2
1

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

@mhamadajp(Masa Ham)

AI時代、IT技術者が今から準備すべきこと

2
Posted at

変わるのは仕事そのものではなく「価値の出し方」

「AIで仕事がなくなるのか？」——IT業界にいると、何度も耳にする問いです。

ただ、現場で起きていることを見ると、少し問いの立て方が違うように思います。本当に問うべきなのは、「自分の仕事がなくなるかどうか」ではなく、仕事のなかで自分が価値を出す場所がどこに移っていくのかではないでしょうか。

世界経済フォーラムの「The Future of Jobs Report 2025」では、2030年までに労働者のコアスキルの約4割が変化すると示され、同時に雇用は純増（新規創出約1億7,000万、置換約9,200万で差し引き約7,800万の増加）と予測されています（Skills outlook／Jobs outlook）。数字をそのまま鵜呑みにする必要はありませんが、現場感覚としてはかなり納得できる水準です。

すでに私たちは、日々それを目にしています。MicrosoftとGitHubの実証研究では、Copilot利用により開発者のタスク完了数がおおむね1〜2割増、実装タスクは約56%短縮したという結果が報告されています（The Impact of AI on Developer Productivity: Evidence from GitHub Copilot - Microsoft Research）。コーディングの一部はAIが補助し、調査・要約・草案作成はAIがかなり速くこなします。テスト観点の洗い出しやドキュメント整理も自動化が進みます。一方で、人間には「何を作るべきか」「何が正しいのか」を決める責任が、これまで以上に濃く残っています。

つまり、AI時代に消えるのは「仕事」そのものというより、人間が時間をかけていた中間工程です。その結果、IT技術者には判断・設計・接続・検証・改善の力が、これまで以上に求められるようになります。

では、そんな時代に私たちは何を準備すればよいのでしょうか。以下、五つの観点から整理していきます。

準備その1：必要なのは「AIリテラシー」——全員がAI研究者になる必要はない

まず手を付けるなら、AIの扱い方です。AI時代に備えると言うと、「機械学習を本格的に学ばないといけないのか」「全員がPythonでモデルを組める必要があるのか」という話になりがちです。でも、多くのIT技術者にとって本当に重要なのはそこではありません。

必要なのは、AIの仕組みをざっくり理解し、強みと弱みを現実的に扱えることです。

生成AIを使っていると、こんなことがよく起きます。もっともらしいが事実としては間違っている（OpenAIはこれをハルシネーションと定義し、原因と対策を言語モデルでハルシネーションがおきる理由で解説しています）。文脈が足りないと雑な一般論を返す。曖昧な依頼には曖昧な出力しか返せない。逆に、仕様や制約が明確だとかなり強い。ただし検証工程を省くと、一気に危険になる——。

ここで大切なのは、AIを「賢い人間」として扱わないことです。現場では、高速だが監督が必要な補助者くらいに捉える方が安全です。AIの便利さが技術者の思考にどう影響するかは、別記事「便利すぎるAIは、なぜ技術者の思考を弱くするのか」でも整理しています（筆者記事一覧からご参照ください）。

現場で価値が出るのは「安全に組み込める人」

AIをなんとなく触れる人ではなく、AIを安全に組み込める人に価値が出ます。そのために押さえておきたいのが、次のようなAIリテラシーです。

どんなタスクがLLM向きで、どんなタスクが苦手か理解する。プロンプトの工夫だけでなく、前提情報の設計が重要だと知る。出力を信用するのではなく、検証可能な形に落とす。「答えを出させる」より、「比較・下書き・観点出し」に使い分ける。セキュリティ、著作権、個人情報、ログ管理の論点を押さえる——。これらは、特別な研究ではなく、日々の利用のなかで身につけられる範囲のものです。

AIの扱い方を押さえたら、次は「何に力を入れるか」です。

準備その2：陳腐化しやすいスキルより「長く効くスキル」を伸ばす

技術の世界では、「何のフレームワークを使えるか」「どのライブラリを知っているか」に目が向きがちです。もちろんそれも大事です。ただ、先の世界経済フォーラムのレポートでも、求められるスキルはテクノロジー（AI・データ・セキュリティ）と人間系スキル（創造的思考、レジリエンス、協働など）の組み合わせへ移るとされており、単一ツールの習熟だけでは足りない時代になっています（Future of Jobs Report 2025 - Skills outlook）。去年まで有利だった知識が、今年はコモディティになる。その速度が上がっているのです。

