想定読了時間：15〜20分
この記事は、AIエージェント時代の仕事や若手エンジニアの不安について、ジュニアエンジニアの視点から少し長めに整理した考察記事です。
この記事の結論
この記事で言いたいことは、大きく次の4つです。
- AIによって置き換わるのは、職業そのものというより、まずは仕事の中にある一部のタスクだと考えています。
- ジュニアエンジニアや若手社員の不安は、AIだけでなく、キャリア形成期の迷いや物価高とも重なっています。
- AIを業務に組み込むほど、便利さだけでなく、依存・障害・セキュリティ・検証責任も増えます。
- 「ギュられない」ためには、AIを避けるのではなく、AIを使いながら判断力・検証力・説明力を伸ばしていきたいです。
AIは、人間の役割をすべて奪う存在というより、人間に求められる役割を変える存在なのではないか。
この記事では、その前提で考えていきます。
目次
- この記事の結論
- なぜこの記事を書いたのか
- 「AIに仕事を奪われる」は本当に正しいのか
- 置き換わるのは職業ではなくタスクなのか
- なぜ若手ほどAIに不安を感じやすいのか
- AI活用の目的は人を減らすことだけなのか
- AI活用にはどんなリスクがあるのか
- ジュニアエンジニアは本当に不要になるのか
- AI時代のジュニアに必要な力とは何か
- AI時代にどう考えればよいのか
- 人間に残る役割は何か
- 自分はこれからどうしていきたいか
- まとめ
- 参考リンク
この記事で考えたいこと
この章では、この記事を書いた背景と、AIに対する不安をどのような視点で整理したいのかを説明します。
「自分の仕事は、AIに奪われるのではないか」
生成AIやAIエージェントの進化によって、こうした不安を目にする機会が増えました。
最近では、AIによって仕事やスキル、価値が通用しなくなることを指して「ギュられる」という言葉も使われています。少し軽い響きのネットスラングですが、その背景にある不安はかなり現実的です。
参考：AI「ギュ」時代 プログラミングも文系就活も“ギュられる”って本当？（ITmedia）
私自身もジュニアエンジニアとして、AIエージェントの進化を便利だと感じる一方で、「この先、自分の役割はどう変わるのか」「今やっている学習や業務は数年後にも価値を持つのか」と考えることがあります。
Claude Code、Codex、Gemini CLIのようなAIコーディングエージェントを使うと、調査、要約、コード生成、修正案の提示、テストコードのたたき台作成などがかなり速くなります。これまで人間が時間をかけていた作業の一部が、数分で形になる場面もあります。
特にジュニアエンジニアにとって、これは便利であると同時に、不安にもなりやすい変化だと感じています。
なぜなら、ジュニアが経験を積むために担当してきた作業の一部が、AIにとって得意な領域と重なっているからです。
さらに、ジュニアエンジニアや若手社員の多くは、いわゆるクォーターライフクライシスが訪れやすい時期でもあります。
20代から30代前半にかけては、キャリア、収入、生活、将来設計、人間関係などについて、「このままでよいのか」と考えやすい時期です。社会人としての責任が増える一方で、まだ十分な経験や資産があるわけではありません。
そこに、AIエージェントの急速な進化が重なっています。
自分たちがこれから経験を積んでいこうとしているタイミングで、AIが調査、要約、コード生成、資料作成、テストコード作成まで支援できるようになっている。これは大きな助けである一方で、かなり厳しい環境でもあります。
加えて、日本では物価高が続き、実質賃金や可処分所得の実感にも不安があります。生活費が上がる中で、「収入を上げたい」「スキルを伸ばしたい」「将来の選択肢を増やしたい」と考えている若い世代にとって、AIによる職業変化は単なる技術ニュースではなく、生活や人生設計に直結する問題だと感じています。
参考：消費者物価指数 全国 2025年平均（総務省統計局）
参考：毎月勤労統計調査 2025年分結果（厚生労働省）
つまり、若手世代が感じているAIへの不安は、単に「新しい技術が怖い」という話だけではないと思います。
- キャリア形成の不安。
- 生活費の不安。
- 将来の収入の不安。
- 社会人としての自信のなさ。
- AIの進化スピードに追いつけるのかという不安。
これらが重なって、「ギュられる」という感覚につながっているのではないかと考えています。
ただ、私はこの変化を「AIに仕事を奪われるかどうか」だけで捉えるのは、少し粗いと感じています。
AIによって一部の作業が置き換わっていく可能性は高いと思いますが、人間の仕事がそのまま消えるというより、仕事の中身が組み替わっていくと見る方が現実的ではないでしょうか。
