【人間と機械の役割分担を考えるシリーズ ⑨エンジニア編】AIがコードを書けるなら、エンジニアは何をするのか？ソフトウェア開発から考える、機械と人間の境界線

AIに、人間の仕事をどこまで任せるべきなのでしょうか。

これまで、

外科手術
司法
教育
税務・会計
クリエイター。
バンカー。
ライター。

さまざまな専門職について考えてきました。

そして、AIによって最も大きく変わりそうな仕事の一つを、まだ取り上げていませんでした。

💻 エンジニアです。

💻AI時代、エンジニアは「コードを書く人」から何になるのか

生成AIは、すでにコードを書けます。

1. プログラムを修正する。

2. テストを書く。

3. エラーの原因を探す。

4. ドキュメントを書く。

そしてAIエージェントは、複数の工程をまたいでソフトウェア開発を進め始めています。

では、AIが人間より速く大量のコードを書けるようになったら、

ではソフトウェアエンジニアは何をする人になるのでしょうか。

💻「AIを使えばプログラミングは速くなる」は、本当なのか？

2025年、AI研究組織METRが、とても興味深い実験を行いました。

対象となったのは、経験豊富なオープンソース開発者16人。

彼らが長年関わり、よく理解している大規模なコードベースで、246件の実際の開発タスクを行ってもらいました。

一部ではAIコーディングツールを使う。
一部では使わない。

そして、実際にかかった時間を比較しました。

開発者たちは実験前、

AIを使えば仕事が24％程度速くなる

と予想していました。

実験後にも、

20％程度速くなった

と感じていました。

ところが実測結果は逆でした。

AIを使った場合、

作業時間は平均19％長くなっていました。

これは、かなり意外な結果です。

💻なぜ、AIがコードを書いているのに遅くなったのか

理由を見ると、面白いことが分かります。

1. AIが出したコードを読む。

2. 既存コードとの整合性を確認する。

3. AIの提案を修正する。

4. 期待したものが出てこなければ、もう一度指示する。

5. テストする。

6. 問題があれば、自分で直す。

つまり、

「コードを書く時間」は減っても、「AIが書いたコードを理解し、検証する時間」が増えていた

のです。

さらに対象となった開発者たちは、自分たちのコードベースを非常によく知っていました。

コード生成能力が高いことと、ソフトウェア開発全体が速くなることは同じではない。

ということが見えてきます。

上記リンクの研究論文では、AIを使った場合に作業時間が19％増えた理由について、プロジェクトの規模や品質基準、開発者の経験など、複数の要因を検討しています。

💻もちろん、この結果がずっと続くとは限らない

ここは注意が必要です。

METR自身も、この研究を、

「AIコーディングツールは役に立たない」という証明だとはしていません。

対象は16人。

しかも経験豊富な開発者が、自分自身のよく知る成熟したオープンソースプロジェクトを扱った研究です。

初心者なら違うかもしれません。
新規開発なら違うかもしれません。

そして何より、AIのコーディング能力は猛烈な速度で進歩しています。

2025年の結果が、2027年にもそのまま成立するとは限りません。

むしろ重要なのは、

AIがもっと上手にコードを書けるようになったとき、人間の仕事はどこへ移るのか

です。

💻そもそも、エンジニアの仕事は「コードを書くこと」なのか？

ソフトウェア開発を少し分解してみます。

まず、

🎯 何をつくるのかを理解する。

次に、

• 問題を分解する。

• システムの構造を考える。

• データをどう持つか決める。

• セキュリティや性能などの制約を決める。

そして、

• コードを書く。

• テストする。

• 他のシステムとつなぐ。

• 運用する。

• 障害に対応する。

つまり、

要求理解
　→ 分解
　→ 設計
　→ 実装
　→ テスト
　→ 統合
　→ 運用

です。

「コードを書く」は、この長いプロセスの一部分にすぎません。

これまでプログラミングには大量の人間の時間が必要だったので、エンジニアというと「コードを書く人」という印象が強くなりました。

でもAIによってImplementation――実装のコストが急激に下がったら、どうなるでしょう。

💻Codeが安くなるほど、Specificationが高くなる

ここに、少し面白い逆転が起こると思います。

AIに、

「いい感じの顧客管理システムをつくって」

と頼むことはできます。

でも、

• 何を顧客と呼ぶのか。

• 顧客と案件はどういう関係なのか。

• 案件にはどんなステージがあるのか。

• どの条件で次のステージへ進むのか。

• 誰が変更できるのか。

• 1,000万円以上の案件では誰の承認が必要なのか。

• 個人情報はどこまで見せてよいのか。

• どんな状態を「異常」と考えるのか。

ここが曖昧なら、

AIがどれだけ高速にコードを書いても、正しいシステムにはなりません。

つまり、

Codeが安くなるほど、Specification――何をつくるのかを正確に定義する能力が高くなる。

のではないでしょうか。

💻そして、Architectureが重要になる

