同じ機能を短い時間で作れると、何を理由に選ばれるかが問われる
たとえば、顧客からこう頼まれたとします。「顧客情報を登録、検索、更新できるWebアプリを作ってほしい」。
AIコーディング支援を使うと、テーブル定義、API、画面、入力チェックの案が短い時間で出ます。テストの下書き、既存コードの説明、リファクタリングの候補も出ます。以前は、文法を覚え、アルゴリズムを考え、フレームワークの使い方を習得してから書き始めていました。今は、自然言語で要求を渡して、実装案を出してもらうこともできます。
文法、アルゴリズム、フレームワークの知識は、今も必要です。変わったのは、同じような実装案を、多くの人や企業が出せるようになったことです。短くなったのは、実装にかかる時間です。誰でも近い機能を作れるようになると、IT技術者やソフトウェア企業は、何を理由に選ばれるのでしょうか。
この問いに、企業の側から答えた本があります。城田真琴氏は2026年9月、日経BPから『AIに潰されないための競争戦略 5つの武器(モート)』を出版しました。著者は2026年9月18日付のEY Japanのニュースリリースで、専門知識や製品機能や開発力の一部は似たものになってきており、AIを使いこなすだけでは競争優位が続かない、と述べています。本が挙げる5つは、マスターデータ、ワークフロー、ディストリビューション、エコシステム、スケールです。
モートは、競合がすぐ真似しにくい仕組みのことです。作るものがコードから動くソフトウェアへ移っている話は、AIがソフトウェアを作る時代、IT技術者は何を作る人になるのかに書きました。この記事では、そのソフトウェアが選ばれ続ける条件を、この5つで見ます。
機能が1つだけだと、他のサービスに置き換えられやすい
選ばれる理由が「その機能がある」だけだと、他のサービスに置き換えられやすくなります。
たとえば、会議の音声から議事録を作るSaaSです。数年前は、音声認識、要約、話者の区別を組み合わせること自体に価値がありました。今は、汎用のモデルやAPIで、近い機能を比較的短い期間で作れます。すでに契約している会議サービスの標準機能に議事録が加わると、利用者は別のサービスを契約しなくてよいかもしれません。「議事録を作れる」だけでは、他のサービスと差をつけにくくなります。
差がつくのは、業務の記録や法令まで扱うときです。たとえば、医療機関向けに、診療記録との連携、専門用語、アクセス権限、監査の記録、法令への対応まで持つサービスは、文章を生成するだけの機能とは役割が違います。同じモデルを使っていても、機能を1つ提供しているのか、業務の開始から完了まで扱っているのかで、置き換えにくさは変わります。
受託開発でも、同じことが起きます。仕様書に書かれた処理をプログラムにするだけだと、生成が速くなるほど、工数と単価で比べられやすくなります。顧客の業務を理解し、仕様書にない例外を見つけ、運用中に失敗する条件を実装の前に指摘できる技術者がいます。この人の価値は、プログラムへの変換作業だけでは説明できません。
要望が出た理由を聞く進め方は、「何を作るか」が技術者の価値を決める——コードを書く人から、課題を形にする人へにあります。ここから先は、その業務がどの記録と、どの処理の流れに対応するかを見ます。
5つの競争優位を、設計レビューの質問にする
城田氏の5つは、企業の競争戦略の枠組みです。詳しい議論は本に書いてあります。設計レビューでは、次の質問に置き換えます。
正しい記録はどのシステムか。業務の例外は処理の流れに入っているか。良い機能は、今の環境で使われ続けるか。外部の会社にも、参加を続ける理由があるか。規模が増えたとき、障害と費用はどうなるか。
この順で、1つずつ見ます。
マスターデータ:数字が食い違ったとき、どのシステムを正しいとするか
最初の質問は、正しい記録がどこにあるかです。
生成AIは、文章やコードを作れます。契約内容、顧客の最新の住所、在庫数量、支払いが終わったかどうかは、業務システムに記録された事実を参照して初めて使えます。ECの問い合わせで「在庫はあります」と返しても、在庫管理の記録に商品がなければ、その回答は業務に使えません。
データの量が多いことと、業務で信頼できることは別です。確認するのは、値が正確か、更新されているか、食い違ったときに正本として扱われるかです。企業システムでは、この正式な記録を扱う仕組みを System of Record(SoR)と呼ぶことがあります。契約が成立した、支払いが完了した、在庫が増減した、という出来事の記録です。
設計で確認するのは、次の4つです。この画面の数字は、どのシステムの値か。更新の責任者は誰か。変更の履歴は保存されるか。AIがその値を参照するとき、いつの版を見ているか。
ワークフロー:正しい記録の次に、例外を誰が処理するかを決める
正しい記録があっても、どの順番で更新するかが決まっていなければ、業務は完了しません。
経費精算の基本は、申請、承認、支払いの3つです。この3つだけなら、比較的短い時間で実装できます。実際の会社では、この3つでは足りません。
承認者が長期休暇のときは、誰が代わるのか。予算を超えた申請は、誰が判断するのか。1度承認したあと修正したら、再承認は必要か。組織変更の途中の申請は、旧組織と新組織のどちらが処理するのか。監査では、過去の承認の経緯を、どの記録で確認するのか。
これらは、その企業のルールと、これまでの運用から来た例外です。教えていない社内の決まりは、モデルが最初から知っている情報には入りません。業務知識を文書にしてAIから参照できるようになれば、例外の一部は自動化されます。そのあとで必要なのは、変わったルールを整理し、どのシステムの仕様に反映するかを決めることです。
誰が承認し、誰が記録し、どの例外をどう処理するかを、処理の順番に沿って仕様に書きます。権限のはみ出しを防ぐ内部統制も、この順番の中に入れます。
ディストリビューション:性能が良くても、使われ続けるとは限らない
業務の流れまで仕様に入っていても、利用者がそのシステムまで到達しなければ使われません。届ける経路のことを、ディストリビューションと呼びます。
性能が良くても、利用者はすぐには増えません。企業が新しいシステムを導入するとき、セキュリティ審査、契約、既存システムとの接続、教育、運用体制が先に必要になります。すでに多くの社員が使っている基盤に機能を追加する方が、新しいサービスを1つ契約するより、審査と教育の手間が少ないことがあります。
そのため、新しい画面を作ることに加えて、どの環境に載せれば審査と教育が少なくて済むかも設計します。導入、運用、保守、セキュリティ、既存環境との接続は、機能の仕様と同時に書きます。
エコシステム:接続先の会社にも、続ける理由があるか
自社の画面が使われていても、接続先の会社が離れると、その機能は続きません。
製品の機能は、価値の一部です。業務基盤の周りに外部アプリ、開発者、運用のパートナーがいると、利用者はその周辺も含めて製品を選びます。個々の画面やAPIはAIで作りやすくても、長年の接続手順、運用手順、過去の障害対応を短い期間で同じ状態にするには、接続先の会社との契約と共同作業が必要です。
設計では、1つのシステムだけで完結させません。API、認証、データの連携、拡張用のインターフェースを、外部の開発者が使える形にします。特定の事業者の仕様から離れにくくなること(ベンダーロックイン)も、同じレビューで確認します。料金や仕様が変わったとき、利用者の承認履歴やデータが読めなくなるなら、接続しやすいことは、このリスクの説明にはなりません。
スケール:人数が減っても、それだけでは競争優位にならない
接続先が増えても、件数や障害が増えたときに壊れるなら、競争優位にはなりません。
たとえば、同じシステムに100人必要だった作業が、AIで20人になったとします。この100人と20人は、説明のための数です。調査結果ではありません。人数が減ることは、人数の多さを強みにしてきた会社には厳しい変化です。競争優位の説明には、人数が減ったこと以外の内容が必要です。
金融機関の決済、大規模な物流、社会インフラでは、処理の速さに加えて、障害のときの対応、止めないための構成、セキュリティ、災害のときの継続が必要です。これらは、運用の経験と設備への投資で作られています。利用データをもとにサービスを改善し、その改善で利用が増えるなら、規模の大きさがコストや品質の差になります。利用者が増えることと、その増加がコストや品質の差になることは別です。
クラウドの構成、処理を分ける設計、可用性、障害を短時間で復旧する運用(SRE)、セキュリティ、費用を、事業の価値と並べて説明します。担当人数の少なさを、競争優位の説明には使いません。
経費承認で、5つの質問を1枚のメモに書く
5つを別々に覚えるより、1つの機能について並べて書くと、実装前に足りない情報が分かります。経費の承認を既存の会計システムに追加する場面では、次のメモになります。製品の設定ファイルではなく、レビュー用です。実行はしません。空欄の項目が、実装の前に人へ確認する内容です。
# 設計レビュー用。実行設定ではない。
feature: 経費の承認を、既存の会計システムに追加する
master_data:
system_of_record: 会計システムの申請テーブル
if_conflict: 画面と台帳が食い違ったら、台帳を正とする
update_owner: 経理
workflow:
main_path: [申請, 上長承認, 支払い]
exceptions:
- 承認者が長期不在のときの代理
- 予算超過時の判断者
- 承認後に修正したときの再承認
resume: 障害で止まった申請は、最後に確定した状態から再開する
distribution:
place_users_already_open: 既存の社内ポータル
extra_login: 増やさない
ecosystem:
connects_to: [人事, 会計, 監査ログ]
lock_in: 会計ベンダーのAPI変更で、承認履歴が読めなくなるリスク
scale:
grows_with: 申請件数
must_stay_true: 承認履歴と支払い記録の一致
note: 担当人数の少なさを、競争優位の説明には使わない
このメモでは、全部埋めることより、どの項目が空欄かを見ます。空欄は、AIに依頼する前に確認が足りない項目です。「承認者の不在は後で考える」と空欄のまま生成すると、平常時だけ動く処理が速く増えます。
仕様をプログラムにする人と、例外を先に聞く人
先のメモの空欄を、仕様を読む段階で質問するかどうかが、次の2人の違いです。
Aさんは、仕様書の内容をプログラムへ正確に移すのが得意です。Bさんは、仕様を読んだときに質問を追加します。このデータの正しさは、どのシステムが保証するのか。承認の途中で障害が起きたら、どの状態から再開するのか。このルールが変わると、どのシステムに影響するのか。AIが誤った判断をしたとき、誰が気づき、どう直すのか。これらは、先の5つの質問と同じ確認です。
Aさんの実装力は、生成されたコードを評価するためにも必要です。生成で実装の時間は短くなりやすいので、仕様どおりに書く仕事の一部は自動化されやすい、という違いです。Bさんが先に確認しているのは、何を作り、どの条件を満たし、どの失敗があり得るかです。
AIが進めば、設計の下書きも支援されます。現場の制約のもとで何を実現し、どのリスクを受けるかは、人が責任を持つ判断です。個人の専門性がどう変わるかは、AI時代、IT技術者は何を武器にすればよいのかに整理しました。複数の案のどれを採用するかは、「書ける」だけでは足りない——AI時代に最後まで残る、技術者のTasteの正体です。
人月で説明する受託は、工数が減ると売上が減りやすい
AさんとBさんの違いは、受託の見積もりの説明にも出ます。
日本の受託開発では、元請けから複数の会社へ、要件、設計、実装、テストが分かれる形がよく話題になります。ここでの論点は、その件数ではなく、実装の工数を主な収益にしている仕事です。
たとえば、10人月だった開発が、少ない工数で実装できることがあります。この10人月は説明のための数で、削減率の調査値ではありません。人月単価のまま説明し続けると、短くなった時間を、売上の減少として受けやすいです。
減り方は、工程で違います。レガシーシステムの解析、システム同士の接続、セキュリティ要件の確認、実環境でのテストは、今も時間がかかります。問題になるのは、提供する価値を何人を投入できるかで説明し続けることです。
実行の工程ほど利益が薄くなりやすい、という見方は知的スマイルカーブとAI——価値が左右に寄る時代の「地図」の読み方に書きました。空いた時間を社内の価値に戻す話は、AIで生産性が上がったのに、なぜ価値は増えないのかです。この記事で書くのは、受託で何を価値として説明するかです。
「Javaの技術者を10人出せます」と、「製造業の生産計画と在庫の問題を切り分け、AIを含むシステムでどこを直すか提案できます」では、顧客が買うものが違います。この10人も、説明のための数です。技術を、その顧客の業務の結果と結びつけて説明できるかどうかが、違いになります。
特定分野の業務を深く扱う会社の方が差別化しやすい、というのは筆者の見立てです。製造、医療、金融、公共のすべてが、同じ速度でそうなると決まった話ではありません。
プログラミングの基礎は、生成コードを読むために要る
会社が何を売るかが変わっても、技術者には生成コードを読む基礎が必要です。「AIが書くのだから、プログラミングは学ばなくてよい」という結論は、この記事では取りません。生成されたコードが正しいかを判断するには、基礎が必要だからです。
たとえば、生成コードにSQLインジェクションの欠陥があるとします。利用者の入力が、データベースへの命令として実行されてしまう問題です。危険が分からなければ、レビューで見逃します。アルゴリズムが正しく見えても、データ量が増えると遅くなることがあります。データ構造、アルゴリズム、データベース、ネットワーク、OS、セキュリティは、生成コードを読むために学び続けます。生成に任せすぎると、その読む力がどう変わるかは、便利すぎるAIは、なぜ技術者の思考を弱くするのかにあります。
読む力に加えて、次の3つが必要です。
1つ目は、問題を定義することです。在庫システムの刷新を頼まれたときに、すぐ設計を始めません。在庫の値が違うのか、更新が遅いのか、システムの問題なのか、現場の手順の問題なのかを分けます。システムを作り直すより、手順を変えた方がよいこともあります。開発工程の中で意図と受入条件を書く話は、AIでSDLCはどう変わるのか――「コードを書く開発」から「意図を設計する開発」へに書いてあります。
2つ目は、システム全体を理解することです。認証、決済、在庫、配送を別々に速く作れても、障害のときにどれが完了し、どれを取り消すかは自動では揃いません。個人情報を、不要な外部のAIサービスへ送らない、というデータの境界も、全体を見て決めます。
3つ目は、結果を検証することです。画面の表示が正しいことと、要求を満たすことを分けます。テストの通過は、確認した条件の範囲です。その範囲の外に、どのリスクがあるかを書きます。正しさをモデルの自己申告に置かない原則は、「LLMに任せきり」が危ない理由——数学が示す限界と、設計で補う3つの原則です。人がAIと一緒に判断し、責任を持つ力は、「AIが使える」だけでは足りない——Gartnerの予測が示す、これから教育が育てるべき7つの力に書きました。見方は同じ方向です。
5つを、自分の仕事の質問にする
ここまでの5つは、企業の戦略です。会社の販売経路や契約は、会社の資産です。個人の技能になるのは、その仕組みのどこを設計できるか、という経験です。自分の仕事に置き換えると、次の表になります。
| 企業の競争優位 | 自分の仕事に置き換えると |
|---|---|
| マスターデータ | データの意味、品質、正本、更新責任を説明できる |
| ワークフロー | 業務の流れと例外を整理し、システムに反映できる |
| ディストリビューション | 導入、運用、既存環境への接続まで設計できる |
| エコシステム | 複数のシステムと組織を、相手の都合も含めて接続できる |
| スケール | 規模が増えても、可用性と費用を説明できる |
画面上の仕事が先に変わることと、技術者が伸ばす別の5つの力は、シンギュラリティ予測より先にIT技術者の仕事は変わっているにあります。どちらも5つですが、内容は違います。そちらの記事は、技術者が学ぶ項目の整理です。この表は、選ばれ続けるための仕組みを、自分の仕事に当てはめたものです。
当てはめるときは、次の4つを問います。今提供している価値は、AIで再現しやすいか。特定の業務の理解が必要か。AIを使うと、その理解を使える範囲は広がるか。今繰り返している作業は、来年も使える経験になっているか。
4つ目は、働いた年数と競争力を分けて見る質問です。自動化されやすい作業を繰り返すだけだと、年数が増えても、次の仕事で差がつきにくいです。業務の制約のなかで問題を解いた経験があると、生成が速くなるほど、試せる改善の件数が増えます。
3つ目と4つ目を合わせると、問いはこうなります。AIが速くなったとき、自分の判断を使える範囲は広がるか。今は難しい作業だけを探して、そこを専門にする方法には、限界があります。数年で、モデルがかなり実行できるようになることがあります。どこまでできるようになるかは、今は分かりません。
コードが速く出れば、業務を理解している人は、費用と時間の都合で後回しだった改善を試せます。テストの下書きが増えれば、どの条件を確かめるかを知っている人ほど、検証できる条件の数が増えます。設計案が複数出れば、費用、性能、安全性、保守、業務への適合で比べられます。比べる基準がないと、案の数が増えるだけで、どれを採用するかは決まりません。
次の設計レビューでは、担当中の機能を1つ選び、経費承認のメモと同じ項目の空欄を埋めます。正本のシステム、再開の状態、今の利用者が開いている画面、接続先の会社が参加を続ける理由、件数と費用が変わっても守る条件。書けない行は、実装前に確認が足りない項目です。 埋めた行は、AIに依頼する前の仕様になります。
作成日: 2026-11-04