AI時代が不安なエンジニアに求められる「土台の強さ」 毎日AIを使う開発者ほどコードを“書く”力を再評価する理由:AIを使うほど今後のキャリアが不安になる?
スーパーソフトウエアはITエンジニア1265人を対象とした、生成AIの普及に伴うキャリア不安や今後重要性が高まる能力についての調査結果を発表した。「コードを書く力以外の能力を身に付けなければ、今後のキャリアが不安になるかどうか」などを聞いている。
ソフトウェア開発や販売、運営、保守、IT関連の教育/セミナーの開催を手掛けるスーパーソフトウエアは2026年10月8日、生成AIの普及を踏まえたITエンジニアのキャリア不安と、今後重要性が高まる能力に関する調査結果を発表した。
ソフトウェア開発やIT業務の現場で生成AIの活用が広がり、エンジニアに求められる能力にも変化が見られるとして実施したもので、ITエンジニア1265人を対象としている。
生成AIを使うほど今後のキャリアが不安になる?
同調査で「生成AIの普及を踏まえ、「コードを書く力」以外の能力を身に付けなければ、今後のキャリアが不安だと感じますか」と尋ねたところ、次の結果が得られた。
キャリアへの不安を「強く感じる」が19.1%、「ある程度感じる」が40.5%で、両方を合わせた59.6%が今後のキャリアに不安を感じており、その他の回答割合は、「あまり感じない」が22.3%、「まったく感じない」が8.7%、「分からない」が9.4%となっている。
この設問に対する回答をAIの業務利用頻度別に見ると、不安を感じると答えた割合は、AIをほぼ毎日利用する人で85.6%、週に数回利用する人で71.8%だった。一方、月に数回利用する人は36.5%、試したことはあるものの現在はほぼ利用していない人は31.5%、利用経験がない人は14.9%となっており、ほぼ毎日利用する層と利用経験がない層の間には70.7ポイントの差があった。
今後重要性が高まる能力の上位は「AIへの指示」「AI出力の見極め」「最新技術」
今後重要性が高まる能力を最大3つまで選択する設問では、「AIに適切な指示を出す力」が34.8%で最も多く選ばれた。次いで、「AI出力を見極める力」が29.2%、「最新技術を学ぶ力」が24.1%、「何を作るべきか整理する力」が17.8%、「コードを書く力」が15.0%で続いている。スーパーソフトウエアは、従来の実装力に加えて、AIを使う力やその結果を判断する力、技術の変化を学び続ける力が意識されているとしている。
毎日AIを利用する層は未利用層より「コードを書く力」も重視
重要性が高まる能力として「コードを書く力」を選択した割合をAI利用頻度別に比較すると、ほぼ毎日AIを利用する人が24.3%だった一方で、週に数回利用する人は13.3%、月に数回利用する人は9.0%、現在はほぼ利用していない人は8.5%、利用経験がない人は9.1%となった。
「AIに適切な指示を出す力」を選択した割合は、ほぼ毎日利用する人が40.6%、週に数回の利用者が39.8%、月に数回の利用者が36.5%、ほぼ未利用者が20.8%、利用経験なしが18.9%だった。
「最新技術を学ぶ力」を選んだ割合は、ほぼ毎日利用する人が32.5%、週に数回の利用者が29.9%、月に数回の利用者が17.3%、ほぼ未利用者が10.0%、利用経験なしが8.6%となっている。
従来の技術力を土台とした能力の広がりが必要に
スーパーソフトウエアは今回の調査結果から、AI時代に必要なのは、コードを書く力を捨ててAIだけを学ぶことではないことを示唆しているとしている。その上で、AI時代にはソフトウェアや技術を理解する力を土台に、AIを利用し、その結果を見極め、新しい技術を学び続ける能力の広がりがこれからのエンジニアにとって重要になると考察している。
同社 東京オフィス代表 船木俊介氏は「AIはエンジニアの可能性を広げるために積極的に活用すべき技術」とした上で、「コードを書く技術は引き続き重要」と述べている。併せて「現場でAIを使いながら学習し、技術理解と判断力を高められる環境を整えることが、企業側にも求められる」としている。
Copyright © ITmedia, Inc. All Rights Reserved.
関連記事
「AIが得意なのはベテラン開発者の時短だった」 若手が採られない時代に積み上がる「人材負債」
SlashDataは、AI開発ツールの投資対効果を開発者の経験年数別に分析した結果を公開した。反復作業に費やす時間が減ったと回答した開発者は、経験16年以上では62%だった一方、経験2年以下では42%にとどまった。
AI生成コードのレビューはなぜ難しいのか? “全部読む”から脱却する新常識
JetBrainsは、AI生成コードのレビューツールを構築するための概念的な枠組みの研究成果をブログ記事で紹介した。
設計時のレビューでは拾えない、バグるAIエージェントに共通する5つの特徴
AIエージェントを導入して開発や運用効率を改善したい――。そう思う方は多いでしょう。しかしAIエージェントが暴走して意図しない動作を引き起こす可能性は決して低くありません。従来のソフトウェア制御のやり方では通用しないこの問題をどう解消すればいいのか。実践的な3つの解決策を提示します。
「AIで数週間に短縮」のはずが進まない コードモダナイゼーション、真のボトルネックと6ステップ
Anthropicは、AI駆動の大規模なコードモダナイゼーションプロジェクトに向けた準備の進め方をまとめたブログ記事を公開した。
AIが書くコード「エラー率はJavaがPythonの6.7倍」 150万「会話」データで分かったAIコーディングの盲点
AWSは、AIコーディングエージェント「Kiro」の利用データを基に、モデルが生成するコードの解析結果を分析した。事後の静的解析ではなく「“コード生成の途中で”エージェント自身が解析ツールを呼び出す挙動」に着目しているという。