この記事では、AIエージェントの現在地、代替されやすいタスク、若手世代が抱える不安、AI活用のリスク、そしてジュニアエンジニアとして自分自身がどう向き合うべきかを整理してみました。
ここまでを整理すると、この記事では「AIが仕事を奪うか」ではなく、「AIによって仕事の中身や自分の役割がどう変わるのか」を考えていきます。
まず、よくある三段論法を疑ってみる
この章では、「AIにできるなら人間はいらない」という推論が本当に成立するのかを考えます。
「AIに仕事を奪われる」という話を聞いたとき、頭の中では次のような推論が起きやすいと思います。
大前提：AIにできる仕事は、人間がやらなくてよくなる。
小前提：自分の仕事の一部は、AIにできる。
結論：だから、自分の仕事はAIに奪われる。
形としては、ソクラテスの三段論法に似ています。
大前提：すべての人間はいつか必ず死ぬ。
小前提：ソクラテスは人間である。
結論：ゆえにソクラテスはいつか必ず死ぬ。
三段論法は、大前提と小前提が正しければ、結論も正しくなります。
しかし、「AIに仕事を奪われる」という推論では、最初の大前提がかなり雑なのではないかと思います。
「AIにできる仕事は、人間がやらなくてよくなる」
これは一見正しそうですが、実際にはそう単純ではなさそうです。
なぜなら、仕事は単一の作業だけではないからです。
一つの仕事には、定型作業、判断、調整、責任、顧客理解、例外対応、改善提案、運用、教育、引き継ぎなど、複数の要素が含まれています。
AIがその中の一部を代替できることと、職業そのものが不要になることは同じではありません。
私自身、「AIにコードを書かせたら、自分の価値は下がるのではないか」と考えることがあります。
ただ、冷静に分解すると、エンジニアの仕事はコードを書くことだけではないように感じます。
- 何を作るべきか理解する
- 要件の曖昧さを見つける
- 既存システムとの整合性を考える
- セキュリティ上の懸念を洗い出す
- テストする
- レビューを受ける
- 障害時に原因を切り分ける
- 他の人が保守できる形にする
- 顧客やチームに説明する
AIがコード生成を支援できても、これらすべてが自動的に消えるわけではないと思います。
そのため、この記事では次のように問いを置き換えます。
AIに仕事を奪われるのか？
ではなく、
AIによって仕事のどの部分が変わり、人間はどの役割を強化すべきなのか？
この問いで考える方が、自分にとってもより有意義だと感じています。
ここまでを整理すると、「AIにできる作業がある」ことと「人間の仕事全体が不要になる」ことは分けて考えた方がよさそうです。
置き換わるのは「仕事」ではなく、まず「タスク」
この章では、「職業がなくなるか」ではなく「どのタスクが変わるか」という視点で整理します。
AIによる影響を考えるとき、「どの職業がなくなるか」という見方だけでは少し粗くなるように感じています。
実際の仕事は、さまざまなタスクの集合で構成されています。
たとえば、カスタマーサポートという仕事には、FAQへの回答、問い合わせ内容の分類、顧客情報の確認、クレーム対応、社内へのエスカレーション、顧客の感情に配慮した説明、再発防止の提案などが含まれます。
この中で、FAQへの一次回答や問い合わせ分類はAIと相性が良いかもしれません。
一方で、強い不満を持っている顧客への対応、契約や事情を踏まえた個別判断、信頼回復のためのコミュニケーションは、AIだけに任せるのが難しい場面もありそうです。
エンジニアリングでも、似た構図があるように感じています。
コードの雛形作成、既存コードの要約、エラー原因の調査、テストコードのたたき台作成はAIと相性が良いです。
しかし、要件の解釈、設計方針の決定、セキュリティ判断、障害時の切り分け、顧客やチームとの合意形成、長期的な保守性の判断は、現時点でも人間の役割が大きい領域なのではないかと思います。
国際労働機関（ILO）の分析でも、生成AIの影響は職業全体の置換というより、職業内の特定タスクの自動化・補完として見る必要があるとされています。
参考：Generative AI and Jobs: A global analysis of potential effects on job quantity and quality（ILO）
AIが置き換えやすいのは、職業名そのものというより、職業の中に含まれる一部のタスクだと考える方が自然です。
AIに置き換えられやすいタスクには、いくつか共通点がありそうです。
- ルールが明確である
- 入力と出力の形式が決まっている
- 成果物の正誤を判定しやすい
- 例外処理が少ない
- 過去のデータや既存パターンを使いやすい
