この記事で分かること
- AIを使っても成長・評価につながる人と、つながりにくい人の違い
- SES現場でコードレビュー不要論が通りにくい理由と、案件選考で見られやすい点
- AIで生産性が上がっても単価が上がらない構造と、収入に反映させる環境の選び方
前提：この記事の元ネタ
元になったのは、Anthropic が示したAI活用の考え方を紹介し、SES・フリーランス案件を扱う立場から意見を述べた動画です。出演者は現場で開発する側ではなく、案件の紹介・営業側の視点で話しています。そのため、以下は「案件の選考や単価の現場で見えていること」として読んでください。
判断基準1：AIの出力を「理解して」使っているか
動画内では、Anthropic の見解として次の対比が紹介されています。
| 観点 | 丸投げタイプ | 理解して使うタイプ |
|---|---|---|
| 新技術の学習 | AIにコードを全部書かせて終わる | 書かせた後に「なぜ動くのか」「概念は何か」を聞く |
| エラー・設計判断 | とりあえずAIに任せる | 検証しながら進め、出力を精査する |
| 成果物 | AIの出力をそのまま渡す | 複数回やり取りし、自分の提案として仕上げて渡す |
| 評価されやすさ | 受け身と見られやすい | 「この人がやる意味がある」と見られやすい |
動画内では、AIに丸投げしたグループの方が理解の定着が低かったという Anthropic 側の実験にも触れられています。一方で、コード生成が速すぎて「学ばなくてもよいのでは」という意見も出てきており、出演者は「何とも言えない」とも述べています。
セルフチェック
- AIが書いたコードについて、動作理由を自分の言葉で説明できる
- エラー対応や設計判断で、出力の妥当性を検証してから採用している
- 成果物を渡す前に、自分の判断で選んだ・直した箇所を言える
判断基準2：レビュー不要論と、SES現場の説明責任
動画では、海外を中心に「コードレビューをしない」開発が広がりつつあり、人間よりAIの方がミスが少ないという見方もあると語られています。一方で、SESのように企業の中に入って働く場合は事情が異なると整理されていました。
- 組織が大きいほど、成果物について「誰が説明するか」が求められる
- 自分一人の開発なら責任も自分で完結するが、チーム開発では説明を求められる場面が出る
- 既存システムの保守・改修では、勝手にAIを導入して手を入れられないケースが多い
- 一方で、中身を細かく読まず、テストを厚くして動けばよいという考え方も今後ありうる
実務での使い分けの目安
- 会社や現場のルールを確認し、AI利用の可否と範囲をまず把握する
- 提出物は「なぜこうしたか」を説明できる状態にしてから出す
- テストで担保する場合も、何を確認したかを言語化しておく
判断基準3：案件選考で見られやすい点
動画内で挙げられていた変化を整理します。
言語要件が緩くなってきている
従来は「Java 3年」「C# 3年」のように言語・年数で募集されるのが一般的でした。動画では、直近の面談案件で「Webアプリケーションの概念と開発経験があれば言語は問わない」という例があったと述べられています。AIコーディングツールで補えるという考え方です。
人柄・連携のしやすさが効く
- AIを全員が使えば技術のアウトプット差は縮まりやすい
- 一人に期待する量が増える中で、連携しやすい人が選ばれやすい
- ただし動画内でも、これは少人数で進めるケースの話で、大規模案件では一概に言えないと留保されています
現場経験の「数」
動画では、AI活用での開発や上流工程の経験が5〜6年あるのに、案件が決まりにくかった方の例が出ていました。営業側で話し合った結果、経験が1現場だけだった点が引っかかったのではないかという推測です。書類選考の通過状況から、技術だけでなく現場対応力やトラブル経験も見られていると述べられ、3現場程度の経験が目安になりそうだとしています。
スキルシート・面談前のチェック
- 複数現場での対応経験（トラブル対応を含む）を書けているか
- 言語名だけでなく、Webアプリ開発などの概念レベルの経験を書けているか
- 他メンバーと連携して成果を出した経験を話せるか
判断基準4：単価と生産性は別物
動画内で紹介されたフリーランスエンジニア向けの調査の数字です。調査主体や時期は動画内では明示されていません。
| 項目 | 動画内で述べられた数値 |
|---|---|
| コードの半分以上をAIで書く人の平均単価 | 約84万円 |
| AIをあまり使わない人の平均単価 | 約74万円 |
| 差 | 約10万円 |
| AIで生産性が上がった人 | 約8割 |
| 単価が上がった人 | 約4割 |
生産性が上がっても単価は上がらない人が多い、というのが動画の指摘です。
判断基準5：成果が収入に反映される環境か
動画では、会社員は稼働時間に対して給与が決まるため、生産性が上がっても給与は変わらず、会社側の利益率が上がるだけになりやすいと説明されています。
- 固定給にインセンティブが付く会社に移る
- フリーランスなど、成果と収入が直結する働き方を選ぶ
- 動画内では、案件に入っているフリーランスはAIをよく使い、会社員にはあまり使わない人が多いという印象も語られています
独立が不安な場合は、エージェントを使い、正社員とフリーランスの利点を両取りする方法もあるとされていました。
AIツール選びの目安
- Claude Code を使う案件は増えていると述べられています
- Codex でもよく、どちらか一つを使いこなしておくとよいとの意見です
- どちらもWebアプリ版から手軽に試せるため、まず触ってから案件を見てみる流れが提案されていました
今日からのアクションチェックリスト
- AIの出力に必ず「なぜ？」を1回は聞く
- 現場でのAI利用ルールを確認する
- 複数現場の経験とトラブル対応経験をスキルシートに整理する
- 自分と周囲が使う小さなツールを作り、成果として見せられるようにする
- 成果が収入に反映される環境かどうかを見直す
この記事は YouTube チャンネル「エンジニアファースト」の動画の内容を、記事として再構成したものです。
https://www.youtube.com/watch?v=z6InP6K6EpA