
AIがコードを書けるなら、エンジニアってもう要らなくなるの?これから何を勉強すればいいんだろう…
「AIがコードを書く時代に、エンジニアは不要になるのか」。この不安は、エンジニアを目指す学生にも、現役のエンジニアにもあると思います。検索すると、ベテランの意見や「生き残るスキル7選」のような記事が出てきますが、今の現場で実際に何が起きているかを、若手の目線で書いたものは少ないです。
僕は大手Web系企業で働く4年目のWebエンジニアで、仕事では生成AI(Claude Codeなど)を毎日使っています。この記事を含めて、このブログの記事もAIと一緒に作っています。
この記事では、海外の大手企業の方針と調査の数字を出典つきで並べたうえで、大手Web系の現場で起きている変化を書き、ジュニア・新卒への影響と、これからのキャリアの選択肢をまとめます。


- 大手Web系企業の現役Webエンジニア(社会人4年目、エンジニア歴6年)
- 仕事で生成AI(Claude Codeなど)を毎日使っている
- このブログの設計・執筆・入稿・分析もAIで回している
- 海外の大手(Google・Meta・Shopify)で起きていること
- 調査の数字(Stack Overflow、Stanford、METR、レバテック)
- 大手Web系の現場で起きている変化
- AI時代に価値が下がる力・上がる力
- ジュニア・新卒はどうなるか
- これからのキャリアの選択肢と、今日から学ぶこと
結論:エンジニアはなくならない。ただし「コードをそのまま書く人」の仕事は減り、若手ほど影響が大きい
先に結論です。
| 項目 | 内容 |
|---|---|
| エンジニアはなくなる? | なくならない。ただし「言われたものをそのまま書く」仕事は減っている |
| 減る仕事 | 定型的なコーディング、単純なエラー調査、ドキュメントの下書き |
| 増える仕事 | 何を作るかを決める、AIの出力を検証する、設計と言語化、結果に責任を持つ |
| 影響が大きいのは | ジュニア・新卒。入り口の仕事がAIに置き換わりやすい(海外の調査では22〜25歳の雇用が相対的に減少) |
| 今やること | AIを業務で使う側に回る、検証できる基礎力をつける、自分の市場価値を確かめる |
「AIで仕事がなくなる」ではなく、「AIを使って成果を出せる人と、そうでない人の差が開く」というのが、現場にいる実感です。