- 人間関係や責任判断があまり絡まない
- 結果を短時間でレビューできる
一方で、AIだけで完結させにくいタスクもあるように思います。
- 何を目的にするか決める
- 目的そのものが妥当か検討する
- 複数の利害関係者を調整する
- 顧客や利用者の感情を理解する
- 例外的な状況に対応する
- セキュリティや法的責任を判断する
- 障害発生時に責任を持って意思決定する
- 組織として継続的に人を育てる
- 長期的な保守性を考える
- 事業や顧客価値への影響を判断する
この視点を持たないと、議論は極端になりやすいと感じています。
- AIで事務職は全部なくなる
- AIでエンジニアは不要になる
- AIでライターはいらなくなる
- AIで人間の仕事はほとんど消える
こうした言い方は印象に残りますが、実際の仕事はもっと複雑なはずです。
職業全体ではなく、職業の中に含まれるタスクごとに見ると、考えが整理しやすくなりそうです。
| 領域 | AIに置き換えられやすいタスク | 人間に残りやすい役割 |
|---|---|---|
| 一般事務・データ入力 | 転記、集計、定型文作成、チェック | 例外判断、業務改善、部門間調整 |
| カスタマーサポート | FAQ、一次対応、問い合わせ分類 | クレーム対応、個別事情の判断、信頼回復 |
| 翻訳・通訳 | 定型文書、下訳、要約 | 専門領域、交渉、文化的ニュアンス |
| 経理・会計 | 記帳、照合、異常検知 | 判断、監査対応、経営管理 |
| 小売・受付 | 決済、予約、案内 | 接客体験、例外対応、現場判断 |
| 配送・倉庫 | ルート最適化、在庫管理、ピッキング支援 | 安全管理、現場判断、例外対応 |
| ライター | SEO定型記事、要約、構成案 | 独自の洞察、取材、専門性、思想 |
| ジュニアエンジニア | 雛形コード、単純な修正、テスト案 | 要件理解、検証、設計理解、学習、改善 |
この表から見えるのは、「仕事がなくなる」というより、「仕事の中で人間が担う部分が変わる」ということです。
コードを書くことだけをエンジニアの仕事と捉えると、AIによる代替可能性はかなり高く見えます。
しかし、エンジニアの仕事には、課題の理解、要件の整理、設計、レビュー、検証、運用、障害対応、顧客との合意形成、チームでの知識共有なども含まれるはずです。
AIがコードを書けるようになっても、エンジニアリングの仕事全体を単純に置き換えられるわけではなさそうです。
ただし、エンジニアに求められる重心は少しずつ変わっていくのではないかと思います。
私自身も、これからは「コードを書ける」だけでは不十分だと感じています。
「なぜそのコードなのかを説明できる」「AIの出力を検証できる」「運用や保守まで考えられる」方向に成長していきたいです。
ここまでを整理すると、AI時代の変化は「仕事が消えるかどうか」よりも、「仕事の中で人間が担う部分がどこへ移るのか」という話だと考えています。
若手世代の不安は、AIだけで生まれているわけではない
この章では、AIへの不安が若手世代のキャリア不安や生活不安と重なっている点を整理します。
「ギュられる」という言葉が広がる背景には、AIの進化だけでなく、若手世代が置かれている環境も関係していると考えています。
ジュニアエンジニアや若手社員の多くは、社会に出て数年が経ち、自分のキャリアや将来について本格的に考え始める時期にいます。
この時期には、次のような問いが自然に出てきます。
- この仕事を続けていてよいのか
- 自分は何に向いているのか
- このまま成長できるのか
- 周囲と比べて遅れていないか
- 収入は上がるのか
- 将来の生活は安定するのか
- 結婚、住居、貯蓄、家族、キャリアをどう考えるのか
本来であれば、若手は仕事を覚え、経験を積み、少しずつ自信をつけていく時期です。
しかし、その学習過程の一部にAIが入り込んできています。
- 調査はAIが速い。
- 要約もAIが速い。
- コードの雛形もAIが速い。
- 資料作成もAIが速い。
- テストコードもAIが出せる。
こうなると、「自分がこれから身につけようとしているスキルは、もう古いのではないか」と感じてしまうことがあります。
さらに、若手の不安はAIだけが原因ではありません。
物価高、実質賃金、可処分所得、将来の収入、学習投資、キャリア初期の不安が重なることで、若手世代は強い圧力に晒されているように感じます。
キャリア初期は、まだ収入が大きくないことも多く、貯蓄も十分ではありません。
一人暮らしであれば、家賃、食費、光熱費、通信費、交通費が毎月かかります。
さらに、技術職であれば書籍、学習サービス、資格、勉強会、開発環境など、自分への投資にもお金がかかります。
