2026年カンヌライオンズから考える、技術者の役割の変化

2026年のカンヌライオンズを追っていると、広告業界だけの話とは思えない変化が見えてくる。

今年は、ブランド全体の仕組み・文化・能力によって継続的な事業成果を生む取り組みを評価する「Creative Brand Lion」が新設された。また、AIと人間の創造性が交わる制作を対象にした「AI Craft」部門も加わっている。これは、単にAIを使った制作物を褒めるための変更ではない。何を実現したのか、どんな体験と成果を生んだのか、そのための組織や仕組みがあるのかを問う方向への変化だと読める。Cannes Lionsの公式発表でも、Creative Brand Lionはブランドの「systems, cultures and capabilities」を評価すると説明されている。

この視点は、生成AIが急速に開発現場へ入るIT業界にもそのまま通用する。

「人間かAIか」「効率か体験か」「技術かビジネスか」という二項対立では、もはや仕事を説明しきれない。AIがコード、設計案、テスト、ドキュメントの下案を高速に作れるようになるほど、IT技術者の価値は、作業をこなす速度だけでは決まらなくなる。

これからの武器は、AIを使えることそのものではない。AI・技術・事業・利用者の間をつなぎ、価値を安全に実装し続ける設計力である。

「作れる」ことの価値がなくなるのではない

要件を整理し、設計し、実装し、テストし、安定運用する。こうした基本は、AI時代にも欠かせない。

ただし、AIによって「動くものの初速」は上がる。画面のひな形、API呼び出し、SQL、テストコード、障害調査の切り分け、設計書の要約まで、以前より短い時間で下案を作れるようになった。

ここで起きるのは、技術の価値の消滅ではない。価値の重心の移動である。

これまで強く求められたこと	AI時代により重要になること
仕様どおりに実装する	解くべき課題と成功条件を定義する
個別機能を速く作る	システム全体の整合性と責任分界を設計する
バグを直す	AIの出力を検証し、失敗を止めて戻せるようにする
技術を選定する	体験・コスト・安全性・事業性のトレードオフを説明する

AIが出した実装案を採用するか。自動生成されたテストで十分か。本番データへアクセスさせてよいか。便利な自動化が、利用者の不安や業務上のリスクを増やしていないか。

こうした判断は、動くコードだけからは導けない。技術を理解した上で、目的と制約を言語化し、意思決定できる人が必要になる。

技術者は「翻訳者」ではなく、境界を設計する人になる

IT技術者は、経営や現場の曖昧な要望を仕様に翻訳してきた。AI時代には、翻訳の対象がさらに増える。

経営の目標を、測定可能な成果と優先順位へ翻訳する
現場の困りごとを、データ・業務フロー・例外処理へ翻訳する
利用者の不安や期待を、画面・説明・サポート・運用へ翻訳する
AIの得意不得意を、任せる範囲とレビュー手順へ翻訳する
法務・セキュリティ上の制約を、権限・ログ・承認・データ管理へ翻訳する

しかし、「翻訳者」というだけでは少し足りない。翻訳した結果を実際のシステムに組み込み、どこまでを自動化し、誰が最後に判断し、問題時にどう復旧するかを決める必要があるからだ。

これからの技術者は、価値とリスクの境界を設計するアーキテクトになる。

たとえば、社内問い合わせAIを導入する場合でも、重要なのはモデル名ではない。

問い	設計として決めること
何のために使うか	問い合わせ削減か、回答品質の均一化か、担当者支援か
何を参照するか	正式文書の範囲、版管理、根拠リンク、更新責任者
どこまで答えるか	高リスク領域での回答停止、人間への引き継ぎ条件
誰が責任を持つか	回答のオーナー、訂正手順、障害時の連絡先
どう改善するか	誤回答率、未解決率、訂正までの時間、利用者の評価

この仕事は、プロンプトを一度うまく書くことでは終わらない。利用と改善を回す仕組みを作る仕事である。

「AIを入れた」ではなく、利用者に何が起きたかを見る

カンヌライオンズがAI Craftを新設したことは、AIを使ったという事実と、意味のある仕事を生んだという評価を分けて考えるきっかけになる。2026年の部門変更では、AI Craftを「人間の創造性とAIの組み合わせ」によって、単独では達成できないものを作る領域として位置づけている。

