「AIでエンジニアは要らなくなる」のか
「これからAIが進化したら、エンジニアの仕事は半分になりますよね」——当社の中途採用面接でも、SNS でも、ここ数年ずっと耳にする問いです。私自身、こうした質問をいただくたびに、半分は同意し、半分は強い違和感を覚えます。実装やドキュメント作成の速度が上がるのは間違いない。しかし「だからエンジニアの価値が下がる」と結論するのは、現場で起きていることと噛み合いません。
本記事では、当社で複数の業務系SI・Web系プロジェクトのメンバーを束ねてきたPLクラス・マネージャーへのインタビューをもとに、AI時代 エンジニア 求められる力を5つに整理します。私たちが採用面接で見ているもの、現場で「この人は強いな」と感じるエンジニアの共通点、そして AI 登場後に厳しくなりそうな傾向を、現場の観察視点として共有します。
現場マネージャーが見ている、変わらず必要な5つの力
複数のマネージャーへの取材で繰り返し挙がったのは、次の5つの力です。それぞれ単独のスキルというより、互いに重なり合って「任される」を作っています。
- 顧客・業務の曖昧さを整理する力
- 設計の意図を自分の言葉で語る力
- 失敗を構造的に振り返り、次に活かす力
- チームを動かす、信頼の積み重ね
- 自分の強みと弱みを正確に語れる解像度
ここから一つずつ、現場マネージャーが何を見て「この人は強い」「この人は厳しいかもしれない」と感じているかを掘り下げます。AI時代の文脈で語りますが、本質はAI登場以前から変わらないものです。エンジニア スキル 不変というのは、こういうことです。
顧客・業務の「曖昧さ」を整理する力
第一に挙げられるのは、顧客や業務の曖昧さを言語化する力です。
「AIを使う上で一番のリスクは、曖昧な指示をそのまま投げてしまうことです。とりあえず依頼すれば『何となく動くもの』は速く作れてしまいますが、それが業務の本質からズレていれば、単なるゴミを高速生成しているのと変わりません」
業務系SIで複数の基幹システム案件を率いてきた当社のマネージャーは、こう言い切ります。AIに渡す前提条件——何が目的で、何が前提条件で、何が対象外で、どこが完了のラインなのか——を整理できるかどうかが、これからの強いメンバーの分かれ目だ、と。
「これからの強いメンバーは、顧客の要望をAIが理解できるレベルまで解像度高く整理できる人です。土台をしっかり設計できる人は、AIを最強の右腕として使いこなせるはずです」
別のマネージャーは、AIの出力に対する「ジャッジ」の重要性を強調します。AIはそれらしい答えを出すが、顧客の特殊な業務要件と合致しているか、既存仕様と矛盾しないかまでは保証してくれない。例外ケースの考慮や品質リスクの最終確認に「これでよし」とハンコを押せるのは、あくまで人間です。AIを使いこなすこと以上に、AIの出力に対してプロとして責任を持てるか。それがこれからのエンジニアの生命線になるのです。
設計の意図を、自分の言葉で語る力
ふたつめは、設計や実装の意図を自分の言葉で説明できる力です。AIが書いたコードであっても、その妥当性を人間が説明できなければプロの仕事として成立しません。
「AIを使って効率化することはもはや前提です。しかし、AIが生成したアウトプットをそのまま提示して満足する人は、プロとは呼べません。大切なのは、AIの提案を自分の血肉にし、『自分の言葉』で説明できるかどうかです」
この力は、AI時代に始まったものではありません。「なぜこの設計を選んだのか」「なぜこのコードで安全だと言い切れるのか」「残っているリスクはどこか」を語れるかどうかは、AI登場以前から、現場でリーダー役を任される人とそうでない人を分けてきた境界線です。エンジニアの提案力という観点でエンジニアの「提案力」とは何かでも別の角度から扱っていますが、本質は同じ。説明責任を自分で引き受けられるかどうかが、AIによってより前面に出てきたというのが正確な見方ではないでしょうか。
逆に怖いのは、AIの出力をノーチェックで鵜呑みにする姿勢です。あるマネージャーは「AIがそう言ったから、という言い訳ほど危ういものはない」と語ります。AIが出す答えはあくまで一般論であって、その顧客独自の運用ルールや既存システムとの細かな整合性まで完璧に見抜けるわけではない。AI時代に淘汰されるのは「AIを使えない人」ではなく、「AIを使った結果に対して、自分の名前で責任を持てない人」なのだと、彼は言います。
失敗を構造的に振り返る力
3つめは、失敗の扱い方です。マネージャーたちが採用面接で必ず尋ねるのが「一番痛い失敗談」だと聞いて、私自身も改めて重要性を感じました。
