はじめに
ChatGPT、GitHub Copilot、Claude……。2023年以降、生成AIはITエンジニアの日常に急速に入り込んできました。コードを書けばAIが補完し、設計書を書けばAIがレビューし、バグを投げればAIが解決策を提案する。
「もしかして、自分は要らなくなるんじゃないか？」
そう不安を感じているエンジニアは少なくないはずです。本記事では、生成AI時代において「旧来型」と呼ばれるITエンジニアがどのようにスキルを再定義すべきかを、実践的な視点から解説します。
AIに置き換えられる仕事、置き換えられない仕事
まず冷静に現状を整理しましょう。
AIが得意なこと（＝自動化されやすいもの）
- 定型的なCRUDコードの生成
- 既知パターンのバグ修正
- ドキュメントの草稿作成
- テストコードの雛形生成
- SQLクエリの作成・最適化
- コードの翻訳（言語間変換）
AIが苦手なこと（＝人間が担うべきもの）
- ビジネス文脈の理解：「なぜそのシステムが必要か」を理解すること
- 曖昧な要件の整理：ステークホルダーの言葉を正確なロジックに変換すること
- 責任の所在：リリース判断、障害対応における最終的な判断
- システム全体の整合性：複数チームをまたぐ設計のトレードオフ判断
- 予測不能な状況への対処：前例のない障害や要求変化への即応
AIは「与えられた文脈の中で最もらしい答えを出す」のが得意ですが、文脈そのものを作り出すのは人間の仕事です。
スキルの再定義：「書く力」から「考える力」へ
従来のエンジニアに求められていたのは、「いかに早く・正確にコードを書けるか」 でした。しかしAIが「書く」作業を肩代わりする時代、求められるスキルセットは大きく変わります。
新時代のスキルピラミッド
┌─────────────────────┐
│ ビジネス判断力 │ ← 最重要
├─────────────────────┤
│ システム設計力 │
├─────────────────────┤
│ AI活用・指示力 │ ← 新スキル
├─────────────────────┤
│ コードレビュー力 │
└─────────────────────┘
1. ビジネス判断力（重要度：★★★★★）
なぜ必要か： AIはコードを書けますが、「何を作るべきか」は答えられません。
実践すべきこと：
- ドメイン知識の深掘り（自社・自業界の業務知識）
- プロダクトマネジャーやビジネスサイドとの協働経験を積む
- 技術的負債とビジネスインパクトのトレードオフを言語化できるようにする
2. システム設計力（重要度：★★★★☆）
なぜ必要か： AIはコード単位では優秀ですが、複雑なシステム全体を整合性を持って設計するのはまだ人間が優位です。
実践すべきこと：
- アーキテクチャパターンの学習（モノリス、マイクロサービス、イベント駆動など）
- 非機能要件（可用性・スケーラビリティ・保守性）の設計手法を習得
- ADR（アーキテクチャ決定記録）を書く習慣をつける
3. AI活用・指示力（重要度：★★★★☆）
なぜ必要か： AIを道具として最大限活用できるかどうかで生産性が数倍変わります。
実践すべきこと：
- プロンプトエンジニアリングの基礎を学ぶ
- GitHub CopilotやCursorなどのAI IDE toolsを業務に組み込む
- AIの出力を検証・批判的評価する習慣をつける（鵜呑みにしない）
4. コードレビュー力（重要度：★★★☆☆）
なぜ必要か： AIが生成したコードの品質を担保するのは、まだ人間の役割です。
実践すべきこと：
- セキュリティの観点（SQLインジェクション、認証・認可の抜け漏れ）
- パフォーマンスの観点（N+1問題、不要なループなど）
- 可読性・保守性の観点でのレビュースキル向上
具体的なアクションプラン（3ヶ月で実践）
1ヶ月目：現状把握と学習基盤の構築
- 自分の業務をリストアップし、「AIで代替できるもの」と「人間が必要なもの」に分類する
- GitHub Copilot または Cursor を業務に導入し、毎日使う
- Claudeや ChatGPTに「自分の担当システムの設計相談」をしてみる（限界を体感する）
2ヶ月目：ビジネス理解の強化
- 自社のビジネスモデルをドキュメント化してみる（できない部分が弱点）
- PMやビジネスサイドとの定例に参加し、技術以外の会話を増やす
- 自分が携わるシステムの「KPI」を調べ、技術的な決定との関連を考える
3ヶ月目：設計力の強化
- 小規模な機能で設計ドキュメント（シーケンス図、ER図）を自力で書く
- 既存システムのリファクタリング案をAIと一緒に考え、最終判断は自分で行う
- チーム内で「AI活用の知見共有」の場を設ける
まとめ
生成AI時代に求められるエンジニア像は、「AIを使いこなす指揮者」 です。コードを書く速度よりも、何を作るべきかを判断し、AIの出力を正しく評価・統合できるスキルが価値を持ちます。
「自分はコードを書くのが仕事だ」という固定観念を手放し、「ビジネス課題を技術で解決するプロフェッショナル」 として自分を再定義することが、この時代を生き抜く第一歩です。
次回（第2回）は、具体的な技術スキル（クラウド・MLOps・データエンジニアリング）の習得ロードマップについて解説します。