🏠 ホーム
フロントエンド
PHP
Go言語
プログラミングの理解
プログラマーへの道
Google API

AIカーソル時代のシステム開発

  プログラミング >     プログラミングの理解 >  

0. 実体験：生産性は体感で3〜4倍になった

筆者自身、AI Cursorを使い始めてから体感で3〜4倍以上の生産性向上を感じています。

正直なところ、新技術には基本的に懐疑的なスタンスなので、AI Cursorに対しても「どうせ過大評価だろう」とあまり期待していませんでした。

しかし、実際に使ってみると予想を遥かに超える生産性でした。

AIが得意なこと

これらは人がやるより圧倒的に速く、正確です。「考えながら手を動かす」作業がほぼ不要になりました。

AIが詰まりやすいポイント

一方で、AIでも苦手な領域は明確にあります。

特に、

エラーをそのままコピペしても同じ回答を延々と繰り返される

という状況は何度も起きました。

実データを伴うバグの原因特定は、今でも人間の領域です。

それでも「圧倒的に」価値がある

それ以外の作業に関しては、

「人がやる意味ある？」

と思うレベルで生産性が違います。

この変化は単なるツールの進化ではなく、

にまで影響する構造的な変化だと感じました。

だからこそ、この記事を書いています。

1. 組織と人材の変化：技術より「ドメイン知識」

AIがコードの書き方を肩代わりするようになったことで、エンジニアに求められる価値基準は大きく変わりました。

「ビジネス特化型」チームへの移行

Reactなどの技術レイヤー別の編成から、特定の事業（ビジネスドメイン）を完結させる少数精鋭のチーム編成へと移行しています。

採用人数の変化：少数精鋭へのシフト

1人あたりの生産性がAIによって数倍に跳ね上がった結果、「大量採用で回す」モデルは崩壊しました。

現在は、少人数で意思決定と実装を高速に回せるチームが主流になっています。

内製化の加速

AIによって自分たちで作るコストが激減しました。

その結果、コア業務をブラックボックス化しないため、外注から自社開発（内製）へ回帰する動きが加速しています。

ベテランの再定義

構文に詳しい人よりも、業務仕様（ドメイン知識）に精通し、AIの出力を正しく評価・修正できる“生き字引”が最も重宝される存在になりました。

スキルの均一化：技術格差は急速に縮小

「技術的に難しいから実装できない」という制約は、AIの普及によってほぼ消滅しました。

誰が書いても一定以上の品質の成果物が出るようになった結果、シニアとジュニアの技術的な差は急速に縮小しています。

コーディングスキルそのものは、もはや強い差別化要因ではなくなりました。

給与構造の変化：評価されるのは何を作れるか

その一方で、市場価値の基準は大きく変化しています。

以下のようなエンジニアは、市場価値と給与が下がる傾向にあります。

評価されるのは、「書けること」ではなく、「何を作るべきかを理解し、形にできること」です。

価値の源泉は、完全にビジネス理解へと移行しました。

2. 開発プロセスの激変：ドキュメントは「AIへの入力」

仕様書やワイヤーフレームは、もはや「人間が読むだけの紙」ではありません。

3. 指示と設計の新常識：View（見た目）を起点にする

設計思想は「美しい抽象化」から、AIと対話しやすい**「直交性と具象性」**へとシフトしました。

抽象的な事象を計算式に当てはめる能力

AI時代のエンジニアは、確実に 「言語化能力」と「抽象→構造化能力」 が重要になります。

重要度はだいたいこう変わります。

昔

 
アルゴリズム
↓
設計
↓
コーディング
 

これから

 
問題の言語化
↓
抽象 → 構造化
↓
AIへの指示
↓
AIがコーディング
 

抽象的な物を計算式に当てはめる能力

もう少し言い換えると

「ビジネスを数式・ロジックに変換する能力」

になります。

1. 言語化能力（曖昧な要求を言葉にする）

ビジネス側の要求はほとんどの場合こういう形です。

これをエンジニアが次のように翻訳します。

例

検索結果表示までの時間
3秒 → 1秒以下

購入率
2% → 3%

つまり

曖昧な要求 → 明確な仕様

に変換する能力です。

AIはこの「翻訳された仕様」がないと強く動けません。

2. 抽象→構造化能力（問題を分解する）

AIが最も得意なのは