「成功体験よりも、失敗談にその人の仕事に対する誠実さが如実に出ます。失敗を環境や他人のせいにして片付けていないか。自分の至らなさを正視し、二度と同じ過ちを繰り返さないために何を仕組みとして変えたのか。こうした自己反省と改善のプロセスは、AIには真似できない極めて人間的な強さです」
ミスをしない人はいません。ただ、ミスをした後の振る舞いには残酷なほど差が出ます。強いエンジニアは失敗した時に決して環境や他人のせいにせず、痛みを伴いながらも自分の行動を振り返り、「次はこう防ぐ」という具体的な改善に繋げられる。これはAIを使う時も同じです。「AIが間違えたから」と言い訳をするのか、それを見抜けなかった自分の責任として捉えるのか。その誠実さが、周囲からの信頼を形作り、より大きな仕事を任される原動力になっていく。
私が採用や育成の現場で見ていて感じるのも同じです。失敗を「自分の血肉に変える力」を持つエンジニアは、技術トレンドが何度入れ替わっても、必ず現場から求められ続けます。逆にこの力が薄いと、AIで効率化された後の現場では、失敗したときの拠り所を持たないまま流されてしまうのです。
チームを動かす、信頼の積み重ね
4つめは、技術力ではなく信頼の話です。
「AIのおかげで、若手が一定の成果を出すまでの時間は確実に短縮されるでしょう。けれど、それでプロとして信頼されるかどうかは全く別の話です。約束した納期を守る、懸念点を早めに共有する、自分の成果物を自ら疑い、品質を担保する。こうした泥臭い基本の徹底こそが、周囲の信頼を勝ち取る唯一の道です」
このマネージャーが語ってくれたのは、AI登場後も変わらない「信頼の土台」の話です。基本ができている人こそが、AIという翼を得て、誰よりも高く飛べるようになる。逆に、これからの時代に厳しくなるのは「言われた通り」をこなすだけのスタンスに慣れきってしまった人だと言います。仕様の背景を疑わず、目的も確認せず、ただ作る——それならAIの方が圧倒的に速くて正確です。
「単純に手を動かすだけのステージから脱却し、物事を整理して判断し、その結果に責任を持つ。その『人間側にしかできない領域』に踏み出せるかどうかが、エンジニアとしての寿命を左右すると確信しています」
信頼は一度の大きな成果ではなく、日々の小さな約束を守り抜くことで積み上がります。報告の解像度を上げる、リスクを早めに共有する、納期を守る。地味で当たり前の振る舞いほど、AI時代にむしろ存在感を増していくはずです。
自分の強みと弱みの解像度
5つめは、自分自身を冷静に語れるかどうかです。採用面接で何を見ているか、あるマネージャーはこう答えてくれました。
「面接の場で、僕は技術キーワードや経験年数にはあまり執着しません。本当に知りたいのは、その人が現場で『何を判断してきたか』です。『要件定義をやりました』と言われても、ただ議事録を取っていただけなのか、それとも対立する要望を整理して一つの仕様に落とし込んだのかでは、経験の質が天と地ほど違います」
「やったこと」と「責任を持って判断してきたこと」は、外から見ると似ていても中身が大きく違います。進捗管理にしても、単に表を更新していただけの人と、遅延の真因を突き止めて自ら泥を被って調整した人とでは、醸し出す説得力が違うものなのです。
このマネージャーが見ているのは、行動の裏にある「覚悟」と、自分の経験を曇りなく語れる解像度です。AIに代替できない「合意形成」や「責任を持って前に進める力」を、これまでの行動の中でどう発揮してきたか。それを自分の言葉で語れる人ほど、現場でもAI時代でも信頼される。逆に、自分が何を判断してきたかを語れない人は、AIによって作業の見せかけが整っていくほど、相対的な存在感が薄れていくのです。
AI時代に、PLの役割はどう変わるか
ここまではメンバーレベルの話でした。マネージャー自身の役割、つまりPLや上位ポジションはどう変わるのでしょうか。
「AI時代のPLは、単に進捗の数字を追いかけるだけの管理職ではありません。実装スピードが極限まで上がるからこそ、PLには『迷いのない前提条件』を整える役割が強く求められます」
「何を作るのか」「完了の条件は何か」「優先順位はどうなっているか」を顧客と握り、AIが生成した成果物が業務要件に合致しているかを厳しくチェックする。顧客、メンバー、そしてAIという三者の間に立ち、プロジェクトを正しいゴールへと導くナビゲーターとしての側面が、より重要になっていく。
「これからのPLにとっての新しい挑戦は、『チームの中でAIをどう運用するか』というプロセスの設計です。どの工程でAIを使い、誰がその出力をレビューするのか。セキュリティや機密情報の扱いをどうルール化し、AIの提案をどこまで信頼するのか」
