本文へ移動
StaneerAgent for Engineer AI時代のエンジニア・ITコンサル特化の転職エージェント 無料キャリアセッション
StaneerAgent for Engineer AI時代のエンジニア・ITコンサル特化の転職エージェント 無料相談

BLOG

AIで時短した先に何が残るか。エンジニアが「自分ならどうするか」を言語化する整理法

AI活用を「速くする」から「仕事ごと任せる」に置き直すと、自分の判断基準が見えてきます。渡せる作業と自分に残る判断を分け、AI時代の市場価値として語れる形に整理する手順をまとめます。

実装が速くなった、という実感はある。設計の下書きも、テストコードも、調査のまとめも、たたき台はすぐ出てくる。それでも一日の終わりの疲れ方はあまり変わらない。むしろ「これを採用するか」「この形でいいのか」と決める回数が増えた気がする——そんな話を、面談の場でよく聞きます。

一方で、選考の場では「AIをどう使っていますか」と聞かれる機会が増えました。「調査とコード生成に使っています」と答えると、そこで会話が止まる。使っているのは事実なのに、自分の仕事の進め方や強みとしては語れない。このギャップに、もやもやしている方は少なくないと思います。

この記事では、論点を1つに絞ります。AI活用の目的を「速くする」から「仕事そのものを任せる」に置き直すと、何が見えてくるか。先に結論の方向だけ書くと、見えてくるのは自分の判断基準です。そしてそれは、AI時代に自分の価値をどう語るか、という問いとまっすぐつながっています。

速くなっても、判断する仕事は減らない

生成AIが広まって、作業そのものは確かに速くなりました。文章も、関数も、定型のドキュメントも、一から書く必要がなくなった領域はあります。

ただ、速くなったあとに何が残っているかを見てみると、ほとんど減っていないものがあります。出てきた案を採用するかどうかの判断。どんな形にまとめるかの設計。どこを捨てるかの選択。つまり、考えなければいけない業務と、判断しなければいけない業務は、そのまま自分のところに残ります。

指示を出して、出力を見て、直す。この往復を続けている限り、仕事の中心は自分のままです。だから「速くなった」の次に立てる問いは、「もっと速くできないか」ではなく、「どの判断を、どこまで渡せるか」になります。この問いの立て方を変えるだけで、AIとの付き合い方も、自分の仕事の見え方も変わってきます。

つまずきやすいのは「使いこなしている」の測り方

ここでよくあるのが、「使いこなしている」を速さだけで測ってしまうことです。いくつかの形に分けて整理してみます。

質問して答えを得ることを、活用のゴールにしてしまう

その都度質問して、答えをもらう。これは業務効率のための使い方です。役に立ちますし、否定するものではありません。ただ、この使い方だけを続けていると、「自分は十分使えている」という手応えが、思考や判断を任せる方向には伸びていきません。

「業務で解禁されてから触ればいい」と待ってしまう

セキュリティ上の制約で、現場では使えない。だから使えるようになってから覚えればいい。この待ちの姿勢が、いまはかえってリスクになりやすい場面があります。企業側の制約は、思っているより早く緩んでいくことがあります。そのときに、はじめて触る人と、すでにズレを直した経験がある人の差は、知識量ではなく勘所の差として出ます。

もちろん、現職のルールは守る前提です。そのうえで、自分の手元の環境で「こんなことができるのか」を知っておくこと自体が、第一歩になります。

専門領域で線を引いてしまう

「自分はインフラだから」「フロントだから」「もう手を動かす立場ではないから」。こうした線引きで、触らない理由を作ってしまうこともあります。実際には、最初に効いてくるのは領域知識よりも、ターミナルのような見慣れない画面に抵抗がないかどうか、くらいの差です。

そして、分からないことが出てきたら「何が分からないのかが分からないので、教えてほしい」と、そのまま聞いてしまって構いません。原因の切り分けを人間の知識と経験だけでやっていた頃と比べると、入口はかなり低くなっています。必要なのは知識ではなく、知らないことを知る勇気の部分かもしれません。やり慣れた手順を変えるのはストレスがかかるので、一度だけ触ってみる、という小さな決断で足ります。

「誰がやっても同じ仕事」と「自分ならどうするか」を分ける

任せ方を考えるときに、段階で分けると整理しやすくなります。

  • その都度質問して答えを得る使い方:業務効率のための道具として使う段階。
  • 目的に向かって一連の作業を任せる使い方:朝のうちにメールや予定を確認して、今日やるべきことを整理しておいてもらう、といった形。誰がやっても結果がほぼ同じになる仕事は、ここで十分に足ります。
  • 「自分ならどうするか」が入る使い方:ここから先が、まったく別の話になります。

3つ目が難しいのは、技術の問題ではなく、渡すべき中身が自分の頭の中にしかないからです。渡すものを分解すると、だいたい次のあたりに落ちます。何を大事にしているか(価値観)。どういう順番で進めるか(手順)。迷ったときに何を優先するか(判断基準)。うまくいった経験と、失敗した経験。そして、どんな言い回しや形にまとめるか(表現のルール)。

この中身を渡さないまま任せると、方向性は合っているのに細部が自分ではない、という出力になります。姿は似ているのに、なぜか自分とは違う話し方をしている、という感じです。そこで「ここは違う、自分ならこうする」と伝えて直していく。この作業が、結果として自分の判断基準を言葉にしていく作業になります。

