ソフトウェアエンジニア人生サバイバルガイド / Software Engineers Survival Guide 202604 Edition

株式会社リクルート新人研修
2026年4月6日

Transcript

1. ソフトウェアエンジニア人生 サバイバルガイド 2つの現実とその対策 Apr 06, 2026 ＠リクルート新人研修 和田 卓人 (Takuto WADA) id:t-wada 📷🙆 🙆 @t̲wada @twada @twada
2. 現実1: 技術には大きな変化のうねりがある 実 現 • トレンドの振り子: 技術トレンドは振り子のように行ったり来たりする • 例: リッチクライアント シンクライアント • 例: 集中アーキテクチャ 分散アーキテクチャ • 例: RDBMS ポリグロット（適材適所）DB • ゲームチェンジャーの存在: 十数年に1回程度の頻度で出現する破壊的技術 • 例: インターネット • 例: クラウドコンピューティング • 現在：LLM / Agentic Coding
3. 現実2: 可処分時間はどんどん短くなる • 裁量が大きく責任が重く • 部下、チーム運営、複数ポスト兼任 • 独立、起業 • ライフステージの変化 • パートナー、結婚、子育て、親の介護 • 特に子どもが生まれると勉強時間は大幅に制限される • 身体の変化 • 肉体や脳の衰え、老眼の始まり • 大病や事故のリスクも 実 現 • 責任とポジションの変化
4. 対策1: リスクを分散する
5. あなたの知識ポートフォリオに対して定期的な投資を行うこと 策 対 1. 真面目な投資家は習慣的に定期的な投資を行います。 2. 分散投資は長期的な成功の鍵です。 3. 頭の良い投資家は、堅実な投資と、ハイリスクでハイリターンな投資で ポートフォリオのバランスをとっています。 4. 投資家は利益を最大にするべく、安く買い、高く売ろうとします。 5. ポートフォリオは定期的に見直して再配分するべきです。 『達人プログラマー 第2版』 p.18
6. 「T字型」ではなく複数の専門性の柱を
7. ロードマップ指向とエコシステム指向
8. ロードマップ指向とエコシステム指向 https://essa.hatenablog.com/entry/20140330/p1
9. 対策1まとめ: リスクを分散する 策 対 • スキルの分散投資 • 1つの技術に固執するリスクを避ける • 「10年かけて3つの専門性の柱を立てよう」 • ある程度ジャンルが離れた技術を複数習得 • リスクとリターンのバランスを意識する • 枯れた技術：安定しているが市場価値の変動は小さい • ホットな技術：ハイリスクハイリターン、ほとんどは流行らない • ロードマップ指向の技術かエコシステム指向の技術かを見極める • バランスを意識した技術選択
10. 対策2: 打率を高める
11. 技術は「振り子」
12. 技術は「らせん」
13. 講演「技術選定の審美眼」 https://speakerdeck.com/twada/understanding-the-spiral-of-technologies-2025-edition
14. 講演「技術選定の審美眼」 fi https:// ndy-code.io/media/articles/event-twada-250514
15. 対策2まとめ: 打率を高める • すべての技術に手を出すのは不可能 • 絶好球（ゲームチェンジャー）を見逃さない • 技術トレンドの「らせん」を理解する • トレンドは振り子だが実際は「らせん」軌跡 • 前回との技術的差分を見抜くことが重要（ベテランの数少ないアドバンテージ） • 若手へのアドバイス「覚え、見届けよう」 • どのような問題を解決するために出てきたのかを覚える • その技術は結果的にどうなったのかを見届ける • 設計の判断力は答え合わせで磨かれる 策 対 • 選球眼を鍛える
16. 対策3: 効率/効果を高める
17. 学びと脳 感覚記憶 0.5 〜 2sec 短期記憶 15 〜 30 sec 長期記憶 死ぬまで?
18. 効果の高い学習法を知る Active Recall Spaced Repetition Elaboration ピッカーを育てる = 反復練習 何度も長期記憶から出し入れする 荷物を他の荷物とくっつける = 精緻化 新しい知識を既存の記憶と積極的に結びつける
19. 静かな時間を作り、学びの瞬発力を高める https://speakerdeck.com/twada/understanding-the-spiral-of-technologies-2025-edition
20. やる気や調子に依存しない継続力を高める
21. 対策3まとめ: 効率／効果を高める 策 対 • 学び方を学ぶ • 脳の仕組みを学ぶ。効果の高い学習法を知る • 瞬発力を高める • 短い空き時間で一気に集中モードに入る短距離走のような学習スタイル • 静かな時間をつくり、短時間で手を動かしながら学習 • 継続力を高める • 長期間にわたってコツコツと継続的に学び続けるマラソンのような学習スタイル • やる気や調子に依存しない、やる気ゼロでも着手できるしくみ化が重要
22. 2つの現実と3つの対策のまとめ • 2つの現実 • 現実1: 技術には大きな変化のうねりがある • 現実2: 可処分時間はどんどん短くなる • 3つの対策 • 対策1: リスクを分散する • 対策2: 打率を高める • 対策3: 効率／効果を高める • 対策4: AI をスキル形成に使う