これらは技術的な判断であると同時に、チーム運営そのものです。技術への理解、深い業務知識、そしてチームを束ねる運営力が高い次元で融合した姿が、次世代のPL像だとマネージャーは語ります。SE→PLというキャリア遷移の基本についてはSEからPLへキャリアアップするために必要なことで扱っていますが、AI時代のPLは「人間チーム＋AI」を含めた設計者という新しい責任が加わるとお考えください。
AIで代替される領域、されない領域
ここで一度、線を引いておきます。AIに代替されやすいのは、定義が明確で、入力と出力の対応が安定している作業です。仕様書からのコード生成、テストデータ作成、ドキュメントの整形、調査の一次情報収集。これらは確実に自動化が進みます。
代替されにくいのは、入力そのものが曖昧で、出力の正解がひとつに定まらない領域。顧客の漠然とした要望を仕様にする、対立する利害を整理して一つの判断に落とす、不確定なリスクを言葉にして関係者へ共有する、失敗から構造を抜き出して次に活かす。本記事で挙げた5つの力が向き合っているのは、まさにこちら側の領域です。
「AIによって、実務のスピードは圧倒的に速くなります。しかし、だからこそ上流工程での『整理不足』が、これまで以上に大きなリスクとして跳ね返ってきます。曖昧な仕様のままAIを走らせれば、間違った成果物が瞬時に、大量に生み出されてしまうからです」
作るスピードが上がるほど、その手綱を握り、品質に責任を持つ人間の価値はむしろ高まっていく。AIで仕事が消えるのではなく、AIで価値が移動するというのが、現場の実感ではないでしょうか。
若手・中堅エンジニアへ伝えたいこと
最後に、若手・中堅メンバーへ向けたマネージャーの言葉を共有します。30代の停滞感や「このままでいいのか」という不安を抱えている方には、特に届いてほしい部分です。
「若手・中堅の皆さんには、まず『自分の担当範囲を完璧にやり切る』ことに執着してほしいと思っています。ただし、それは単に指示通りに手を動かすことではありません。『なぜこの機能が必要なのか』『何をもって完了とするのか』を常に自分に問い続けてほしいんです」
たとえ小さな機能の実装であっても、仕様の背景を読み解き、既存処理への影響範囲を洗い出し、漏れのないテスト観点を組み立てることはできます。進捗が危うい時に、ただ「遅れてます」と嘆くのではなく、原因とリカバリー案をセットで早めに共有できるか。その「この人なら安心して任せられる」という信頼の貯金こそが、ある日突然、上流工程やPL役割への扉を開く鍵になります。
「若いうちから『速く作ること』以上に『作ったものに責任を持つこと』を徹底できる人は、どんなに技術が変わっても、必ず現場から求められるエンジニアになれるはずです」
30代になって急にキャリアの不安が募るタイプの方ほど、AI時代の文脈で「これまでの自分の経験は無駄になるのではないか」と心配される傾向があります。ただ、現場を見てきたマネージャーの観察視点はその逆です。エンジニア 30代 スキルとして本当に効くのは、最新のフレームワークを追うことではなく、自分の判断と責任で仕事を完結させてきた経験の厚みです。30代の停滞感そのものとどう向き合うかはエンジニアの30代キャリア不安にどう向き合うかでもう少し丁寧に扱っているので、合わせて読んでいただければと思います。
スーパーソフトウエアで、AI時代のエンジニアを育てる環境について
スーパーソフトウエアでは、AIによって速度が上がる時代だからこそ、人間にしか担えない領域でキャリアを伸ばせるエンジニアを育てたいと考えています。年次や所属ではなく「現場でどこまで任されるか」を成長ステップの軸に据え、業務系SI・Web系の両方の案件を扱っているため、曖昧さを整理する力・言語化の力・失敗の振り返り・信頼の積み重ね・自己解像度の5つを、複数の現場で磨ける環境があります。AIに置き換えられない側でキャリアを伸ばしたい方にとって、当社は伴走できる環境だと考えています。
あなたのキャリアを、次のステージへ
当社では「年次ではなく、どこまで任されるか」を成長ステップの軸に据えています。本記事で語ったマネージャーたちも、現場で5つの力を一つずつ磨きながら、メンバーから上位ポジションへと役割を上げてきたエンジニアたちです。AI時代だからこそ、人間にしか担えない領域でキャリアを伸ばしたい方からのご応募・お問い合わせをお待ちしています。
- カジュアル面談を申し込む — 30〜45分のオンライン面談
- 募集職種を見る — PL候補・上流SE職の求人一覧
- 他のキャリア記事を読む — AI時代／PL／キャリアに関する他の記事