そこにAIによる職業変化が重なると、次のような不安につながりやすいのではないでしょうか。
- 今の仕事で収入を上げられるのか
- AIによって自分の市場価値が下がらないか
- 生活費が上がる中で学習投資を続けられるのか
- キャリアチェンジが必要になったときに耐えられるのか
- 将来の生活設計を描けるのか
若手世代が感じている不安は、個人のメンタルの弱さだけで片付けるべきではないと思います。
一方で、世界経済フォーラム（WEF）の「Future of Jobs Report 2025」では、2030年までに1億7,000万の新しい役割が生まれ、9,200万の役割が置き換わり、差し引き7,800万の雇用増が見込まれるとされています。
参考：Future of Jobs Report 2025（World Economic Forum）
ただし、この数字は「AIが来ても安心」という意味ではないと思います。
新しい役割が生まれる一方で、既存の役割が置き換わるのであれば、スキルの移行が必要になります。
つまり、問題は「仕事が残るか消えるか」だけではありません。
- 今のスキルが次の役割に接続できるか
- 学び直しの機会があるか
- 企業が人材育成を続けるか
- 若手が安心して経験を積める環境があるか
- 社会として移行を支援できるか
- AIの恩恵が一部に偏らないか
こうした点が重要になり得ると考えます。
私自身も、「AIが進化するから不安」で終わるのではなく、どのスキルを伸ばせば次の役割に接続できるのかを考えていきたいです。
ここまでを整理すると、若手のAI不安は技術への不安だけでなく、キャリア・生活・将来設計の不安と重なっているのだと思います。
AIの目的は、人を減らすことだけではない
この章では、AI活用を「人を減らすため」だけで捉えると、少し視野が狭くなるのではないかという点を整理します。
AIは効率化に強い技術です。
ただし、AI導入の目的は「人間を不要にすること」だけではなく、「顧客や利用者により良い価値を提供すること」であるべきではないでしょうか。
たとえば、AIで問い合わせ対応を効率化できたとしても、顧客が困っている状況で冷たい回答しか返ってこないなら、顧客満足度は下がる可能性があります。
開発現場でも、AIでコード生成を高速化できたとして、保守性が低いコードやテストされていないコードが増えれば、将来のコストはむしろ増えるかもしれません。
AIを導入して終わりではありません。
AIの出力をどう検証するか。
安全性や信頼性をどう担保するか。
人間とAIの役割分担をどう設計するか。
AIを「自分の仕事を奪う存在」とだけ見るのではなく、「自分の仕事の仕方を変える存在」として向き合いたいです。
ここまでを整理すると、AI活用の目的は人を減らすことだけではなく、より良い価値をどう提供するかにもあるのだと思います。
AIを業務に組み込むほど、依存・障害・セキュリティの問題が出てくる
この章では、AI活用の便利さだけでなく、業務に組み込むほど増える運用上の責任について整理します。
AIエージェントは便利ですが、業務に組み込むほど新しいリスクも発生します。
まず、ベンダーロックインの問題があります。
AIエージェントの多くは、外部ベンダーが提供するサービスです。
そのため、特定のAIサービスに業務を強く依存すると、次のような影響を受けやすくなります。
- 料金体系が変わる
- 利用制限が変わる
- モデルの挙動が変わる
- API仕様が変わる
- サービス障害が起きる
- セキュリティ上の制約が出る
- データ取り扱いポリシーが変わる
- ある機能が突然使えなくなる
- 期待していた品質が維持されない
これは、クラウドサービスやSaaSでも同じですが、AIの場合はさらに影響が見えづらい部分があります。
AIは単にAPIが動くかどうかだけでなく、出力品質や挙動の変化も業務に影響するからです。
実際にAnthropicは2026年4月、Claude Code、Claude Agent SDK、Claude Coworkに関する品質低下について、複数の変更が影響していたことを公表しています。具体的には、Claude Codeの推論努力量の変更、セッション内の思考履歴に関するキャッシュ最適化の不具合、出力の簡潔化を狙ったシステムプロンプト変更などが影響したと説明されています。
参考：An update on recent Claude Code quality reports（Anthropic）
また、AIコーディングエージェントはコードベースを読み、ファイルを編集し、場合によってはコマンド実行に近い操作を行います。
これは非常に強力であると同時に、セキュリティ上の注意も必要です。
