はじめに
こんにちは。とまと🍅好きのエンジニアです。
私はこの4月に入社して、現在、データ基盤構築という業務に取り組んでいます。
つまり世の中でいう「データエンジニア」をやっています。
しかし、実を言うと今までデータエンジニアという職種を全く知らず、配属されてから初めてその存在を知りました…。
（聞いたことないと言われたら嘘にはなりますが、データサイエンティストとかとほとんど同じだと思っていました）
そしてこの2カ月ほど、AI（GeminiやClaude Codeなど）をフル活用して業務に食らいついてきた中で、
エンジニアとしての成長において「最も時間を割くべきこと」
が分かりだしてきました。
AI全盛期の今だからこそ見直したい「学習」との向き合い方について、本記事では書いていきます！
想定読者
- 新しいことを学びだしたけど、なかなか上達できないなと感じている方
- AIを使ってコードを書いているが、自分の実力が伴っているか不安な新入社員・未経験エンジニア
背景：UI/UX・分析から「基盤」の世界へ
本編に入る前に、私について軽く自己紹介をしたいと思います。
入社までの経路
- 5年間、高専で情報工学やデータサイエンス等の基礎を学ぶ
- 大学の工学×デザイン系の学部に編入学し人間工学やUI/UXデザインを中心に学ぶ
- 院進して、Pythonのライブラリを使って研究データの分析なども経験
という流れで、技術に触れてきた時間はある程度あったものの、データ基盤には一切触れたことがありませんでした。
そのため、大量のデータを収集し、システムとして加工・蓄積するスケーラブルな「基盤」を作るデータエンジニアの領域は、私にとって完全に未知の世界でした。
データエンジニアとは
じゃあ、データエンジニアとは何なのかを
今、読破しようとしているオライリーから出版されている『データエンジニアリングの基礎』から引用しようと思います。
データエンジニアはデータエンジニアリングライフサイクルを管理する。データエンジニアリングサイクルは、ソースシステムからのデータ取得に始まり、分析や機械学習などへのデータ提供に終わる。
出典：Joe Reis, Matt Housley 著, 中田 秀基 訳, 『データエンジニアリングの基礎 ―データプロジェクトで失敗しないために』, オライリー・ジャパン, 2024年, p.4
つまり、ひとことで言うと、「データサイエンティストやビジネス側の人たちが、データを使いやすくするための土台（パイプライン）を作る仕事」です。
データウェアハウスなどのデータ基盤として一般的な知識から、クラウドインフラの知識や、分散処理、データベースの深い理解が求められるため、覚えることの多さに圧倒されています。
AIによる「アウトプットの超高速化」と罠
そんな私を助けてくれたのが、Claude CodeやGeminiといったAIエージェントです。
エラーが出ればAIが瞬時に解決策を提示してくれ、やりたいことを伝えればパイプライン処理のコードまで自律的に書いてくれます。
しかし、業務をこなしていくうちにひとつの「罠」に気づきました。
それは、AIのおかげでタスクは終わるけど、技術力は上がっているのか？ という焦りでした。
パフォーマンス領域と学習領域
そんな焦りのある中、色んな記事や動画を見たり、人に話を聞きに行ったりすることで出会ったのがこの動画でした。
これはEduardo Briceño氏の提唱する 「学習領域（Learning Zone）」 「パフォーマンス領域（Performance Zone）」 という考え方についての動画です。
この動画でEduardo Briceño氏が言っていたのは、
人間の活動は大きく2つに分けられます。
という事でした。
| 領域 | 目的 | 失敗に対する考え方 |
|---|---|---|
| パフォーマンス領域 | 成果を出すこと、実行すること | 避けるべきもの（ミスをしない） |
| 学習領域 | スキルを向上させること、成長すること | 歓迎すべきもの（学びのチャンス） |
私たちが「なかなか上達しない」と感じる一番の原因は、常にパフォーマンス領域に留まり、学習領域に時間を割いていないからだと言われていました。
これを見たときに、自分が今までどうやって業務と向き合っていたのか気づきました。
AI時代は「学習や考えること」に時間を割く
AIの登場によって、プログラミングにおける「パフォーマンス領域（とりあえず動くコードを出力して成果を出すこと）」のスピードは劇的に上がりました。
AIを動かすと、なんかやっている感はでますし、実際に作業は進んでいます。しかし、それを続けていても何も身に付きはせずに、ただ時間だけが過ぎていく虚無感に苛まれるだけだなと思います。
AIが仕事を奪ってくれる今だからこそ、空いた時間をそのまま別のタスクに回すのではなく、意識的に「学習領域」へ投資することがこれからのエンジニアにとって最も重要な生存戦略なのだと気づきました。
そこで今は以下の事を実践しています。
-
AIが書いたコードの「なぜ」を深掘りする
AIが出力した設定ファイルやアーキテクチャに対して、「なぜこの書き方なのか？」「他の選択肢はなかったのか？」を徹底的にAIに壁打ち（学習領域）してから、実際のプロジェクトに適用（パフォーマンス領域）する。AIが出してくる提案はそれらしく見えることは多いのですが、実際は適当に出していることも多いので、これは本当に大事だと思っています。 -
基礎概念を学ぶ時間をブロックする
目先のタスクをこなすだけでなく、データ基盤のベストプラクティスやネットワークの基礎など、土台となる知識をインプットして考える時間を毎日少しだけでも確保する。この小さなインプットがいつの間にか大きな実を結ぶと思っています。
おわりに
データエンジニアとしてのキャリアがスタートしてまだ2ヶ月ですが、
「AIが作業をやってくれるからこそ、人間は『学習と試行錯誤』にフルコミットできる最高の環境が整っている」
とポジティブに捉えています。
新しい技術や環境に飛び込んで壁にぶつかっている方は、ぜひ一度立ち止まって「今、自分は学習領域に時間を割けているか？」を問い直してみてはいかがでしょうか。
この記事が、同じように悩む新米エンジニアの方のヒントになれば嬉しいです！🍅