不安になる気持ちはわかります。ただ、現場で起きているのは「置き換え」より「差が開く」です。
海外の大手で起きていること
まず、海外の大手企業が公式に出している数字と方針です(確認日:2026年10月28日。各社の発表や報道による)。
| 企業 | 内容 | 時点 |
|---|---|---|
| 新しいコードの25%超がAI生成で、エンジニアがレビューして受け入れている(決算説明会でのピチャイCEOの発言) | 2024年10月 | |
| 報道では、新しいコードの75%がAI生成に。「エージェント型のワークフロー」に移行中 | 2026年4月(海外メディアの報道) | |
| Meta | AI関連の開発のコードの大半を、12〜18か月でAIが書くようになるとザッカーバーグCEOが予測 | 2025年4月 |
| Shopify | 「AIを使うことは基本の期待」。人員の追加を求める前に、AIでできないことを示すよう社内メモで指示。AIの活用を評価に含める | 2025年4月 |
Googleの数字は、「AIが書いて、人間がレビューして受け入れる」という形です。書く仕事はAIに寄り、人間の仕事は「レビューして受け入れるかを決める」側に寄っていることがわかります。Shopifyのメモは、採用(人を増やす)の前にAIを試すことを求めていて、これは「ジュニアを採って育てる」という入り口に直接効きます。
調査が示すこと
Stack Overflow 2025:84%が使い、信頼するのは33%
世界最大の開発者コミュニティの調査(2025年5〜6月、約4万9,000人)では、こうなっています。
| 項目 | 数字 |
|---|---|
| AIツールを使っている・使う予定 | 84%(前年76%) |
| AIの出力の正確さを信頼する | 33%(「とても信頼する」は3%) |
| 信頼しない | 46%(前年31%) |
| いちばん多い不満 | 「ほぼ正しいが、完全ではない」66% |
| AI生成コードのデバッグに時間がかかる | 45% |
使う人は増え、信頼は下がっている。これは現場の実感とも合います。AIの出力を「ほぼ正しいが違う」と見抜く力が、仕事の中心になりつつあるということです。
Stanford:22〜25歳の雇用が相対的に16%減
スタンフォード大学の研究者(ブリニョルフソン氏ら)が、米国の給与データ(ADP)を使って調べた研究では、AIの影響を受けやすい職種で、22〜25歳の若手の雇用が相対的に13%減ったと報告されています(2025年8月)。同年11月の改訂版では16%減に引き上げられました。ソフトウェア開発やカスタマーサポートが、影響の大きい職種に含まれます。
同じ職種でも、経験のある層の雇用は減っていません。つまり、AIの影響は「職種全体」ではなく「入り口」に集中しているということです。
METR:経験者はAIで19%遅くなった(でも速くなったと感じていた)
一方で、AIが万能ではないことを示す研究もあります。METRという研究機関が、経験豊富なオープンソース開発者16人を対象に行った実験(2025年7月)では、AIを使ったときのほうが、使わないときより作業に19%長くかかったという結果でした。
面白いのは、本人たちは「20%速くなった」と感じていたことです。自分が深く知っているコードベースでは、AIの出力を直す時間のほうが長くなる。小さな研究なので一般化はできませんが、「AIを使えば必ず速くなる」わけではないことは、現場でも実感があります。
日本:業務でAIを使った人は約7割に
日本の数字も見ておきます。レバテックのIT人材白書では、業務で生成AIを使ったIT人材は46.7%(2024年11月の調査)でしたが、2026年の調査では業務でAIを使った経験がある人が67.8%、「ほぼ毎日」使う人が34.0%に増えています。
なお、「IT人材は2030年に最大79万人不足する」という経産省の有名な試算は、2016〜2019年の推計で、生成AIの普及を織り込んでいません。この数字を根拠に「エンジニアは安泰」と考えるのは、もう無理があると思います。
大手Web系の現場で起きている変化(4年目の目線)
ここからは、僕が大手Web系の現場で見ている変化です。社内の固有名詞は書けないので、「大手Web系の現場では」までの粒度で書きます。
コードを書く時間が減り、レビューする時間が増えた
いちばん大きい変化は、自分でコードを書く時間が減り、AIに書かせたコードをレビューする時間が増えたことです。これは「少し減った」ではなく、圧倒的に変わりました。仕様を伝えて、出てきたコードを読み、「ほぼ正しいが違う」ところを直す。Stack Overflowの調査で66%が挙げた不満そのものが、日々の仕事になっています。
今、僕が仕事で考えているのは、コードそのものより「AIにどう仕事をさせるか」の設計です。どこまでを任せ、どこで人が判断し、出力をどう検証するか。この設計の良し悪しが、そのまま成果の差になります。
設計と言語化の比重が上がった
AIに書かせるには、何を作るかを言葉にしなければなりません。要件の整理、設計、言語化の比重が明らかに上がりました。曖昧な指示からは曖昧なコードしか出てこないので、「何がしたいのかを正確に言える力」がそのまま成果に直結します。
ただ、正直に書いておくと、今の現場ではまだ、技術力そのものがものを言う場面のほうが多いと感じています。AIの出力が正しいかを判断するにも、どう進めるかを決めるにも、結局は技術の理解が要るからです。この比率がこの先どう変わるかは、僕にもわかりません。
ジュニアの育て方が変わった
以前は、新人には小さなタスクを渡して、自分で書いて覚えてもらうのが普通でした。今は、その「小さなタスク」こそAIが一瞬で書いてしまいます。「大量にコードを書いて覚える」という従来の育ち方が成り立ちにくくなっているのは、現場の大きな課題です。
評価の軸に「AIを使って成果を出せるか」が入ってきた
「AIを使いこなして速く正確に成果を出せるか」は、評価の軸として自然に入ってきています。Shopifyのメモのように明文化されていなくても、使える人と使えない人の差は、仕事の速さと量にそのまま出ます。
採用の水準が上がった
新卒・中途の採用は、以前より採る人数が絞られたか、求める水準が上がったと感じています。Shopifyのメモの「人を増やす前にAIでできないかを示す」と同じ力が、日本の大手Web系にも働いているのだと思います。これはStanfordの研究が示す「入り口が狭くなる」と、現場の感覚として一致しています。
「かえって遅くなる」場面もある
METRの研究と同じで、自分がよく知っているコードや、仕様が細かい部分では、AIの出力を直すほうが時間がかかることもあります。AIは一度にたくさんのアウトプットを出すので、それを読んで理解する(インプットする)時間のほうが増えるのです。「どこでAIを使い、どこで自分で書くか」の見極めが、使い方の上手さになっています。



