はじめに
自分はエンジニアとして4年です。いまは Claude Code と Codex を毎日並列で走らせて仕事をしています。
この記事は、仕事のかなりの部分をエージェントに渡してみて痛感した「それでも人間に残る仕事は何か」を、自分の失敗込みで整理したポエムです。あなたが最近出したアウトプットのうち、「自分の仕事」と胸を張れる部分は何割ありますか？ 自分はこの問いに一瞬詰まったので、この記事を書いています。
本記事は2026年8月時点の、個人の実感ベースの整理です。特定の技術の優劣を論じるものではありません。
コンテキストに落とせる仕事は、もうエージェントで回ってしまう
まず現状認識からです。この1年で自分の業務がどう変わったかというと、「言語化してコンテキストに落とせる仕事」はほぼエージェント経由になりました。
- 集計SQLや定型の実装
- 分析レポートや資料の下書き
- 技術調査と要約
- 請求書作成・月次の目標整理みたいな手順化できる事務作業
自分の場合、メンバーの価値観・業務背景・運用ルールをMarkdownで1つのリポジトリに蓄積していて、エージェントはそれを読んで動きます。数年前なら1日がかりだった「仕事」が、いまは朝のスケジュール実行で勝手に終わっている。
ポイントは「コンテキストに落とせる」の意味です。手順書に書ける仕事、前提を列挙できる仕事は、書けた瞬間からAIの土俵になります。裏を返せば、人間の仕事は「まだ書けていないもの」「そもそも書けないもの」の側へ寄っていく。エージェント設計の考え方については Anthropicのエージェント構築ガイド が参考になりますが、読めば読むほど「仕事を構造化して、ツールと評価の仕組みまで整えれば、ここまで回るのか」という確信が深まります。
もちろん、現時点のAIが万能という話ではありません。METRの研究では、経験豊富なOSS開発者16名がAIツールを使ったところ、本人たちの体感に反して作業が平均19%遅くなったという結果も報告されています。しかもこの研究の怖いところは、参加者が実験後も「AIで20%速くなった」と信じていた点です。使っている本人の体感すら当てにならない。
ただ自分はこれを「AIは使えない」という証明ではなく、「効く領域と効かない領域がはっきり分かれている」という話だと受け取っています。AIに委ねられているタスクに明確な偏りがあることは Anthropic Economic Index でも示されていて、コンテキストが整った定型領域での進化を毎日見ていると、「ここは人間の聖域だから大丈夫」と言える場所が年々狭くなっているのを感じます。
ここで恐れるべきは「AIに仕事を奪われること」ではないと思っています。怖いのは、AIの出力を右から左に流すだけの人に自分がなることです。前者は環境の変化なので抗えませんが、後者は完全に自分の選択なんですよね。
それでも「人が介在する意味」はどこに残るのか
出力を右から左に流すだけになったとき、仕事のフローにおける自分の役割は「人間ルーター」になります。ルーターは介在価値ではなく、ただの遅延です。じゃあ何が介在価値として残るのか。自分なりの現時点の答えを図にするとこうなります。
コンテキストに乗らない側に残る「人の仕事」は5つ。順番に書いていきます。
仕事①：一緒に働きたいと思われる人間であること
いちばん技術記事らしくない話から始めますが、いちばん実感があるのがこれです。
昔は、コードさえ書ければ仕事になりました。コミュニケーションが多少ぶっきらぼうでも、腕一本で通用する「技術者」でいられた。でもコードを書くこと自体の価値が下がった今、純粋な技術力だけで食べていけるのは、コンピュータサイエンスを修士レベルまで修めてOSSにPRを出せるような、ごく一握りの層だけになると感じています。
自分を含む大多数のエンジニアは、その土俵では戦えません。
じゃあ何で戦うか。
「この人と働きたい」と思われることです。
質問しやすい、依頼の背景まで汲んでくれる、失敗を責めずに一緒にリカバリしてくれる——成果物の差が縮んだぶん、そういう人間力込みの総合点が相対的に効いてきます。
自分の場合、非技術者向けの説明や研修を面倒がらずに引き受けてきたことが、結果的にいちばん次の仕事を連れてきました。技術力で圧倒した記憶より、「説明が分かりやすかったからまたお願いしたい」と言われた記憶の方が、案件につながっています。
仕事②：こだわりを作ること
AIの出力って、正しいのに読む気をなくすことがありませんか？
自分はQiitaに記事を書くとき、当然AIも使うのですが、AIが出した初稿を読み返して「これ、自分でも読み飛ばすな」と思った経験が何度もあります。網羅的で、丁寧で、間違っていない。でも誰が書いても同じ「一般解」で、体温がない。
だから最近は、書き始める前に「どこにこだわるか」を先に決めるようにしています。この記事なら「自分の失敗談を具体的に晒すこと」がそれです。一般解との差分こそが読まれる理由であり、その差分の材料は自分の経験の中にしかありません。コードでも同じで、生成されたものをそのまま使うか、自分の現場に合わせて一段磨き込むかで、成果物の顔つきは全然違ってきます。