Zero Day Initiativeは2026年4月、OpenAI Codexに関連するサンドボックス回避の脆弱性を公開しています。ZDIのアドバイザリでは、悪意あるJavaScriptを含むリポジトリをCodexで処理した場合に、サンドボックスを回避してユーザー権限でコード実行され得ると説明されています。
参考：ZDI-26-305: OpenAI Codex Sandbox Escape Vulnerability（Zero Day Initiative）
ここで言いたいのは、「AIエージェントは危険だから使うべきではない」ということではありません。
使うからこそ、権限、実行環境、サンドボックス、ログ、レビュー、切り戻し、依存先の管理を考える必要があるということです。
特に開発現場では、次のような設計が重要になりそうです。
- 本番環境に直接触れさせない
- 機密情報を不用意に渡さない
- 最小権限で利用する
- 変更内容は必ず人間がレビューする
- 実行ログを残す
- 外部リポジトリを扱う場合は注意する
- 自動実行の範囲を限定する
- 重要操作には承認フローを入れる
- AIなしでも最低限の業務を継続できるようにする
また、AIは導入しただけで組織を強くするものではなさそうです。
Google Cloudの2025年DORAレポートでは、AIがソフトウェア開発に与える影響について、AIはすでに存在するものを増幅するという見方が示されています。
参考：Announcing the 2025 DORA Report: State of AI-Assisted Software Development（Google Cloud）
仕様が曖昧で、テストがなく、レビューが形骸化している状態では、AIによって変更量だけが増え、品質や保守性が追いつかなくなる懸念があります。
だからこそ、AIを使う側にも、レビュー・テスト・ドキュメントを軽視しない姿勢が必要なのではないかと感じています。
AIは一部の業務を大きく効率化してくれます。
一方で、AIを使うことで新しい運用責任も発生します。
AIを使うときは「便利だった」で終わらせず、どこまで依存しているのか、止まったらどうするのか、出力が変わったらどう検知するのかを考えられるようになりたいです。
ここまでを整理すると、AIを業務に組み込むほど、便利さと同時に検証・権限・障害時の代替手段を考える必要も出てくるのだと思います。
ジュニアエンジニアは本当に不要になるのか
この章では、今回のテーマの中でも特に気になる「ジュニアエンジニア不要論」について考えます。
今回のテーマの中で、私自身が最も気になるのが「ジュニアエンジニア不要論」です。
AIコーディングエージェントの進化によって、これまでジュニアエンジニアが担当していた作業の一部は、少しずつ変わっていく可能性が高いと感じています。
たとえば、以下のような作業です。
- 雛形コードを書く
- 単純なCRUD処理を実装する
- テストコードのたたき台を作る
- ドキュメントを要約する
- エラー文を調べる
- 既存コードを参考に似た処理を書く
- リファクタリング案を出す
- コメントやREADMEの下書きを作る
これらはAIと相性が良く、今後さらに自動化される可能性があります。
そのため、「単純にコードを書くだけ」の仕事は、価値が下がっていくかもしれません。
これは受け入れる必要があると思います。
しかし、それはジュニアエンジニアが不要になるという意味ではないと考えています。
むしろ問題は、組織が「AIがあるから若手を育てなくてよい」と考えてしまうことではないでしょうか。
短期的には、シニアエンジニアがAIを使って生産性を上げることで、ジュニアの採用や育成を減らせるように見えるかもしれません。
しかし、長期的には設計判断、障害対応、コードレビュー、技術継承を担う人材が育たなくなります。その結果、数年後にはその判断をした企業自身がシニアエンジニアへの依存度を高め、組織運営上のリスクを抱えることになるかもしれません。
参考：If You Stop Hiring Juniors, Your Senior Engineers Own You
シニアエンジニアは突然生まれるわけではありません。
最初は誰でもジュニアです。
ジュニアが経験を積み、失敗し、レビューを受け、設計を学び、障害を経験し、少しずつ判断できる範囲を広げていくことで、ミドルやシニアになっていきます。
AIによってジュニアの役割は変わります。
しかし、育成の必要性がすぐに消えるわけではないと思います。
AI時代には「AIを使いながら成長できるジュニア」をどう育てるかが、組織にとって重要なテーマになっていくのではないでしょうか。
