プリンストン大学のArvind Narayananと共同研究者Sayash Kappurが発表したエッセイ「Why AI hasn’t replaced software engineers, and won’t」が、AI業界で注目を集めている。「AIがエンジニアを置き換える」という言説に対し、実際の雇用データと定性調査を組み合わせて反証した内容だ。

NYの法定データが「AI解雇ゼロ」を示す

注目すべき出発点は、米国ニューヨーク州が2025年3月に導入した制度だ。同州はWARN Act（大規模解雇事前通知法）の申告書に「AIを理由とした解雇か否か」を記載するチェックボックスを追加した。初年度で160社以上が申告を行ったが、AIボックスにチェックを入れた企業は1社もなかった。

WARN ActはAI規制がほぼ存在しない米国において、バイアスの少ない雇用統計の一つだ。テクノロジー業界ですらAIを直接的な解雇理由に挙げた企業がゼロという結果は、「AI＝大量失業」という言説の根拠の薄さをデータで示している。

コードを書く速度は、そもそもボトルネックではなかった

AIコーディングツールが最も得意とするのは「コードを素早く生成すること」だ。しかし研究者らは複数の業務時間調査を引用し、コーディングそのものがエンジニア業務のボトルネックではないと指摘する。

実際、エンジニアの多くは会議・デバッグ・仕様調整・コードレビューに時間を費やしており、タイピングの高速化で解決できる問題は限定的だ。では、本当のボトルネックはどこにあるのか。研究チームはエンジニア自身への定性調査から3つの要素を特定した。

  • 何を作るかを決定し、仕様化すること（Deciding and specifying what to build）
  • 成果物を検証し、責任を持つこと（Verifying and being accountable）
  • コードベース・ビジネス・環境への深い人間的理解（Deep human understanding）

この3点が、現時点のAIに代替しにくい領域だ。自然言語で指示を出せば即座にコードを生成するAIが普及しても、「何を作るべきか」「これで正しいか」「この判断の責任は誰が持つか」という問いへの答えは、依然として人間が担う必要がある。

日本のエンジニアへの実務的示唆

この研究が示す知見は、日本のIT現場にも直接当てはまる。AIツールを積極的に活用することは今後の必須スキルだが、エンジニアとしての価値の源泉はコードを速く書ける能力ではなく、上流工程の判断力にシフトしていく。

具体的なアクションとして以下を提案する：

  • 要件定義力を磨く: システムの目的・スコープ・優先度を明文化し、AIに対してもステークホルダーに対しても説明できる言語化能力が重要になる
  • AIの出力を検証できる能力を維持する: AIが生成したコードの品質・セキュリティ・パフォーマンスを評価できる技術的素養は必須。「動いているように見える」ではなく「なぜ動くのか」を理解していることが求められる
  • ドメイン知識への投資を怠らない: ビジネスロジック・業界固有の制約・既存コードベースへの深い理解こそが、AI時代のエンジニアの差別化要因となる

筆者の見解

この分析には強く同意できる。

高度なAIエージェントを日常的に活用している立場から実感するのは、コーディングのスピードが数倍になっても、「何を作るべきか」「このアーキテクチャで本当にいいのか」という問いの質は、人間の理解の深さに比例したまま変わらないということだ。

とりわけ、AIエージェントが自律的に判断・実行・検証を繰り返す「ハーネスループ」が実用化されても同じことが言える。ループを回すエージェントに正しいゴールを与え、その出力を評価する能力は人間側にしか宿らない。AIが自律的に動けるほど、最初の「目標設定」と最後の「成果の受け取り方」が、人間のバリューとして際立ってくる。

「AIを使えばエンジニアはいらない」という言説に不安を感じるエンジニアは多い。しかし現実はむしろ逆方向の変化が起きている——AIを使いこなせるエンジニアとそうでないエンジニアの間の生産性格差が、急速に広がり続けているのだ。今必要なのは「置き換えを恐れること」ではなく、「深い理解を武器にAIを正しく使いこなすこと」だ。この研究が示す「3つのボトルネック」は、まさにその深い理解が宿る場所を指し示している。

出典: この記事は Why AI hasn’t replaced software engineers, and won’t の内容をもとに、筆者の見解を加えて独自に執筆したものです。