AIでエンジニアは不要になるのか？実装は減っても技術判断は残る

AIがコードを書き、テストを実行し、エラーまで修正するようになりました。自然言語で要望を伝えるだけで、短時間のうちにアプリケーションらしきものが動き始めます。

ここまでできるなら、企業はもうエンジニアを雇わなくてもよいのではないか。経営者がそう考えるのは自然なことです。

私の結論は、AIによってエンジニアが不要になることはない、というものです。ただし、現在と同じ人数、同じ役割の開発組織が維持されるとも考えていません。

コードを書く仕事はAIエージェントへ移っていきます。人間のエンジニアに残るのは、ステークホルダーと話し、何を作るか決め、AIへ必要な情報を渡し、その過程と成果を評価する仕事です。

私は2025年夏頃から、AIエージェントを継続的に開発へ取り入れてきました。その経験をもとに、AI時代のシステム開発で人間へ残る役割と、企業が持ち続けるべき技術機能を考えます。

AIで減るのは、エンジニアではなく手で書くコードの量

「AIでエンジニアは不要になるのか」という問いには、二つの話が混ざっています。

一つは、人間が担当してきた実装作業が減るかどうかです。これは間違いなく減るでしょう。AIは、コードの作成、テスト、調査、文書化、定型的な修正を高速に処理できます。

もう一つは、企業が技術を理解し、システムに関する判断と責任を持つ人まで不要になるかどうかです。こちらの答えはノーです。

減るのは、人が手でコードを書く量です。何を作り、正しく動いているかを判断する責任は残ります。

AIによって一人のエンジニアが扱える範囲が広がれば、同じ成果を出すために必要な人数は少なくなります。その代わり、残るメンバーには、これまでより広い事業理解と技術判断が求められます。

QRコード決済を、非エンジニアとAIだけで運用できるか

例えば、QRコード決済サービスの運用開発を、技術経験のない担当者がAIだけで担えるでしょうか。

画面の試作品を作るところまではできるかもしれません。しかし、本番の決済サービスでは、金額が正しく記録され、処理の重複や欠落がなく、障害時には原因を追跡できることが求められます。機能を変更したとき、既存の利用者へ問題を起こさないことも必要です。

要望どおりの画面が表示されても、その裏側で正しい処理が行われているとは限りません。

技術経験がなければ、AIが生成したコードの妥当性を判断できません。最終的な成果物に加えて、設計、テスト、データの扱いといった途中の判断も評価できないため、AIが出したものをそのまま受け入れることになります。

これは、システム開発会社へすべてを任せ、発注側で品質を判断できない状態と似ています。システム開発を外注に丸投げしないためにでも書いたように、実装を任せることと、判断まで手放すことは別です。

AIは情報が足りなくても、もっともらしい答えを作る

AIを使ったシステム開発で難しいのは、指示文の書き方だけではありません。

正しく実装するには、既存システムの構造、関連するデータ、顧客との約束、過去の判断、社内だけで共有されている暗黙知など、多くの情報がいります。AI開発では、こうした判断材料をまとめてコンテキストと呼びます。

AIエージェントは、必要なコンテキストが不足していても、必ず作業を止めて確認してくれるわけではありません。与えられた情報だけを使い、指示された目標へ無理にたどり着こうとすることがあります。

その結果、実際には機能しない処理や、本来の業務と噛み合わない実装が作られます。画面だけを見ると動いているように見えるため、問題が見つかりにくいケースもあります。

2025年夏頃からAIエージェントを使った開発を続けていますが、コンテキストが不足したまま、それらしい答えへ到達しようとする問題は繰り返し起きています。

モデルの能力が上がっても、AIが参照できない事実まで正確に推測できるわけではありません。

雑な実装を残すと、次のAIもそれを正しいと判断する

AIが一度間違えるだけなら、その場で修正すれば済みます。厄介なのは、不正確な処理がコードベースへ残った後です。

AIが作った雑な関数を人間が見抜けず、そのまま採用する。次に作業するAIは、その関数を既存システムの正しい一部として読み込みます。前回の不十分な成果物が、次回の判断に使うコンテキストになるわけです。

情報が足りない状態で、AIが表面的に動く処理を作る
人間が問題を見抜けず、その処理を採用する
次のAIが、採用された処理を既存仕様として読む
誤った前提の上に、新しい処理が追加される
コードと実際の業務が少しずつ離れていく