個人としては、AIに作業を任せるだけの人ではなく、AIを使いながら理解を深め、レビューを受け、自分の判断範囲を広げていけるようにしていきたいです。
ここまでを整理すると、AIによってジュニアの役割は変わるとしても、育成そのものの重要性がなくなるとは考えにくいです。
AI時代のジュニアに必要なのは「丸投げ」ではなく「検証力」
この章では、ジュニアエンジニアとしてAIをどう使えば成長につなげられるのかを整理します。
AI時代のジュニアにとって特に大事になりそうなのは、AIの出力を読み、疑い、検証し、自分の理解に変える力だと思います。
AIは家庭教師にもなります。
一方で、代行業者にもなります。
どちらとして使うかで、成長の仕方は大きく変わるはずです。
たとえば、AIにコードを書かせたときに、次のように問い直したいです。
- なぜこの設計になっているのか
- 他の実装方法はないのか
- 既存コードとの整合性はあるか
- セキュリティ上の問題はないか
- パフォーマンス上の懸念はないか
- テストは十分か
- エラーハンドリングは適切か
- ログは必要か
- 障害時にどこを見ればよいか
- 自分はこのコードを説明できるか
- 将来の保守担当者が読んで理解できるか
AIによって開発スピードは上がります。
しかし、理解しないまま速度だけを上げると、後から自分で直せないコードが増えていく可能性があります。
短期的には「爆速」に見えても、長期的には技術的負債を増やすかもしれません。
AIを使うこと自体が問題なのではなく、AIの出力を理解せず、検証せず、自分の判断を放棄してしまうことが問題だと思います。
AI時代の学習では、次のような使い方が重要になりそうです。
- AIに答えだけを出させるのではなく、考え方を説明させる
- AIの回答を公式ドキュメントと照合する
- 生成されたコードを一行ずつ読む
- なぜその実装なのかを質問する
- 別解を出させて比較する
- テストを書いて挙動を確認する
- レビューで指摘された点をAIに再説明させる
- 学んだことを自分の言葉でメモする
AIを使うことで、学習速度は上げられます。
ただし、それはAIを「自分の代わりに考える存在」としてではなく、「自分の理解を深める相手」として使った場合です。
AIを使って作業が速くなったときほど、「自分は何を理解したのか」「次に同じ問題が起きたら自分で判断できるのか」を確認していきたいです。
ここまでを整理すると、ジュニアにとって大事なのはAIを使わないことではなく、AIを使いながら理解を置き去りにしないことだと思います。
AI時代に必要な考え方
この章では、AI時代に自分の役割を考えるための思考の軸を整理します。
AI時代に自分の役割を考えるうえでは、複数の視点で考えることが重要だと思っています。
まずは、ロジカルに考えることです。
AIに仕事を奪われるのか、という問いも、感情だけで考えると不安が大きくなります。
しかし、仕事をタスクに分解し、どの部分がAIに置き換わりやすく、どの部分が人間に残りやすいかを見ると、議論は整理できます。
次に、クリティカルに考えることです。
「AIができるなら人間はいらない」という前提は本当に正しいのか。
「コード生成ができるならエンジニアはいらない」という前提は本当に正しいのか。
「AIを導入すれば組織は強くなる」という前提は本当に正しいのか。
こうした前提を疑うことで、過度な楽観にも、過度な悲観にも寄りすぎずに済みます。
最後に、ラテラルに考えることです。
AIを「仕事を奪う存在」と見るだけでなく、「学習を助ける存在」「作業を減らして考える時間を作る存在」「チームのナレッジを引き出す存在」と見ることもできます。
AIに置き換えられる作業があるなら、その分、人間はどこに時間を使うべきなのか。
- 顧客理解に使う
- 設計に使う
- テストに使う
- ドキュメント化に使う
- 後輩教育に使う
- セキュリティ確認に使う
- 振り返りに使う
こう考えると、AIは脅威であると同時に、自分の役割を見直す機会にもなります。
また、AI時代ほど「何をやらないか」を決める力も重要になりそうです。
AIによってできることが増えると、逆にやることも増えます。
調査もできる、コードも作れる、資料も作れる、テストも作れる、翻訳も要約もできます。
一見すると便利ですが、何でもできるようになるほど、何をやるべきかを選ぶ力が重要になります。
AIでできる範囲だからといって、すべてを置き換える必要はありません。
- 今、本当に学ぶべきことは何か
- このコードは自分で理解すべきか
- AIに任せてよい作業か
- 公式ドキュメントを読むべき場面か
- レビューを受けるべき場面か
- 手を動かして覚えるべき場面か
一方で、何でも自分で苦労すればよいわけでもないはずです。