「書く」から「レビューする・決める」に仕事が寄っているんだ
AI時代に価値が下がる力・上がる力
ここまでを整理すると、こうなります。
| 価値が下がる力 | 価値が上がる力 |
|---|---|
| 定型的なコードを速く書く力 | 何を解くべきかを決める力(問題設定) |
| 文法や API の暗記 | AIの出力が正しいかを見抜く力(検証) |
| 指示どおりに手を動かす作業 | 要件と設計を言葉にする力(言語化) |
| エラーメッセージを調べて直す作業 | システム全体を理解して、結果に責任を持つ力 |
| ― | 現場の一次情報(ユーザーの声、業務の文脈)を取りに行く力 |
大事なのは、「上がる力」はどれも、基礎力がないと身につかないことです。AIの出力が正しいかを見抜くには、自分で書けるだけの知識が要ります。設計を言葉にするには、設計を知っていないといけません。「AIがあるから基礎は要らない」ではなく、「基礎があるからAIを使える」です。
英語も似ています。読む・書くはAI翻訳でかなり済むようになりましたが、会議で議論する、面接で答えるといった、その場で話す力は残ると思います。エンジニアに英語が要るかどうかは、別の記事で分けています。


ジュニア・新卒はどうなるか
入り口が狭くなるのは本当
Stanfordの研究やShopifyのメモが示すとおり、ジュニアの入り口は狭くなっています。「とりあえず採って、小さいタスクで育てる」が、AIに置き換えやすい部分だからです。これからエンジニアを目指す人は、この前提は知っておいたほうがいいです。
それでも、エンジニアになる価値はある
ただ、僕は「未経験はもう遅い」とは思いません。理由は2つです。
- 入り口が狭くなるのは「書くだけの人」の入り口で、AIを使って作りきれる人の需要はむしろ増えている
- 日本は人手不足が続いていて、Web系に限らずエンジニアを採る会社は多い
変わるのは「入り方」です。以前なら「プログラミングを勉強してポートフォリオを作る」でしたが、今は「AIを使って、自分で企画したものを作りきる。そして技術を選んだ理由を自分の言葉で言える」が、入り口の条件になっています。


「大量に書いた経験」の代わりに何を積むか
ベテランのエンジニアが「大量にコードを書いた経験がないと、見抜く力が育たないのでは」と心配しているのは、もっともだと思います。これに対する僕の答えは、AIに書かせたコードを、全部読んで、全部説明できるようにすることです。書く量は減っても、読む量と「なぜこうなるか」を考える量は減らさない。これが、AI時代の「大量に書く」の代わりになると思っています。
これからのキャリアの選択肢
大手Web系の4年目として、僕自身が考えているキャリアの選択肢と、それぞれの考え方です。
| 選択肢 | 考え方 |
|---|---|
| 今の会社に残り、AIを使う側になる | 会社がAIの活用を進めているなら、その中で「使いこなす人」になるのがいちばん確実。評価の軸がそちらに寄っている |
| AI活用の実績を持って転職する | 「AIで開発の進め方を変えた」経験は、転職市場で評価されやすい。市場価値を一度確かめておく |
| 上流(要件・PdM)に寄る | 「何を作るか」を決める側はAIに置き換わりにくい。ただし技術の基礎は手放さない |
| 専門を深める(低レイヤー、基盤、セキュリティ) | AIが簡単に真似できない領域。時間がかかる |
| 副業で別の現場を経験する | スタートアップなど、AIの使い方が進んでいる現場に触れる |
僕は4年目で転職していません。チームが変わって学ぶことがあり、年収にも今すぐ困っていないからです。それでも、自分の仕事が将来減るという不安は、正直あります。だからこそ、AI時代に自分の市場価値がどこにあるかは、転職するかどうかに関係なく知っておいたほうがいいと思っています。年収の実データと、何年目で動くかの考え方は、別の記事に書きました。




