画像の出典：Geminiにて生成
はじめに
Qiitaに初投稿します！
正直に言うと、この記事を書くと決めるまでには、かなり迷いがありました。
Qiitaには、日々
-
専門的な高度な解説
-
最先端の技術検証
-
圧倒的な実装力
…そんなプロフェッショナルな記事が数多く並んでいます。
これらを読むたびに、
「エンジニアとしてまだ発展途上の自分が、ここに何かを書いて良いのだろうか」
と、正直思っていました。
それでも、今回この投稿に踏み切ったのは、「今の自分でも、何か提供できる価値がある」のではないかと感じたりとりあえず、「やってみることが大切」と思ったから
そういえば、
世間一般にも「生成AI」という言葉が浸透し、エンジニアで生成AIを触ったことがない人はいないのではないでしょうか。
- コード生成
- 調査支援
- 設計の壁打ち
- ドキュメント作成
さまざまなシーンで「AIが使える」と語られ、
技術革新のスピードも年々加速しているように感じます。
私自身も、生成AIの便利さに助けられており、
業務でもプライベートでも日常的に使っています。
しかし、ふと疑問が湧きました。
「生成AIって、実際にはどれくらい使われているんだろう？」
- 本当に日常業務の中に溶け込んでいるのか
- それとも、一部の人だけが使いこなしているのか
- 多くのエンジニアはどの工程で使っているのか
- 経験年数によって利用の傾向は変わるのか
- 効果的な活用方法とは何なのか
こうした点について、現場としてのリアル”を数字で見たことがなかったのです。
そこで私は思いました。
現場のエンジニアたちの声を集め、
それを整理し、可視化することなら自分にもできる！
そう考え、アンケートを実施することにしました。
今回、社内のエンジニアの皆さんにご協力いただき、
-
エンジニア歴
-
職種
-
生成AIの利用頻度
-
実際に使っている工程
-
使用しているツール
といった項目に絞ってアンケートを実施しました。
アンケートにご協力してくれた皆さん本当にありがとうございます！！
前説が長くなってしまいましたが、
本記事では、
- 生成AIを使い始めてはいるが、正解が分からない
- 周囲の活用状況が気になっている
- 便利だと聞きながらも、実感が追いついていない
そんなモヤモヤが解消され、「自分の今の立ち位置」を見つめ直す材料になるはずです！
それでは、
アンケートの数字が示す、
エンジニアによる生成AI活用の実態を一緒に見ていきましょう！
生成AIは「コーディング」より○○で使われていた
アンケート「生成AIをどの工程で最も使うか」についての結果は上記の画像の通りとなりました。
正直、調査とコーディングは同じくらいになるのかな～ と予想してましたが
実際は「調査・エラー解決」が「コーディング」の2倍近くの結果になりました。
私自身、初めて生成AIに触った際、『コードの自動生成』に感動した印象が強く残っていたため、「コーディング」が上位なんだろうとふわっとした思い込んでいたのかもしれません。また、生成AIにコーディングで助けられた自身の経験も多くあるため、コーディングが1位だと思っていました。
しかし、実際に現場で活躍されているエンジニアの皆さんの結果から見ると「調査・エラー解決」が最も活用されています。
この結果から見えてきたのは、
生成AIの活用は、負荷がかかる原因調査や仕様理解、仮説検証といった考える工程になっていることが考えられます。そのため、比較的に定型作業となるコーディングよりも、原因調査や仕様理解などの壁打ちや思考整理で生成AIが活用される傾向になり、このようなアンケート結果になったのではないでしょうか
回答者の背景（エンジニア歴など）もアンケートとして、集計しておりますので、そちらも踏まえて、アンケート結果を見ていくことで深く考察できるはずです。皆さんもアンケート結果だけでなく、背景を考察しながら見ていただけるとより楽しめると思います！
では、次に参りましょう。
リアルな声紹介
～生成AIの活用で役立ったエピソード・良かった使い方～
ライブラリのバージョンによる互換性によるエラーなど、これまではコーティング外のエラー調査に時間がかかることが多かったが、原因の仮定から発見、対策までの時間が大幅に短縮されるようになりました。
コードを読んでドキュメントに落とすスピードが速く、仕様理解に役立つ コード生成の能力が上がり、こちらで方法を指定することでベストプラクティスに沿った実装ができる
エラーの調査段階でどこから手をつけたらいいかわからない時に、生成AIに聞くことで方向性を決めることができた。
生成AIは、もう特別なツールではない？
まずは、生成AIを業務の中でどれくらいの頻度で使っているのかの全体像を見てみます。
この結果を見ると、「ほぼ毎日使う」「週に数回使う」を合わせた、高頻度利用層が全体の88.9%を占めており、生成AIがすでに日常業務の一部として定着しつつあることが分かります。
一方で、「業務で使用禁止」という現場も存在します。
つまり、生成AIを使いこなすスキルは重要となってくることがわかります。
もはや、必須！