- エラー文の意味を調べる。
- 長いドキュメントを要約する。
- 単純な雛形を作る。
- 表現を整える。
- テストケースの観点を出す。
- コードレビュー前に自分でチェックする。
こうした作業は、AIを使うことでかなり効率化できます。
AIで楽をするのは、理解を放棄するためではなく、より重要なことに時間を使うためです。
AIに任せるところは任せる。ただし、責任を持つべきところは自分で理解する。このバランスが、AI時代のジュニアには必要なのではないかと思います。
ここまでを整理すると、AI時代には「全部自分でやる」でも「全部AIに任せる」でもなく、何を任せて何を自分で理解するかを選ぶ力が重要になりそうです。
人間に残る役割
この章では、AIが進化しても人間側に残りそうな役割を整理します。
AIが進化するほど、人間側に残る役割はより曖昧になるのではなく、むしろ明確になっていくのではないかと考えています。
まず重要なのは、目的を決めることです。
AIは、与えられた目的に向かって作業することはできます。
しかし、そもそも何を目的にするべきかを決めるのは人間です。
たとえば、Webサイトを改善するとしても、表示速度を上げたいのか、問い合わせ数を増やしたいのか、採用応募を増やしたいのか、運用しやすくしたいのかによって、最適な手段は変わります。
AIに「サイトを改善して」と指示しても、目的が曖昧であれば、もっともらしい改善案は出るかもしれませんが、本当に必要な改善になるとは限りません。
次に重要なのは、前提を疑うことです。
- この機能は本当に必要なのか
- この課題設定は正しいのか
- ユーザーは本当にそれを求めているのか
- 既存業務をそのままシステム化するべきなのか
- そもそも運用ルールを変えた方がよいのではないか
- 技術で解決する問題なのか
- 今やるべきことなのか
AIは、与えられた問いに答えることは得意です。
しかし、問いそのものを疑うには、人間側の文脈理解や問題設定能力が必要です。
また、AIが出力した結果であっても、それを使って意思決定した責任は人間や組織にあります。
システム障害、セキュリティ事故、誤情報、顧客への不利益が発生したときに、「AIがそう言ったから」では済みません(よく言われることでもありますが)。
AIは判断材料を出すことはできます。
しかし、その判断を採用する責任は依然として人間にあります。
最後に、顧客や利用者の感情を理解することも重要だと感じています。
業務は、正確な処理だけで成り立っているわけではありません。
- 顧客が何に不安を感じているのか。
- どこで困っているのか。
- なぜ怒っているのか。
- どう伝えれば安心してもらえるのか。
こうした感情や文脈の理解は、依然として人間の重要な役割だと考えます。
AIは多くの情報を処理できます。
しかし、顧客との関係性や信頼の積み重ねまで自動化できるわけではありません。
技術だけでなく、相手が何に困っているのかを聞き取れる力を伸ばしていきたいです。
ここまでを整理すると、人間に残る役割は「作業すること」だけではなく、目的・前提・責任・感情を扱うことにあるのではないかと感じています。
「ギュられない」ために、私はどうしていきたいか
この章では、ここまでの整理を踏まえて、自分自身がどうAIと向き合っていきたいかを書きます。
「ギュられない」ために必要なのは、AIを避けることではないと思います。
AIを避け続けると、むしろ変化に対応できなくなっていくはずです。
重要なのは、AIを使ったうえで、自分の役割を再定義することだと考えます。
私としては、次のことを意識していきたいです。
- AIに任せるタスクを見極める
- AIの出力を検証する
- 自分の言葉で説明できる状態にする
- 公式ドキュメントや一次情報を確認する
- 生成されたコードを一行ずつ読む
- テストを書く
- セキュリティや運用の観点を持つ
- レビューで指摘された内容を理解する
- 学んだことを構造化して残す
- チームで安全にAIを使う方法を考える
AIに任せるだけなら、短期的には楽です。
しかし、自分の中に理解が残らなければ、次の問題に対応できません。
- AIを使って調べる。
- AIに説明させる。
- AIのコードを読む。
- なぜそうなるのかを確認する。
- 自分で書き換える。
- テストする。
- レビューで指摘を受ける。
- またAIに問い直す。
- 学んだことを言語化する。
このサイクルを回せる人は、AIによってむしろ成長しやすくなるのではないかと思います。
また、AIの進化スピードに毎日追いつこうとすると疲弊します(実体験としても)。
新しいツール、モデル、ベストプラクティス、ニュースをすべて追い続けるのは現実的ではありません。