渡せる作業と、自分に残る判断

役割分担の目安を、仕事の場面で分けてみます。これは転職活動の進め方にもそのまま当てはまります。

渡しやすいのは、合理性でさばける領域です。

  • 情報の探索と、要点の整理
  • 会話や記録の文字起こし、構造化
  • ドラフト作成(設計メモ、比較表、説明資料、職務経歴の下書き)
  • 抜け漏れの検知と、次にやることの候補出し
  • 「この経験とこの経験を掛け合わせると、こういう道がありそう」という仮説の提示

自分に残るのは、熱量と意思決定の領域です。

  • 自分でもまだ言葉になっていない不安や違和感、やってみたい気持ちを掴むこと
  • 「面倒だ」と言いながら、実はいちばん熱が入っている対象に気づくこと
  • 関係者の温度感や、意思決定の構造を読むこと
  • 期待値のすり合わせ
  • 最終的に、この選択が本当に良いのかを決めること

AIは合理的な答えを返せます。ただ、人は合理的な答えだけでは動きません。進む先が見えていても、恐れや慣れた環境に引っ張られて戻ることがあります。だからこそ、答えを出すところと、答えにたどり着くまで付き合うところは、別の仕事として分けて考えると整理しやすくなります。

明日からできる整理のしかた

手を動かす形で、順番にしてみます。

  1. 直近1週間の仕事を書き出す。 タスク名だけで構いません。15〜20個あれば十分です。
  2. 2つに仕分ける。 「誰がやっても結果がほぼ同じになる仕事」と「自分の判断が入っている仕事」。迷うものは後者に置いておきます。
  3. 判断が入っている仕事に、一文ずつ理由を書く。 「なぜその設計にしたのか」「なぜそれを今回はやらないと決めたのか」。うまく書けなくても、箇条書きで残します。
  4. 後者のうち1つだけ、AIに任せてみる。 一度で自分の判断どおりには出てきません。そこで「ここは違う、自分ならこうする」と直します。
  5. 直した差分を記録する。 この差分が、自分の判断基準そのものです。ゼロから内省して書き出すより、ズレを直す形のほうが言葉になりやすいです。

そのうえで、自分に投げかける問いを3つ置いておきます。

  • 自分の仕事のうち、「自分でなくてもよい部分」はどこまでか。
  • 自分の判断が入っている仕事は、何を優先した結果そうなっているか。
  • その優先の仕方は、次に行きたい場所でも価値になるものか。

3つ目が、キャリアの話につながります。実装を土台にしながら、何を作るか・何を作らないかの判断に踏み込む役割——顧客の現場に入って実装と課題解決を同時に担う形(FDEと呼ばれることもあります)、テックリード、エンジニアリングマネージャー、プロダクトマネージャーなどで見られているのは、まさにこの「判断の根拠を説明できるか」の部分です。基準が言葉になっていれば、職務経歴書でも面接でも、同じ素材をそのまま使えます。

よくあるご質問

現職ではAIツールの利用が制限されています。何から始められますか。

社内のルールは守る前提で、自分の手元の環境から試す方法があります。業務データを扱わない範囲で、個人の作業を1つ任せてみる、という始め方です。目的は成果を出すことではなく、「こんなことができるのか」を知ることです。知ること自体が学びの第一歩になりますし、制約が緩んだときに、動き出しの速さとして効いてきます。

判断基準を言語化しようとしても、言葉が出てきません。

内省から入ると、たいてい止まります。おすすめは逆の順番です。まずAIに一度やらせてみて、出てきたものに違和感を覚えたところで「自分ならこうする」と直す。その直した差分を書き留めると、基準が後から形になります。発言と反応の差を見ていくほうが、自分の軸は具体化しやすいです。

AIに任せる前提になると、自分の技術スキルの価値は下がりませんか。

速さという一点だけで比べれば、境界は動いていきます。一方で、考える業務と判断する業務は残り続けます。合理的な探索や整理をAIに渡し、自分は熱量と意思決定に時間を使う。この分け方で考えると、技術で蓄えてきた勘所は、判断の質として残っていきます。価値が消えるのではなく、価値の置き場所が移っている、という見方ができます。

まとめ

AIで作業が速くなっても、使うかどうかの判断と、どんな形にするかを考える仕事は自分に残ります。だから目的を「速くする」から「仕事そのものを任せる」に置き直すと、渡すために自分の判断基準を言葉にする必要が出てきます。言語化は内省から始めるより、一度任せてズレを直した差分から取り出すほうが進みます。そうしてできた言葉は、現職で役割を広げるときにも、選考の場で自分を説明するときにも、同じ材料として使えます。もし一人で仕分けが進まないときは、転職を決めていない段階でも、整理のために話してみる選択肢があります。

タグ:AI時代のキャリア市場価値言語化AI活用キャリアの棚卸し

この記事について

Staneer Agent for Engineer 編集部が、キャリアアドバイザーの面談記録や支援の考え方(社内ナレッジ)をもとに、AIの支援を受けて作成しています。個別のご状況については、無料キャリアセッションでご相談ください。AIの活用方針はAIポリシーをご覧ください。

編集:Staneer株式会社 掲載日:

ENTRY

転職だけでなく、現職残留も視野に入れながら、
"個人ファースト"のキャリアセッションを実施。

まずは無料キャリアセッションからはじめましょう。
転職を決めていなくても、ご相談いただけます。

無料キャリアセッションを予約する

ENTRY

転職だけでなく、現職残留も視野に入れながら、
"個人ファースト"のキャリアセッションを実施。

まずは無料キャリアセッションからはじめましょう。
転職を決めていなくても、ご相談いただけます。

無料キャリアセッションを予約する