AI活用経験をどう語るか。エンジニアが現在地と次の一段を見分ける5つの段階
「AIを使っています」が伝わりにくいのは、ツール名で語っているからかもしれません。AI活用の経験を5つの段階に分け、現在地と次に担いたい段階を言語化する整理のしかたをまとめます。
BLOG
生成AIを毎日使っていても、それが市場価値の説明にならないことがあります。アウトプットの読み手がAIか人間かで仕事を分け、自分の判断がどこに残っているかを整理する方法をまとめます。

生成AIを日常的に使う開発現場が、ここ数年でかなり増えました。コードの下書き、レビューの一次チェック、設計文書の整理、課題管理ツールのコメント。人が書いてAIが読み、AIが書いてAIが読む工程が、少しずつ標準になってきています。
そこで出てくるのが、「AIを使いこなしていることは、自分の市場価値になるのか」という問いです。毎日AIを回して、以前より明らかに速く仕事を回している。けれど、職務経歴書に「AI活用経験あり」と書いたところで、同じことを書く人は大勢いる。何が自分の強みなのか、うまく説明できない。そんな感覚を持つ方は少なくないようです。
この記事では、「アウトプットの読み手はAIなのか、人間なのか」という一本の線で仕事を分けて考えてみます。この線を引くと、AIに任せていい部分と、自分の価値が出る部分が分かれて見えてきます。
AI開発の現場にいるエンジニアの方と、AIの使い方について話す機会がありました。その方のチームの実態は、こういうものでした。
コード、プルリクエストの説明、課題管理ツールのコメント、設計文書は、AIが下書きを出す。それをレビューするのもAI。人がやるのは、AIに読ませて要点をまとめさせ、AIが過剰に挙げてくる指摘の中から「本当に議論すべきもの」だけを拾い上げることです。チームの中では、AIが書いた文章をAIが読み、その上澄みで人が話している。
興味深かったのは、「出てくる文章が自分っぽくない」という自覚はある、という点です。それでも気にならない。なぜなら、読み手がAIだからです。AIらしい文章が課題管理ツールに貼られても、人がそれを頭から読むわけではない。だからそれで問題ない、という割り切りがあります。
各自が自分用の設定や手順の蓄積は持っています。ただしそれは作業を速くするためのもので、自分らしさを再現して人に向けて出すためのものではありません。
これは合理的なやり方です。読み手がAIである工程では、速さと正確さが価値になり、書き手の個性はノイズにすらなり得ます。ここでAIに任せられるようになったことは、純粋に良いことだと思います。
同じ場で、こちらの仕事の進め方を説明しました。業務の効率化だけなら、AIを使えば誰でもすぐできる。ただ、出てくるものが自分っぽくない、表現が違う、という感覚が残る。だから、自分の考え方や言葉の癖まで含めた「もう一人の自分」をAIの中に作り、そのうえで量産させている、という話です。
返ってきた反応が、こうでした。
「その層は、エンジニアのチーム内ではなかなかやらないところですね。考え方として新しいですね」
これは予想と逆でした。AI開発の最前線にいる方なら、自分のコピーをAIに持たせて働かせるくらい当たり前にやっているだろう、と思っていたのです。実際はそうではありませんでした。
ここから見えるのは、差がついているのは「AIを使いこなす技術の高さ」ではなく、「AIの使い方の思想」だということです。工程の部品としてAIを置くのか、自分の判断を再現させて人に向けて出すのか。この二つは、別のことです。だから、毎日AIを回している人でも、前者だけで止まっていることがあります。
転職の場面に引き直すと、ここがつまずきになりやすいところです。「AIを使って開発効率を上げました」は、もう珍しい話ではありません。読み手が知りたいのは、どの工程を速くしたのかと、どこに自分の判断を残したのかです。前者だけを語ると、ツールの話で終わってしまいます。
実装を土台に役割を広げていく方向を考えている方は多いと思います。顧客の現場に入って、AIの実装と課題解決を同時に担う役割(Forward Deployed Engineer、FDEと呼ばれることがあります)、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、ITコンサルタント。
これらに共通するのは、アウトプットの読み手が人間に変わっていくことです。
読み手が生身の人間になると、AIの下書きをそのまま出す進め方は機能しにくくなります。読み手が人間の仕事でAIらしさを放置すると、返信が来ない、納得されない、信頼されにくいという形で結果に出ます。そこには工夫が必要になります。