構造化された問題

です。

例えば

抽象要求

おすすめ商品を出したい

これを構造化すると

おすすめスコア =
閲覧回数 * 0.3 +
購入回数 * 0.5 +
レビュー評価 * 0.2

になります。

つまり

抽象 → モデル化

この能力が非常に重要になります。

3. AIへの指示設計能力（プロンプト設計）

AI時代の開発は

コードを書く仕事

ではなく

AIに正しい問題を渡す仕事

に近くなっています。

例

悪い指示

おすすめ機能を作って

良い指示

以下の条件でおすすめ商品APIを作成してください

・閲覧履歴からカテゴリ一致商品を抽出
・購入回数の多い順
・最大20件
・Go + PostgreSQL

AIは

曖昧な問題 → 苦手
構造化された問題 → 爆速

です。

4. おかしい常識を見抜ける力

AI時代になって重要性が増しているのが、「多数派や常識に対しても論理的な違和感を持てる力」です。

AIはインターネット上の平均的な情報を学習しているため、多数派の意見や一般論を“もっともらしく”出力します。しかし実際には、

といったケースも少なくありません。

AIは「多数派」と「正解」を区別しないため、広く流通している常識をそのまま補強してしまう傾向があります。

だからこそ重要なのは、

「みんなが言っているから正しい」

ではなく、

「本当に論理的に成立しているのか」

を考えられる能力です。

特にAIの提案をそのまま採用するだけでは、大半は既存パターンの最適化に留まり、本質的なイノベーションは生まれにくくなります。革新的なアイデアは、多くの場合「一般論への違和感」から始まるからです。

AI時代に価値を持つのは、AIを盲信する人ではなく、

人です。

実装が標準化された今、差を生むのは「正しそう」を疑える思考力になっています。

審美眼

「構文を知っている」「型を定義できる」といったスキルは、かつてエンジニアの基礎体力として重視されてきました。しかし2026年の現在、それらはほぼ完全に標準化され、差別化要因としての価値を失いつつあります。AIがコードを書き、型を補完し、最適な実装パターンまで提示する時代において、「書けること」そのものはもはや強みにはなりません。

むしろ、その均一化が進んだからこそ、これまで見えにくかった能力がはっきりと浮かび上がってきました。それがいわゆる「非標準化領域」です。

まず問われるのは審美眼です。AIは複数の選択肢を提示してくれますが、その中からどれが本当に筋が良いのかを判断するのは人間の役割です。技術選定、設計方針、将来の拡張性や負債の出方まで含めて「この方向で進めていいのか」を見極める力は、むしろAI時代において重要性を増しています。

次に重要になるのが疑う力です。AIの出力は一見もっともらしく、しかも高速に生成されるため、そのまま受け入れてしまいがちです。しかし実際には、微妙に要件を外していたり、データ前提が崩れていたり、将来的な問題を内包しているケースも少なくありません。そうした違和感を経験に基づいた直感で察知し、「本当にこれで正しいのか」と立ち止まれるかどうかが品質を大きく左右します。

そして最後が翻訳力です。ビジネス側の曖昧な要求を、AIが迷わず実装できるレベルまで分解し、構造化する能力です。「使いやすくしたい」「売上を上げたい」といった抽象的な言葉を、具体的な仕様やロジックに落とし込む力がなければ、AIは本来の性能を発揮できません。つまり、AIを使いこなすとは単にツールに慣れることではなく、曖昧さを排除し、問題を明確な形に定義する能力そのものだと言えます。

「AIのおかげで、1年目のエンジニアが5年目のようなコードを書けるようになった」というのは確かに事実です。しかしそれ以上に重要なのは、「10年目のエンジニアはAIを使うことで、かつて50人規模のチームで行っていたアーキテクチャ設計や意思決定を一人で担うようになった」という現実です。

技術の民主化が進んだ結果、単純な実装力の価値は下がり、その代わりに意思決定の質と構造化能力がそのまま生産性と価値に直結する時代になりました。これはエンジニアにとっての役割の変化であり、同時にキャリアの分岐点でもあります。

書ける人から、決められる人へ。このシフトを自覚できるかどうかが、今後の差を決定づけていきます。

 

 

登録日：

更新日：

by

コメント         tweetでコメント