「コードを書く人」から「コードを読む人」へ
数年前まで、新人エンジニアの最初の仕事といえば簡単な機能の実装や既存コードの模写でした。ところが最近は、生成AI(文章やプログラムを自動で作成するAIツール)にざっくりとした指示を出すと、それなりに動くコードが返ってくる時代です。
現場でよく聞くのが「書く時間より読む時間のほうが増えた」という声です。AIが出してきたコードが本当に意図通りか、セキュリティ上の穴がないか、社内のコーディング規約に沿っているかをチェックする作業が新たに発生しています。これは楽になったというより、仕事の中身が変わったと捉えたほうが実態に近いかもしれません。
楽になった部分、変わらない部分
定型的な処理――たとえばデータの形式変換や、よくあるエラー処理のひな形づくりなどは、確かにスピードが上がりました。「昔なら半日かかった下調べが1時間で終わった」というエピソードも珍しくありません。
一方で、顧客の業務を理解して「何を作るべきか」を定義する要件定義や、複数システムが絡む設計判断は、相変わらず人間の経験と対話に頼る部分が大きいままです。AIは「答えを出す」のは得意でも、「何を聞くべきか」を見極めるのは人間の役割だという意見を、現場のベテランからよく耳にします。
人手不足との関係をどう見るか
IT業界の人手不足は以前から指摘されており、経済産業省も将来的な人材不足の可能性に言及しています(出典:経済産業省「IT人材需給に関する調査」)。生成AIの普及は、この不足を補う手段の一つとして期待される一方、「AIがあれば人は要らなくなる」という単純な話でもなさそうです。
むしろ、AIが出したアウトプットを正しく評価できる人材の価値が相対的に上がっている、というのが現場の肌感覚に近いのではないでしょうか。レビュー能力や設計力を持つ人が少ないままAIツールだけが導入されると、品質管理が追いつかなくなるリスクも考えられます。
現場としてどう向き合うか
ツールの進化は止まりません。だからこそ、自分のチームがAIを「作業の肩代わり」として使うのか、「思考の壁打ち相手」として使うのかを、一度言語化してみる価値はありそうです。
あなたの現場では、AIを導入したことで誰の仕事がどう変わりましたか。便利になった実感と、新たに生まれた負担、その両方を棚卸ししてみると、次の一手が見えてくるかもしれません。