仕事③：コンテキストにない情報を意思決定に活かすこと
エージェントは与えられたコンテキストの中では驚くほど賢く動きますが、プロンプトにも検索にもツールにも乗っていない固有の情報は、判断材料にできません。
以前、依頼された集計の要件に「これ、なんか怪しいな」と思いながらそのまま進めて、納品後に前提の食い違いが発覚し、全部作り直した案件がありました。SQLもデータの扱いも間違っていなかったんです。間違っていたのは「怪しいと思ったのに確認せず進めた」という自分の判断でした。
現場の空気、クライアントの本当の狙い、期日の裏にある事情、口頭でしか共有されていない制約——こういう「ドキュメントに書かれない情報」は、人間が渡さない限りAIの判断材料になりません。そして、何を渡して何を渡すべきでないかを見極めるのも人間の仕事です。AIの出力が正しいかどうかではなく、この状況でそれを採用すべきかどうかを決める。それが意思決定という仕事です。
仕事④：責任を持つこと
ある日Claudeが「テストは全部通りました」と報告してきて、自分はそれを信じてその日の作業を終えました。翌日確認したら、何も通っていませんでした。
もしあのまま納品していたら、壊れた成果物に自分の名前が乗っていました。エージェントは圧倒的な量のアウトプットを出しますが、責任は1ミリも取りません。責任を取れる主体が人間しかいない以上、そこは絶対に人間の仕事として残ります。
この事件以来、自分は2つのルールを課しています。1つは、自分の目での検証を省略しないこと。もう1つは、別系統のAIにクロスレビューさせることです。Claudeが書いたコードをCodexに読ませたら潜在バグが4件見つかったことがあり、以来この二段構えが定番の運用になっています。同じ系統のAIに自己レビューさせても、驚くほど甘い点数しか出てきません。
責任を持つとは、出力を「理解して」引き受けることだと思っています。エージェントの生産速度に対して、人間の理解速度が律速になる時代がもう来ています。理解を放棄した瞬間、それは「そのまま出すだけの人」への片道切符です。
仕事⑤：一つの領域に留まらないこと
一つの専門性だけで食べていくのは、かなり厳しくなった——というのが正直な印象です。専門領域の内側の仕事ほど体系化・言語化が進んでいて、つまりコンテキストに落としやすく、エージェントの得意分野になるからです。
バックエンドエンジニアならフロントエンドやインフラまで見られるようになるべきだし、エンジニアリングの外側——マーケティングや経営——に裾野を広げる動きも効いてくると思っています。総合力の勝負です。
自分もデータ分析から始めて、Web開発、インフラ、LLM活用基盤へと領域を広げてきました。最近は個人でメディア事業も始めて、マーケや事業計画に頭を突っ込んでいます。畑違いの領域では初心者に戻るのでへこむ場面も多いのですが、面白い発見がありました。領域をまたいだ瞬間、「コンテキストに書かれていないこと」が一気に増えるんです。小売の現場で聞いた話をデータ設計に反映するとか、事業計画の都合から逆算して分析の粒度を変えるとか、そういう越境の一手はどのドキュメントにも書かれていないので、背景を自分が共有しない限り、AIからはまず出てきません。ドメイン知識と越境経験は、コンテキストに乗りづらいがゆえに価値が残ります。
じゃあ、何をするべきなのか
5つ挙げましたが、全部を明日から鍛えるのは無理です。自分が実際にやっているのは次の3つだけです。
1つ目は、AIの出力に必ず自分の差分（考え）を足してから出すこと。コードならレビューして現場に合わせた修正を、文章ならこだわりの一段落を足します。逆に、差分がゼロのまま出したくなったら、それは「自分がいらない仕事」のサインなので、悩まず自動化に回してしまいます。
2つ目は、説明できないものは出さないこと。エージェントの出力を、人に説明できるレベルまで理解してから外に出します。時間はかかります。でも、これをサボった先にあるのが例の「テスト全部通りました」事件です。
3つ目は、定期的に隣の領域へ一歩はみ出すこと。大げさな転身ではなく、隣のチームの仕事を一つ巻き取るくらいの一歩で十分だと思っています。越境した数だけ「コンテキストに乗らない引き出し」が増えます。
おわりに
AIエージェントの進化は本当に速くて、この記事の「人の仕事5つ」も、数年後には半分くらいコンテキストに乗ってしまうかもしれません。それでも「差分を足す・理解して引き受ける・越境する」という動き方は、乗る側と乗らない側の境界がどこへ動いても使い回せるはずです。
冒頭の問いをもう一度置いておきます。あなたが最近出したアウトプットのうち、自分の差分は何割ありましたか？ もし即答できなかったら——自分と同じですね。一緒にあがきましょう。この記事は自戒を込めて、AIと一緒に書き、最後に自分の差分を足しました。