AI時代に価値が出るのは「作る力」ではなく「評価して回す力」
概要¶
AI がコードを書くようになった現代において、エンジニアに求められる価値は「コードを書く力」から「AI が出力したものを評価し、改善サイクルを回す力」へシフトしているという note 記事（@suthio_ 著）への言及。
詳細¶
「作る力」から「評価して回す力」へのシフト¶
旧来の価値:
コードを書ける → 速く正確にコードを実装できる
↓ AI の登場で
現在の価値:
何が良いコードかを判断できる
AI の出力が正しいかレビューできる
問題を発見 → AI に修正させる → 検証 のループを速く回せる
「評価して回す力」とは何か¶
1. 品質の判断力¶
AI が生成したコードを見て:
- バグがあるか判断できる
- セキュリティ上の問題に気づける
- パフォーマンスの問題を見抜ける
- 設計が適切かレビューできる
例: AI が生成した SQL に N+1 問題がある → 気づいて修正指示を出せる
2. 問題定義力¶
AI に「何を作らせるか」を正確に定義できるか:
悪い指示:
× 「ユーザー管理機能を作って」
良い指示:
✓ 「Golang + PostgreSQL で以下の仕様のユーザー登録 API を作って:
- メールアドレスの重複チェック
- パスワードは bcrypt でハッシュ化
- バリデーションエラーは 422 を返す
- テストコードも含めて」
→ 問題を正確に定義できる人の AI 活用効率は圧倒的に高い
3. イテレーション速度¶
評価して回すサイクル:
要件定義 → AI に実装させる → テスト → 問題特定 → AI に修正させる → ...
このサイクルを速く回せる人:
- 何が問題かを素早く特定できる
- AI への指示が具体的・的確
- テスト設計が適切（問題を見落とさない）
- 「これでいい」という判断が速い
エンジニアに残る価値¶
AIに置き換わりにくいスキル:
1. システム設計（何を作るべきかの判断）
→ ビジネス要件と技術的実現可能性のバランスは人間の判断
2. コードレビュー（品質の番人）
→ AI のコードをレビューするのも結局は人間
3. 障害対応（不確実な状況での判断）
→ 本番障害でどこから調査するかの判断力
4. ステークホルダーとのコミュニケーション
→ 「何を作るべきか」を引き出す力
5. ドメイン知識
→ 業務の文脈を理解した上での判断
「評価して回す力」を鍛えるには¶
実践方法:
1. AIが生成したコードを鵜呑みにせず必ずレビューする習慣
→ なぜ今のコードが良いのか/悪いのかを言語化する
2. コードレビューを積極的に行う
→ 他者のコードの品質判断力 = AI コードの品質判断力
3. テスト駆動の思考
→ 「このコードが正しいとはどういうことか」を先に定義する
なぜ重要か / いつ使うか¶
- キャリア戦略: 「コードを速く書ける」という価値が相対的に下がる時代の生存戦略
- AI ツール活用: AI を使いこなせる人とそうでない人の生産性差が広がる一方
- 採用・評価基準の変化: 「AI と協調して成果を出せるか」が評価軸になりつつある