23. One more thing... • 2つの現実 • 現実1: 技術には大きな変化のうねりがある • 現実2: 可処分時間はどんどん短くなる • 4つの対策 • 対策1: リスクを分散する • 対策2: 打率を高める • 対策3: 効率／効果を高める • 対策4: AI をスキル形成に使う
24. 2025年に起こったこと • Vibe Coding（Andrej Karpathy） • The 70% problem（Addy Osmani） • The End of Programming as We Know It （Tim O'Reilly） • AI Slop: もっともらしい出力による、他者へのレビュー負担押しつけ • FOMO: Fear of Missing Out、乗り遅れる恐怖感にさいなまれる • November 2025 in ection: • コーディングエージェントの能力が11月に大きく向上 • The 80% Problem（Addy Osmani） • コーディングエージェントは使うか使わないかではなく、どう使うかの段階 fl に既に入った
25. AIは増幅器
26. DORAレポート2025: AIは増幅器であり、組織の能力を映す鏡 https://dora.dev/research/2025/
27. 個人と組織が能力を上げなければならない • 「AI は知識の代替ではなく増幅器」 by Tomohisa Takaokaさん • AI（Arti cial Intelligence）は IA（Intelligence Ampli er） • 「高度なAIは自分の鏡みたいなもので、AIから引き出せる性能は、自分の能力に そのまま比例する」 by mizchi さん • 高度なAIは組織の鏡みたいなもので、AIから引き出せる性能は、組織の能力 にそのまま比例する • 労力は外注できるが、能力は外注できない fi fi • 個人と組織が共に能力を上げなければならない
28. わからないものはレビューもデバッグもできない https://x.com/t̲wada/status/1859756507115684348
29. 能力向上のためにも AI を使う • Output を出すためだけでなく、自分たちの能力を上げるためにも AI を使う • 批判的レビュアーとして使う • 根負けしない議論相手として使う • 新しい言語を学ぶために使う • あえてのオーガニック・コーディングも良い • アウトプット最小、フィードバック最大になる • コード差分からドキュメントを生成する手法もある • 能力差を埋めるツールを活用する • 例: SDD 系ツール（Kiro, spec-kit 等）
30. 学びにも追い風が吹いている https://x.com/t̲wada/status/1880037737392402496
31. AIが スキル形成に与える影響
32. https://arxiv.org/abs/2601.20245
33. https://arxiv.org/abs/2601.20245
34. https://arxiv.org/abs/2601.20245
35. 理解とスピードはトレードオフではない https://arxiv.org/abs/2601.20245
36. 変化を抱擁せよ
37. 「賭ける」べきか否か • 結局のところ「 code = ai(docs) 」はほとんどの場合成り立つのだろうか？ • 既存コードを直すより、ドキュメントから生成し直す方がはやくかつ良くな るのだろうか？ • 結局のところ抽象度が一段上がるのだろうか？ コードはアセンブラ相当に なり、自然言語がコード相当になるのだろうか？ • アセンブラは確かに一方通行だ • ともすると「問題は将来のAIが解決してくれるはず」と考えがち • これまでのスキルは競争力を失うのだろうか？ • 我々は「◦◦◦」をやめるべきなのだろうか？
38. 「〜べきか否か」という問いの立て方は誤っている • 我々はいま生成 AI の光に目を焼かれて視野狭窄を起こし、バイアスの下にいる • 『決定力! :正解を導く4つのプロセス』を読むとバイアスとの戦い方がわかる • 「〜べきか否か」という問いの立て方は失敗に導かれやすい • "whether or not" ではなく "compare and contrast" • XOR ではなく AND • 決定を遅延すれば良い。選択肢を広げれば良い。 賭けるのではなく「両にらみ」で行けば良い • 不確実な状況下において選択肢を狭めるのは危険でしかない https://www.amazon.co.jp/dp/B00HS9IP26
39. アマラの法則 We tend to overestimate the e ect of a technology in the short run and underestimate the e ect in the long run. 私たちは技術の短期的な効果を過大評価し、 長期的な効果を過小評価する傾向がある ff ff https://en.wikipedia.org/wiki/Roy̲Amara
40. 「変化を抱擁せよ」 • 私たちは技術の短期的な効果を過大評価し、長期的な効果を過小評価する 傾向がある • 世界は思ったよりはゆっくりと、だが確実に大きく変わる • 賭けなくていい。可能性を並べ、手を動かして評価し、変化を楽しもう
41. ご清聴ありがとうございました • 2つの現実 • 現実1: 技術には大きな変化のうねりがある • 現実2: 可処分時間はどんどん短くなる • 4つの対策 • 対策1: リスクを分散する • 対策2: 打率を高める • 対策3: 効率／効果を高める • 対策4: AI をスキル形成に使う