AI時代に転職を考えるなら:向く人・向かない人
AI時代に、転職や市場価値の確認を考えたほうがいい人
- 今の会社がAIの活用に消極的で、「使える環境」がない人(SHIFTの調査でも、キャリアに前向きになれる条件の1位は「業務で使える環境」でした)
- AIを使って開発の進め方を変えた経験があり、それを評価してほしい人
- SIer・SESなどで定型的な開発が中心で、AIに置き換わる不安が大きい人
- 実務経験2〜3年以上で、自分の市場価値を一度確かめたい人
今は動かなくていい人
- 今の会社でAIを使う環境があり、学ぶことがまだある人(僕もこちら)
- 実務経験が1年未満の人(まず経験を積む。IT特化のエージェントは経験2年以上から)
- 「AIが怖いから」だけが理由の人(焦って動くと、条件の悪い転職になりやすい)
動く側に当てはまるなら、IT特化のエージェントに相談して、「AIを使った開発の経験」がどう評価されるかを聞いてみるのがおすすめです。相談は無料で、転職するかはそのあとに決めれば大丈夫です。
type 転職エージェントが自分に合うかは、こちらの記事で確かめられます。経験年数の目安や、「断られる」と言われる理由も書いています。


目的別のエージェントの組み合わせは、別の記事にまとめています。


今日から学ぶこと
AI時代に向けて、僕が実際にやっていること、やったほうがいいと思うことです。
- 業務でAIツールを使う:個人で触るのと、業務で使うのは別物。会社で使える環境がないなら、副業やブログなど、自分のプロジェクトで使い倒す
- AIの出力を全部読んで、説明できるようにする:読まずに受け入れない。「なぜこの書き方か」を自分で言えるまで読む
- 設計と言語化を鍛える:仕様を書く、設計を文章にする、PRの説明を丁寧に書く。AIへの指示の質はそのまま設計の質
- 基礎を手放さない:データ構造、ネットワーク、データベース、セキュリティ。AIの間違いに気づくのは、ここの知識
- 一次情報を取りに行く:ユーザーの声、業務の文脈、海外の発表や調査。AIが持っていない情報を持つ
AI時代のエンジニアでよくある質問
エンジニアは本当になくなる?失業する?
なくなりません。Googleの数字が示すとおり、AIが書いたコードを「レビューして受け入れる」のは人間の仕事です。ただし、「言われたものをそのまま書く」仕事は減り、若手の入り口は狭くなっています。
未経験からエンジニアを目指すのは、もう遅い?
遅くはありませんが、入り方が変わりました。「AIを使って、自分で企画したものを作りきり、技術を選んだ理由を説明できる」が条件です。スクールが要るかどうかは別の記事に書きました。
何から学べばいい?
まず業務か自分のプロジェクトでAIツールを使い、出力を全部読んで説明できるようにすること。並行して、基礎(データ構造、データベース、ネットワーク)を固めることです。
AIで逆に遅くなるって本当?
本当です。METRの研究では、経験者がよく知っているコードでは19%遅くなりました。現場でも、仕様が細かい部分はAIの出力を直すほうが時間がかかることがあります。「どこで使うか」の見極めが、使い方の上手さです。
まとめ
- エンジニアはなくならない。ただし「コードをそのまま書く人」の仕事は減っている
- Googleは新しいコードの25%超(2024年)、報道では75%(2026年)がAI生成。人間はレビューして受け入れる側に
- 使う人は84%、信頼するのは33%。「ほぼ正しいが違う」を見抜く力が仕事の中心に
- 影響が大きいのは若手の入り口。22〜25歳の雇用が相対的に16%減(米国の研究)
- 現場では、書く時間が減り、レビュー・設計・言語化の比重が上がった
- 基礎があるからAIを使える。出力を全部読んで説明できるようにする
- 転職するかに関係なく、AI時代の自分の市場価値は一度確かめておく
※2026年10月時点の内容です。各社の数字は、それぞれの発表や報道によります。この領域は変化が速いので、最新の情報は一次情報で確かめてください。

コメント