だからこそ、特定ツール依存のスキルと長く効くスキルを分けて考え、後者に投資する意識が、IT技術者にはいっそう重要になります。そのために、どちらに当たるかをざっくり分けておきましょう。

陳腐化しやすいもの

特定サービスの細かい操作の記憶、一時的に流行している実装パターンの丸暗記、コピペ前提の定型作業だけで回る開発能力、「この手順ならできる」が中心のスキル——これらは環境が変わると一気に陳腐化しやすくなります。

長く効くもの

問題を構造化する力、要件の曖昧さを減らす力、トレードオフを説明する力、他職種と合意形成する力、障害や不具合の原因を切り分ける力、複雑さを減らす設計力、変化を前提に保守性を考える力——これらはツールが変わっても効き続けます。

AIがコードを書くほど、人間に残る問いが増える

AIがコードを書けるようになるほど、人間側にはむしろ次のような問いが増えます。そもそもこの機能は必要か。どこまで自動化してよいか。失敗したとき誰が責任を持つか。この設計は半年後も運用できるか。ログ・権限・監査は十分か。例外系の扱いは本当にこれでいいか——。

このあたりは、単純なコード補完では埋まりません。そしてこここそが、IT技術者の価値が残る場所です。

では、そうした「長く効く力」は、具体的にどう伸ばせばよいのでしょうか。そこで鍵になるのが、学び方の設計です。

準備その3：アップスキリングは「流行を追う」より「上流で価値を出す」こと

新しい技術が出るたびに、「とりあえず資格を取る」「とりあえず触ってみる」という動きは起きます。入口としては悪くありません。ただ、それだけではキャリアの軸になりません。

AI時代のアップスキリングで重要なのは、何を学ぶかより先に、自分はどのレイヤーで価値を出したいのかを決めることです。同じIT技術者でも、伸ばす軸はかなり違います。

方向性の例——同じIT技術者でも伸ばす軸は違う

アプリケーション開発寄りなら、AIを使った実装補助・UI/UX改善・要件反映の高速化。インフラ・プラットフォーム寄りなら、モデル運用基盤・監視・権限制御・コスト最適化。データ・分析寄りなら、データ品質・評価設計・特徴量や文脈の整理・可観測性。プロダクト寄りなら、ユースケース定義・KPI設計・導入効果検証。マネジメント寄りなら、業務再設計・運用ルール・リスク管理・導入方針策定——。

大事なのは、「AIを学ぶ」こと自体ではなく、AIによって変わる業務のなかで、自分がどの責任を担えるようになるかです。

学ぶ価値が高いテーマの条件

今の仕事にすぐ接続できる。1年後も使い道がありそう。より上流の判断に関われる。他の案件にも転用できる。自分の専門性を薄めず、むしろ強める——こうした条件を満たす学びを優先すると、結果的に強いです。

技術者の学習でありがちなのは、「勉強した気になるが、現場で役割が変わらない」ことです。それよりも、今の業務でより難しい問題を扱えるようになる学びを優先した方が、キャリアにも効きます。

アップスキリングが「今の役割を深める」とすれば、もう一つの選択肢が役割そのものを広げる道です。

準備その4：リスキリングは「負けた人の撤退戦」ではなく「次の波に乗る戦略」

アップスキリングは、今の仕事の延長線上で強くなること。一方でリスキリングは、別の役割に移る準備です。この言葉には、「今の仕事が危ない人がやること」という響きがあるかもしれません。

でも、AI時代にはそうではありません。むしろリスキリングは、かなり前向きな選択になります。世界経済フォーラムの同レポートでは、雇用者の約8割が「リスキリング・アップスキリングが事業戦略に重要」と答えており、役割の再定義が経営課題になっています（Future of Jobs Report 2025 - Press release）。AIで大きく変わるのは作業のやり方だけではなく、役割の境界線だからです。その結果、こんな動きが増えていくはずです。

これから増えそうな役割の移動

実装中心の人が、設計・レビュー・品質保証寄りに広がる。運用中心の人が、監視基盤や自動化設計に寄る。テスターが、評価設計やAI出力検証の専門性を持つ。社内SEが、業務変革とAI導入支援の役割を持つ。データ分析担当が、意思決定支援や業務設計まで踏み込む——。

「今やっている仕事を守る」より、隣接領域に越境できるようにしておくことの方が重要になります。AIによって定型作業が減るほど、価値は「操作する人」より「仕組みを設計する人」に寄ります。