ITプロダクトでも同じである。生成AIを組み込んだこと自体は成果ではない。見るべきなのは、利用者や事業に何が起きたかだ。

利用者は、以前より早く、正しく、安心して目的を達成できるか
現場は、例外処理や確認作業まで含めて本当に楽になったか
誤った提案を受けたとき、利用者は気づき、訂正できるか
コスト削減が、サポート負荷や信頼低下を招いていないか
事業側は、なぜその投資を続けるのかを説明できるか

効率化と体験価値は対立しない。待ち時間を減らす、迷わない導線にする、問い合わせを減らす、情報の根拠を見せる。これらは、運用コストを抑えながら信頼を高められる。

一方で、短期KPIだけを最適化すると、AIは「測りやすいもの」へ寄っていく。回答数を増やすために曖昧な質問にも断定する。再訪率を上げるために通知を増やす。問い合わせ削減のために人へつながる経路を隠す。こうした設計は、数字が一時的に良くても、長期の信頼を壊す。

技術者には、性能・コスト・利用体験・説明可能性を同時に見る視点が必要になる。

AI時代に磨くべき5つの武器

1. 問題を定義する力

「チャットボットを作る」ではなく、「どの問い合わせを、どの品質で、誰の判断を残して減らすのか」と問う力である。

解決すべき課題、対象外にする課題、成功と失敗の条件が曖昧なままAIを入れると、便利なデモで終わる。要件定義は、機能の一覧ではなく、価値と制約の定義へ比重を移す。

2. 文脈を構造化する力

AIは、社内にある暗黙知を自動では理解できない。正しい一次情報、文書の版、判断の背景、例外ルール、更新責任者を残して初めて、AIは業務に使える。

設計判断はADRやDecision Logに残す。検索用データには、文書ID・版・更新日・根拠箇所を持たせる。回答には根拠を出し、根拠が弱ければ回答を控える。こうした情報設計が、AIの精度と説明責任の土台になる。

3. 任せ方と止め方を設計する力

AIに任せる範囲を広げるほど、最小権限、承認、監査ログ、ロールバックが重要になる。

提案作成や下書きは自動化してよい。しかし、外部送信、本番反映、権限変更、顧客データの更新といった不可逆または影響の大きい操作は、人間の承認を挟む。この線引きを作れることは、AI時代の中核技術である。

4. 評価して改善する力

AIの品質は、ベンチマークの数字だけでは決まらない。自社のデータ、業務、利用者、例外に対して、期待どおりに振る舞うかを測る必要がある。

最低限、次のような指標は持ちたい。

根拠つき回答率と、根拠の正確性
高リスク質問を正しく保留・エスカレーションできた割合
人間の修正率、再作業率、問い合わせ再発率
誤りを検知してから訂正するまでの時間
利用者が最終判断を理解・制御できているか

AIを「導入したプロジェクト」で終わらせず、評価セット、監視、フィードバック、再学習・再設定を回す運用にする。

5. 体験と事業を一緒に考える力

技術が優れていても、利用者にとって怖い、分かりにくい、戻せない仕組みは選ばれない。反対に、心地よい体験でも、コスト・性能・セキュリティを無視すれば続かない。

技術者は「実装可能か」に加えて、「使う人が納得できるか」「運用担当者が支えられるか」「事業として継続できるか」を設計レビューに持ち込む必要がある。これはデザイナーや事業部の仕事を奪うことではない。各専門性を接続して、実現可能な形にする役割である。

明日からチームで始める3つのこと

大きなAI戦略を待つ必要はない。まずは、今あるAI利用を次の3点で見直せばよい。

AIに任せている作業を棚卸しする
読み取り、提案、書き込み、外部送信、本番操作に分け、誰の承認が要るかを明確にする。
重要な判断の根拠を残す
なぜこの仕様にしたのか、何を優先し、何を採用しなかったのかを短く記録する。AIにも人にも参照できる判断の土台になる。
速度以外の成功指標を1つ加える
例として、誤回答からの訂正時間、利用者が根拠を確認できた割合、手戻り率、運用担当者の負荷を測る。

技術者の武器は、技術を価値へ変える設計力になる

AI時代に価値を持つのは、最も速くコードを出力できる人だけではない。

何を実現するのかを問い、利用者と事業の文脈を理解し、AIに与える権限と人が担う判断を設計し、結果を評価して改善できる人である。

2026年のカンヌライオンズが示しているのは、AIと人間のどちらが勝つかという話ではない。AIを含む仕組み全体で、どんな価値を生み、その価値を持続させられるかという問いだ。

IT技術者にとっての武器は、技術を手放すことではない。技術を、目的・体験・信頼・運用へつなぎ直すことだ。

参考リンク

作成日: 2026-07-20