では何が必要なのか。判断の理由、どこに引っかかったのか、なぜその案を捨てたのか。つまり、本人の熱量と違和感です。これは情報の整理では出てこない部分です。
ITコンサルタントの方が持っている要件定義、構造化、顧客折衝の経験は、まさにこの領域の蓄積です。読み手が人間であることを前提に、相手が動ける形に落とす訓練を積んできている。AI時代にこそ価値が上がる武器だという見方ができます。
抽象的な話にせず、手元の材料で確かめる方法があります。
思い出せる範囲で構いません。コード、プルリクエストの説明、設計文書、課題管理ツールのコメント、障害報告、見積り、提案資料、議事録、1on1で話したこと、勉強会の発表。評価されたかどうかは関係なく、出したものを並べます。
「主にAIやシステムが読むもの」と「主に人間が読むもの」に分けます。迷うものは、最終的に誰の判断材料になったかで考えると分けやすくなります。
人間が読む側に入ったアウトプットについて、次の問いを投げかけてみてください。
ここに書けることが、そのまま市場価値の説明材料になります。逆に、何も書けないアウトプットは、速さで価値を出している部分です。それも強みですが、他の人と差がつきにくい領域だと見ておくと整理しやすくなります。
人間が読む側がほとんど空欄になる方もいます。それは実力の問題ではなく、今の役割の設計がそうなっているだけ、という見方もできます。分けて考えると、次の打ち手が変わります。
空欄が多かったとき、すぐに転職という話にはなりません。現職で広げられる余地があることも多いからです。
たとえば、設計の意図と捨てた案をレビューに言葉で残す。障害の振り返りを、AI向けの記録ではなく人が読んで判断できる形でまとめる。要件の相談の場に同席させてもらう。顧客との打ち合わせの議事を、自分の見立てを添えて整え直す。どれも小さく始められて、「自分の判断が入ったアウトプット」として手元に残ります。
転職は必ずしも正解ではありません。現職で役割を広げる判断も含めて、どちらが自分の中長期の方向性に近いかを考えたほうが、納得のいく結論になりやすいと思います。
最後に一つ、見落とされやすい点を挙げます。選考書類と面接は、読み手が完全に人間の仕事です。
AIで整えた文章は読みやすくなります。ただ、整えただけだと「誰のことを書いているのかわからない」状態になりやすい。経歴の事実は揃っているのに、その人がどこで迷い、何を選んだのかが残らないのです。
分けて考えると扱いやすくなります。情報の構造化、言葉の整理、抜けの洗い出しはAIに手伝わせる。一方で、なぜその判断をしたのか、何に違和感を持ったのか、何に熱量があるのかは、自分の言葉で書く。この二層に分けると、読みやすさと自分らしさが両立しやすくなります。
Staneer Agent for Engineer でも、同じ役割分担で考えています。求人や企業情報の探索、整理、資料の下ごしらえはAIが支える。本人の熱量、違和感、葛藤、意思決定には人が伴走する。読み手が人間である部分を、人が担うという考え方です。
伸びる部分と伸びにくい部分が入れ替わる、という見方ができます。手を動かす速さはAIで代替されやすい一方、AIが過剰に挙げてくる指摘から本物だけを選び取る判断は、むしろ使うほど問われます。気をつけたいのは、判断もAIに預けてしまう状態です。自分がどの根拠で採否を決めたのかを記録に残すだけでも、後から説明できる材料になります。
ツール名の列挙だけだと、差が出にくい部分です。どの工程に入れたのか、何を速くしたのか、品質をどう担保したのか、そして自分がどこで判断したのかをセットで書くと、読み手が人物像を描きやすくなります。うまくいかなかった適用の話も、判断の筋が見える材料になります。
不利と決めつけなくてよいと思います。その環境で回しているという事実は、AI前提の開発プロセスを経験しているという強みです。そのうえで、人が読む側のアウトプットを意識的に増やしていくと、役割を広げる選択肢がつながりやすくなります。現職の中でできることから試す形でも十分です。
アウトプットの読み手がAIなのか人間なのかで線を引くと、AIに任せていい部分と、自分の価値が出る部分が分かれて見えてきます。読み手がAIの工程では速さが価値になり、読み手が人間の工程では判断の理由や熱量が価値になります。差がついているのは、AIを使う技術の高さではなく、使い方の思想です。まずは直近のアウトプットを棚卸しして、人が読む側に自分の判断がどれだけ残っているかを確かめてみてください。転職を決めていない段階でも、その棚卸しを一緒に言葉にしてみる相談の場として、私たちを使っていただくこともできます。
編集:Staneer株式会社 掲載日: