1
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

AIがコードを書く時代、IT技術者の競争力はどこに残るのか

1
Posted at

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

1
0
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
1
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?