この悪循環へ入ると、機能を追加するほど変更の影響が読めなくなります。AIへ渡すコンテキストの質も下がり、次の出力はさらに不安定になります。

AIがコードを書く速度が上がれば、誤った前提が増える速度も上がります。

人間のエンジニアには、AIが作ったコードを一件ずつ確認する仕事だけでなく、AIが参照するコード、テスト、設計資料、開発ルールを整え続ける仕事が残ります。

OpenAIがAIエージェント中心の開発を行った事例でも、人間のエンジニアの仕事は、AIが正しく働ける環境を設計し、意図を明文化し、フィードバックの仕組みを作る方向へ変化したと説明されています。同じ事例では、AIが既存コードの好ましくないパターンまで再生産し、放置すれば品質の劣化が積み上がる問題も報告されています。

AIは、開発組織の強さと弱さをどちらも増幅する

AIを導入したからといって、整理されていない開発組織が自動的に良くなるわけではありません。

解決したい問題が明確で、システムの境界が整理され、テストと監視があり、短い周期で結果を確認できる組織では、AIは大きな力になります。

誰も仕様を決めず、品質基準がなく、既存システムの情報も整理されていない組織では、曖昧な成果物が以前より速く増える可能性があります。

Google Cloudの2025年DORAレポートも、AIはチームの問題を修復するものではなく、既存の強みと弱みを増幅すると報告しています。約5,000人の技術者を対象にした調査では、AIによる生産性向上を感じる人が多い一方、生成されたコードをほとんど、またはまったく信頼していない人も一定数いました。

AIを導入したかどうかより、出力を評価し、問題を修正できる体制があるかどうかで結果が変わります。

エンジニアの仕事は、AIエージェントを管理する側へ移る

これからのエンジニアは、すべてのコードを自分で書く人ではなくなります。

事業責任者、営業、カスタマーサポート、顧客などのステークホルダーと話し、解決したい問題を整理する。その背景をAIが扱える形に変換し、複数のAIエージェントへ仕事を分ける。途中の判断を確認し、生成された成果物を評価して、本番へ出してよいか決める。

この役割には、少なくとも次の能力がいります。

ステークホルダーとの関係を築き、本当の要求を引き出す
事業上の目的を、システムの要件へ変換する
AIへ渡すコンテキストと作業範囲を設計する
設計、コード、テスト、運用方法を評価する
セキュリティや障害のリスクを説明する
不確実な状況で、どこまで進めてよいか判断する

これらは、技術知識だけで身につくものではありません。特にステークホルダーとの関係構築や、立場の違う人へ技術判断を説明する仕事は、現在でも担える人が不足しています。

開発組織は小さくなり、エンジニアの椅子は減る

エンジニアが不要にならないからといって、現在と同じ人数が必要であり続けるとは考えていません。

AIエージェントが実装を担い、一人のエンジニアが複数の作業を並行して管理できるようになれば、人の作業速度がボトルネックになります。企業は、今より少ない人数で開発する体制へ移っていくでしょう。

エンジニアという職種が残っても、椅子の数は減ります。特に、決められた仕様をコードへ変換することだけを価値にしてきた仕事は、AIと競合しやすくなります。

その一方で、何を作るか決め、ステークホルダーと合意し、AIの成果を評価できるエンジニアの価値は上がります。この役割は誰もがすぐ担えるものではなく、今後も不足した状態が続くと見ています。

企業に残すのは、人数ではなく技術判断である

生成AIによって、簡単な社内ツールや検証用のプロトタイプを非エンジニアが作れる場面は増えます。その可能性を否定する必要はありません。

しかし、顧客が利用するシステム、止められない業務、重要なデータを扱う仕組みには、少なくとも一人、次の責任を持つ人がいります。

何をAIへ任せ、何を人間が判断するか決める
AIへ必要な業務・技術コンテキストを渡す
成果物を受け入れてよいか判断する
障害や誤りが起きたときに説明し、修正を主導する
コードベースと開発環境の品質を保つ

この人が、大人数の開発部門を率いる正社員である必要はありません。採用が難しければ、外部の技術責任者やシニアエンジニアに補ってもらう方法もあります。

エンジニアを採用できない会社が、採用前に整理すべき3つのことでは、外部で判断できる人と、採用可能な人材を組み合わせる考え方を紹介しています。技術判断を外部から支援する役割は、技術顧問とは？エンジニア採用に悩む会社で担う役割と依頼できることにまとめました。

AIに作業を任せることと、会社から技術判断をなくすことは同じではありません。

AI時代に残るのは、結果へ責任を持てるエンジニア

AIが実装の多くを担うようになれば、開発組織は小さくなり、エンジニアの役割も変わります。

人間に残るのは、ステークホルダーと対話し、目的を決め、AIへコンテキストを渡し、途中のプロセスと成果物を評価する仕事です。

情報が足りないままAIへ開発を任せると、表面的には動くものが高速に作られます。その雑な実装が次のAIの前提になれば、品質は連鎖的に悪化します。

AI時代に企業が必要とするのは、コードを書く人数ではありません。AIを使って正しいシステムを作り、その結果へ責任を持てるエンジニアです。