言葉 生産性が上がり、やることが増えた結果——リードできるエンジニアがより必要とされる。 組織にとって価値のある課題を自分で見つける 01 オーナーシップを持って主体的に推進する 02 最後まで結果にコミットする 03 InterviewCat 16
17. 価値が上がる力 ③ 開発を自動化する力 最大のボトルネックはコードを書くことではなく「評価」——動かして結果を見るまで正しさは分からない。だ から、評価まで自動化した環境を設計する。 → 検証・評価 E2E・メトリクスで目標を満たしたか → 人が介在せず、AIが自走でこのループを回し続ける 実践例 パフォーマンス改善 なぜ技術力が要るか AIにパフォーマンス改善を指示するだけでは、何が「正解」かを 理解できない 改善前後の正しいメトリクスをコンテキストとして渡す 目標値に達しているかを自律的に検証し、達していなければ再度 修正させる どんなメトリクスが要るかを判断できる どうすれば自律検証できるかを設計できる 正しいゴールさえ与えれば、AIは人間より速く回す InterviewCat 17
18. これからのキャリアで大事にするもの 引き続き実績は大切 人が中心である社会である限り、あなたの実績と能力が評価される構図は変わらない。だからこそ、簡単に積み にくい実績に投資する。 投資すべき実績（需要があり獲得しにくい分野） AI時代ならではの一例 DevEx 何もないところから一人では作りにくい実績こそ、あなたの価値になる。 高難易度なシステム開発の経験 特定のドメインに関わるシステム開発の経験 数百万人規模の大規模サービスを開発・運用した経験 自分たちの開発をAIでどう効率化したか それを横展開し、AI開発を組織に定着・スケールさせた InterviewCat 18
19. 磨いた先にあるもの 自分の能力を高めながら実績を作り、それが次の実績に繋がる ↓ 一人では作れない規模の 価値 = 実績 → → この好循環を回し続けることが、AI時代のキャリア戦略そのもの。 InterviewCat 19
20. 最後に伝えたいこと ソフトウェアエンジニアリング、システム設計、アーキテクチャを、これから も継続的に学び続ける。 その土台があることでAI時代出会っても我々は引き続き専門職として必要とされる。 学ぶことを、やめるべきではない。 InterviewCat 20
21. THANK YOU ご清聴 ありがとうございました サカモト @sakamoto_582 InterviewCat InterviewCat 21