現場を知っている人の強み

IT技術者にとってのリスキリングは、現場を知っている、システムの制約もわかる、実装の現実もわかる、その上で業務を再設計できる——という、かなり強い立場への移行でもあります。

いまの役割を深めるにせよ、隣の役割に広げるにせよ、共通して必要なのが「学び続ける土台」です。

準備その5：「自分専用の学習インフラ」を持つ人が強い

AI時代の学習は、一回の研修で終わりません。むしろ問題は逆で、情報が多すぎて追い切れません。だから必要なのは、気合いではなく学び続ける仕組みです。

ここでいう学習インフラとは、難しいものではありません。自分が継続的にアップデートするための、個人システムのことです。たとえば、次のような取り組みがそれに当たります。

学習インフラの例

毎週、技術キャッチアップの時間を固定する。気になる技術を「読むだけ」で終わらせず、1回試す。業務で使えそうなものは小さく検証する。学んだことをQiitaや社内文書で言語化する。業界の変化を見ている人を数人フォローする。AIに任せられる作業と任せない作業を定期的に見直す。「何を学ぶか」を案件ベースで決める——。

特におすすめなのは、インプットとアウトプットを分けないことです。Qiitaに書くのも、社内Wikiに残すのも、登壇するのも、全部学習インフラです。書こうとすると、曖昧な理解が露呈します。逆に言えば、書けるようになった知識はかなり強い。

なお、AI時代には「知っていること」そのものの価値は相対的に下がります。その代わりに、ある力の価値は上がっていきます。

知識の希少性が下がる時代に価値が上がるもの

AI時代は、知識そのものの希少性は下がります。でも、何を重要と見なすか、どう整理するか、どう現場に適用するか、何を捨てるか——この編集能力は、むしろ価値が上がります。

ここまで五つの準備を並べてきました。それらをひとつに束ねると、技術者に求められる役割の変化が見えてきます。

技術者の役割は「作る人」から「価値を成立させる人」へ広がる

ここまでを一言で言うなら、AI時代にIT技術者へ求められるのは、実装能力だけでなく、価値を成立させる能力です。

以前なら、「ちゃんと動くものを作れる人」が強かった。もちろん今も重要です。ただこれからは、それだけでは足りません。必要なのは、次の問いに答えられることです。何を自動化するべきか。どこに人間を残すべきか。何を成功とみなすか。どこにリスクがあるか。運用で破綻しないか。利用者の信頼を損なわないか——。

AIは、実装の一部を速くします。その分、人間はより上流の責任を引き受けることになります。つまり、技術者の未来は「不要になる」のではなく、より設計責任の重い仕事へシフトするのです。

そうした変化のなかで、どんな姿勢の人が生き残るのか。最後に一言でまとめておきましょう。

まとめ——強いのは「一番よく適応できる人」

AI時代に強い人は、資格を最もたくさん持つ人とは限りません。最新技術を最も早く試した人とも限りません。

本当に強いのは、変化を怖がりすぎず、流行に踊らされすぎず、自分の専門性を軸にしながら、必要なものを学び直し、周辺領域へ広がれる人です。

技術者の世界では、「学び続けろ」という言葉が精神論に聞こえることがあります。でもAI時代の学習は、根性論ではありません。職業上の防御であり、同時に攻めの戦略です。変化に適応する姿勢は、もはや単なるマインドセットではなく、技術者としての市場価値を守り、広げるための資産になります。

では、読者のみなさんには、どんな一歩から始めてほしいか。おわりに、その視点で締めくくります。

おわりに

AIによって、職場の役割分担はこれからも変わっていきます。ただ、その変化は「人が不要になる」というより、人が担当すべき仕事の重心が移ると捉えた方が、実態に近いはずです。

定型作業、下調べ、草案作成、単純な実装補助——そうした部分は今後さらにAIが担っていくでしょう。だからこそIT技術者は、その先にある仕事、つまり問題設定、要件定義、設計判断、品質保証、監査、運用最適化、組織への実装に、価値を出せるようになる必要があります。

変化は避けられません。でも、準備はできます。そしてたぶん、これから問われるのは「AIに置き換えられるか」ではなく、AIを含む新しい仕事のやり方のなかで、自分はどんな価値を担うのかです。その問いに向き合い始めた技術者から、次の数年で強くなっていくのだと思います。

参考

作成日：2026年3月2日

2
1
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
Sign upLogin
2
1

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?