もう一つ重要なのが、

Architecture――構造を決めること

です。

AIは、一つひとつのコードを猛烈な速度で生成できます。

AIによって部品をつくるコストが下がれば下がるほど、

部品をどう組み合わせるかの価値は、むしろ上がるかもしれません。

🛡️ AIエージェント時代には、「制約」を設計する仕事も増える

これからAIは、コードを書くだけではなく、自分で作業を進めるようになります。

そうなったとき、人間のエンジニアが一行一行コードを書く必要は減っていくでしょう。

でも、その代わりに、

❓ どこまでAIに任せてよいのか

を決めなければなりません。

つまり人間には、

Constraint――制約を設計する仕事

が残ります。

これは、外科医の世界で見てきた「どこまでロボットに任せるのか」と、実は同じ問題です。

💻エンジニアは「書く人」から「レビューする人」になるだけなのか？

それだけでもないと思います。

AIがコードを書き、人間がひたすらチェックするだけなら、人間はAIの監視員になってしまいます。

そしてここには別の危険があります。

AIにコードを書かせ続ければ、

若手エンジニアは、

❓ なぜこのコードが動くのか。
🏗️ なぜこの設計なのか。
💥 どこで壊れるのか。

を自分で経験しなくなる可能性があります。

これは教育編で見た問題と同じです。

成果物ができることと、人間自身が能力を身につけることは同じではありません。

だからAI時代の開発組織には、

• AIに任せる仕事と、

• あえて人間自身に考えさせる仕事

の両方が必要になります。

💻研究者とエンジニアは、少し似てくる

前回、研究者について考えました。

AIが大量の論文を読み、
仮説をつくり、
実験案まで出せるなら、

研究者には、

「何を問うのか」

という仕事がより重要になるのではないか。

という話でした。

エンジニアにも似たことが起きます。

AIが大量のコードを書けるなら、

人間には、

「何をつくるのか」
「どんな構造でつくるのか」
「どんな条件を満たさなければならないのか」

を決める仕事が重要になります。

研究者なら、

Question。

エンジニアなら、

Specification / Architecture / Constraint。

です💡

💻AIがCodeを増やすほど、「構造」が希少になる

これまで専門職を見てきて、一つの共通点が見えてきました。

AIは、人間がこれまで時間をかけてつくっていたものを、大量につくれるようになります。

• 文章。

• 画像。

• 仮説。

• 分析。

• そしてコード。

すると、価値はその一段上へ移ります。

クリエイティブでは、

Content → Context / Meaning

へ。

研究では、

Answer → Question

へ。

そしてエンジニアリングでは、

Code → Specification / Architecture

へ。

AIがコードを大量につくる時代に希少になるのは、

コードそのものではなく、

何を、なぜ、どんな構造で、どんな制約の中につくるのかを決められる人

なのかもしれません。

AI時代の優れたエンジニアとは、

AIより速くコードを書く人ではない。

AIが安全に、正しく、意味のあるものをつくれる世界を設計できる人。

そんな専門家へ変わっていくのではないでしょうか。

「あなたの会社では、人間とAIがどう判断するように設計されていますか？」

もしこの記事にご興味を持っていただけましたら、こちらで僕が考える新しい仕事の定義も書いてみたので、ぜひご参照ください。

→みなさまそれぞれの立場や状況に合わせてどんなふうに仕事が変わっていくのか、一緒に考えられるコンテンツになっています^_^

📚 関連記事・マガジン

この記事は、「AI時代、人はどう生きるのか ～未来を考える～」シリーズの一編です。
AI時代・未来予測・働き方・教育・人間らしさをテーマに、社会の変化を読み解く記事を公開しています。ぜひ他の記事もご覧ください。

#生成AI #AIエージェント #税務 #会計 #KSK2 #国税庁 #TaxAdministration #経営戦略 #意思決定 #DX #AI活用 #AI時代の働き方 #AIエージェント #デジタルDX #業務効率化 #リスキリング #税務会計 #公認会計士 #税理士 #国税庁 #KSK2 #データ駆動経営 #コーポレートガバナンス #未来の働き方 #イノベーション #FutureDesign #クリエイティブ #プロフェッショナルサービス #経営者 #組織設計 #HumanAI  #生成AI #AIエージェント #エンジニア #ソフトウェア開発 #AIコーディング #組織設計 #Architecture #HumanAI #DX #未来の仕事

CROSS Business Producers
CROSS Graph Team
Knowledge Architect　フランソワ🐾
未来を描く事業開発のプロフェッショナル。
新規事業・AI戦略・未来構想の伴走支援を行っています。
「正しい戦略より、美しい構想を。」

💻ウェビナー開催！参加者募集中👇

今流行りの「 #データセンター 」「 #エネルギー 」に関する最新情報です！ぜひお申込みください✨