とはいえ、AIに頼り過ぎてしまうと「業務で使用禁止」の現場では、自力での解決方法が見つからない事態に陥ってしまう危険性もあります。
AIを使いこなすことも大切ですが、エンジニアとしての専門的な知識技術のレベルアップは必須であることに変わりはありません。
リアルな声紹介
～生成AIの活用で役立ったエピソード・良かった使い方など～
とにかく作業スピードが上がる。ただAIの回答のすべてが確実なわけではないので人の目によって99.9%にする必要はある…。
エンジニア歴を参考に各アンケート結果に深みを！
今回、アンケートに回答してくださった。エンジニアの経験年数の分布になります。
アンケート結果に限らず、常に集計されたデータは数値と背景に目を向けることが大切です。
割合の大小だけを追うのではなく、「なぜこの数値になっているのか」「ここにはどんな背景があるのか」と問い続けていくことで、初めてデータは意味を持ち始めます。
単なる集計結果として眺めるのではなく、そこに積み重なった現場の行動や心理を読み解く視点を持つことで、数字は事実の羅列ではなく、実態を映す情報へと変わっていきます。
今回は27名の方に協力していただき、アンケートを集計することができました。
つまり、アンケート結果の基準が27名として割合表示されます。
割合だけに注目するのは注意です。
割合の基準となった人数は？
どんな背景を持った人がアンケート回答を占めているのか？
アンケート回答者が100名、500名、1000名と変わるとどうなるのか？
そのほかに、
アンケート存在の周知方法・集計方法・集計期間など。
それぞれの対応により回答者の人数や背景に変化が現れると思います。
例えば、
- 定期的に周知 → 見る頻度が増える → 回答者が増える
- 簡単に回答できる設計 → ハードルが下がる → 回答者が増える
- 集計期間を短くする → 機会を逃す → 回答者が減る
条件によって、回答してくれる方はどのような傾向にあるかなど、アンケートの背景を考えることで、見えてくるものあると思います。
実際にこのアンケートは、以下の条件で行われました。
- 周知は一度だけ
- アンケート設計は選択肢を1つ選ぶ
- 集計期間は定めず、回答者が増えなくなった段階で終了
みなさんの分析、コメントでお待ちしてます！
リアルな声紹介
～生成AIの活用で役立ったエピソード・良かった使い方～
案件キャッチアップのハードルはとても下がった
経験したことのない言語の学習・開発時、サイトを検索するよりもAIに聞いて分からないことを解決していく方が学習も開発もしやすかった。
主に使用しているAIツール
実際にどの生成AIツールが使われているのかを見ていきます。
結果を見ると、Copilot, Claude, ChatGPTの利用率が高いことがわかります。
GitHubとVSCodeが現場の標準環境となっている中で、Copilotはそれらにほぼシームレスに組み込まれており、特別に操作しなくても自然と利用される設計になっています。さらに、企業向けの契約体系や管理機能が整っていることから、会社単位で公式導入されやすいツールでもあります。
導入しやすく、使われやすく、継続利用されやすい環境が揃っていることが、Copilotの高い利用率につながっているのではないのでしょうか。
AIツールの特徴
GitHub Copilot
コーディング補完や自動生成、IDE との深い統合によって、実装スピードの向上・定型コードの自動化に優れている。
Claude
長文処理、要約、文章生成、整理・説明文作成など文章寄りの処理に強く、ドキュメント作成や設計レビュー補助などに向いている。
ChatGPT
自然言語での対話に長け、調査・壁打ち・文章化・要約・設計相談など、柔軟で文脈依存のタスクに強い。
アンケート回答の「その他」については、気になるところですね。
コメント欄でお勧めのAIツールや主に使用しているツールがありましたら、コメントしていただけると嬉しいです！！
リアルな声紹介
～生成AIの活用で役立ったエピソード・良かった使い方～
Copilotのコード自動補完機能が便利。間違えてないかのチェックが必要だし、間違ってるから直す手間が発生するけれど、一々コピペした方が余計に時間がかかる時もあるなか、タブキー1つ押すだけでコードを記載してくれるのが好きです。
おわり
今回の記事では、私らしく価値を提供できたのではないかと感じています。実際に現場で活躍されているエンジニアのみなさんのリアルを数値や「リアルな声紹介」としてお届けすることができました。これは生成AIが生み出すことができない領域だと思います。
また、このアンケート結果を考察していただけたら幸いです。
コメント欄も「俺は生成AIをXXXのように活用している」「初めて生成AIに触れたときにこのように感じた！」などと盛り上げてくれたら嬉しいです！
この記事が完成できたのは、自分一人の力ではなく、みなさんの協力があったからこそです。営業さんからの「記事を書いてみない？」というきっかけやアンケートに参加してくださったみなさんのフットワーク。本当にありがとうございました。
そして、
最後まで記事を読んでくださったみなさん
記事をチラ見してくれたみなさん
ありがとうございます！！！