AI疲れを最小限に抑えるためにも、大切なのは、自分の業務や成長に関係する領域を見極めることだと感じています。
- 今の仕事に直結するAI活用を学ぶ
- 基礎的な設計やネットワーク、セキュリティを学ぶ
- 自分のコードを説明できるようにする
- AIの出力を検証する習慣を持つ
- 学んだことを記事やメモとして残す
- 生活面でも無理のない学習ペースを作る
AI時代に必要になりそうなのは、全速力で走り続けることではなく、変化に対応し続けられる状態を維持することだと考えています。
AIに急かされるのではなく、AIを使いながら、自分の判断力、検証力、説明力を少しずつ積み上げていきたいです。
ここまでを整理すると、自分にとって大事なのはAIに追いつき続けることではなく、AIを使いながら学び続けられる状態を作ることだと感じています。
まとめ：AIに仕事を奪われるかではなく、AI時代にどう役割を変えるか
この章では、記事全体の内容を振り返り、自分自身の今後の向き合い方をまとめます。
AIエージェントによって、仕事の中にある定型的な作業は変わっていく可能性が高いと感じています。
データ入力、要約、翻訳、問い合わせの一次対応、コード生成、テスト作成、資料のたたき台作成などは、今後さらにAIに任せる範囲が広がるかもしれません。
しかし、仕事は作業だけで成り立っているわけではありません。
- 目的を決めること。
- 顧客の状況を理解すること。
- 例外に対応すること。
- 責任を取ること。
- セキュリティや障害に備えること。
- 組織として人を育てること。
- AIの出力を検証すること。
- 何を自動化し、何を人間が担うべきかを判断すること。
これらは、AIを導入してもすぐに消えるものではないと考えています。
また、若手世代が感じている不安は、AIだけが原因ではありません。
ジュニアエンジニアや若手社員は、クォーターライフクライシスが訪れやすい時期にいます。
キャリア、収入、生活、将来設計に迷いやすい時期に、AIの急速な進化、物価高、可処分所得への不安が重なっています。
その中で「自分の仕事はギュられるのではないか」と感じるのは、決して不自然なことではないと思います。
大切なのは、不安を否定することではなく、不安を分解することだと考えています。
- AIに任せられる作業は何か。
- 自分が理解すべきことは何か。
- 自分が責任を持つべき判断は何か。
- 生活や学習を持続可能にするにはどうすればよいか。
- 自分はどの方向に成長していきたいのか。
AI時代に必要になりそうなのは、AIを避けることではなく、AIを使いながら、自分の判断力、設計力、検証力を少しずつ高め続けることだと考えています。
AIは、人間の役割をすべて奪う存在というより、人間に求められる役割を変える存在なのではないでしょうか。
だからこそ、これから問われるのは「AIに仕事を奪われるか」だけではありません。
AIを前提にした世界で、自分は何を判断し、何に責任を持ち、どのように価値を出すのか。
その問いに向き合いながら、AIを恐れるのではなく、AIを使いこなせる側に回っていきたいです。
厳しい時代ですが、焦りすぎず、生活と学習を持続できる形で、少しずつ自分の役割を広げていきたいと思います。
参考リンク
- AI「ギュ」時代 プログラミングも文系就活も“ギュられる”って本当？（ITmedia）
- Generative AI and Jobs: A global analysis of potential effects on job quantity and quality（ILO）
- Future of Jobs Report 2025（World Economic Forum）
- Announcing the 2025 DORA Report: State of AI-Assisted Software Development（Google Cloud）
- An update on recent Claude Code quality reports（Anthropic）
- ZDI-26-305: OpenAI Codex Sandbox Escape Vulnerability（Zero Day Initiative）
- If You Stop Hiring Juniors, Your Senior Engineers Own You
- Factors Contributing to Quarter Life Crisis on Early Adulthood: A Systematic Literature Review（PubMed）
- 消費者物価指数 全国 2025年平均（総務省統計局）
- 毎月勤労統計調査 2025年分結果（厚生労働省）
