AIエージェント時代を生き抜く
エンジニアのサバイバル戦略

選ばれるエンジニア／フリーランスになるための行動指針

株式会社レクター 代表取締役 広木大地

自己紹介

広木 大地

株式会社レクター代表取締役

1983年生まれ。筑波大学大学院を卒業後、2008年に新卒第1期として株式会社ミクシィに入社
アーキテクトとして、技術戦略から組織構築などに携わる
同社メディア開発部長、開発部部長、サービス本部長執行役員を務めた後、2015年退社
現在は、株式会社レクターを創業し、技術と経営をつなぐ技術組織のアドバイザリーとして、多数の会社の経営支援を行っている。
一般社団法人日本CTO協会理事、朝日新聞社社外CTO。

AIエージェント書籍QRコード
書籍「AIエージェント—人類と協働する機械」発売中
https://www.amazon.co.jp/dp/4865944583

今日の問いかけ

「AIによって仕事は奪われるのか」

恐怖論でも楽観論でもない、構造的な見取り図を提示します。

トップガン マーヴェリックより

「これからは無人機の時代だ。君たちパイロットは絶滅する」

「そうかもしれない。でも、今日じゃない」

私たちエンジニアも同じ立場にいます。

この「今日じゃない」期間に、私たちは何をすべきでしょうか。

今日お話しすること

AIは仕事を"消す"のではなく、変える

歴史的パターンから見る仕事の変化と、エンジニアの役割シフト

AI時代の新しい生産性

できる化・自働化・自創化という段階的変化

選ばれるエンジニアになるための行動指針

相対優位、ジョブクラフティング、ソロプレナー、3つのC

AIは仕事を"消す"のではなく、変える

歴史が教える技術革新と仕事の関係

仕事はいつだって奪われてきた

技術革新は常に雇用構造を変えてきた

非人間的な仕事の解放

技術は人類が望まない危険・単調・過酷な仕事を代替してきた

仕事内容の継続的変化

どの職業も時代とともに中身が変わり続けている

新しい仕事の創出

新技術は必ず新しい仕事を生み出し、生活を豊かにしてきた

重要なのは新しい技術にオープンマインドで向き合い、
学び続けること

では、AIは本当に違うのでしょうか。歴史から学んでみましょう。

景気後退期には新しい技術がやり玉に挙がる

これは繰り返されてきたパターン

ITバブル崩壊

2000年代初頭

インターネットの普及がレイオフの理由とされた

リーマンショック

2008年

スマートフォンの登場がレイオフの理由とされた

現在

2023年〜

AIがレイオフの理由とされている

技術が原因ではなく、景気循環の中で新技術が「言い訳」に使われている

この20年でも、
ソフトウェアの仕事は大きく変わりました

ソフトウェアは常に簡単になり続けている

つまり、ソフトウェアは安くなり続けている

  • しかし、実際の経済が工数単位で測られるため意識しづらく、見えにくい
  • ここ10年は、5-10%/年ずつ安くなっている
  • 2005年の100人月は2025年には25人月くらいで達成できる
  • 生成AIによって、今後数年は毎年30%ぐらい安くなっていくだろう

しかし、これは「エンジニア不要」を意味するのでしょうか

ジェボンズのパラドクス

資源利用効率が上がると単価が下がり需要が拡大し、結果的に資源消費量が増える現象をジェボンズのパラドックスという。

19世紀英国で蒸気機関改良が石炭需要を逆に急増させた例が典型。

ソフトウェアにおいても同様のことが再現され続けている。

ソフトウェアが安くなるにつれ、適応領域も拡大

長期的に仕事がどうなるのかは需要と供給が決める

  • 需要: 新たにどのようなソフトウェア領域が生まれるのか
  • 供給: どのような速度で生産性が改善し、人材が供給されるのか

日本の現実（2030年）

最大79万人

IT人材が不足

歴史的パターン

  • 技術が進歩するたびに「エンジニア不要論」
  • しかし現実は逆
  • 需要は常に供給を上回ってきた

文字の民主化とソフトウェアの歴史を比較してみる

古代エジプトの書記官

文字を書くことが、ソフトウェアと同じように高度なスキルだった時代、古代エジプトの書記官は、現代の役人に相当する重要な職業

王室や神殿の記録、税の徴収、財産の管理など、幅広い業務を担う

人口のわずか1%未満の特権的専門職

文字の民主化が起きたとき

書記官は消えたのではなく、新しい職業が爆発的に生まれた

教育の普及により文字が民主化

書記官の独占が崩れた

新しい職業の誕生

  • ジャーナリズム
  • 出版業
  • 学術研究
  • 広告業

文字を書く「技術」から、文字で「何を伝えるか」に価値がシフトした

私たちの知っているプログラミングは終わり、
新しいエンジニアリングが始まる

これまで

  • コードを書く能力が価値
  • 技術的参入障壁
  • 「どう作るか」が重要

これから

  • 問題を発見する能力が価値
  • AIによって参入障壁が下がる
  • 「何を作るか」「なぜ作るか」が重要

ここまでのまとめ

  1. 技術革新は仕事を奪うのではなく変化させる
  2. ソフトウェアは安くなり続けるが、需要も拡大する（ジェボンズのパラドクス）
  3. 文字の民主化と同じパターンがソフトウェアで起きている

では、具体的にエンジニアの仕事はどう変わるのでしょうか

「実装中心」から「問題設定・価値創造中心」へ

かつてメンバーが提案し、マネージャーが決めた。
今はAIが提案し、人間が決める

すべてのエンジニアがAIのマネージャーになる

これは全専門職のマネージャー化トレンドの先行事例

Before（コードを書く人）

  • 自分でコードを書く
  • 時間と手を動かす量が成果
  • 技術スキルが評価軸

After（AIチームを管理する人）

  • 課題を整理し環境を整える
  • 意思決定の質と速度が成果
  • 問題発見・設計能力が評価軸

ソフトウェアの偶有的複雑性と本質的複雑性

本質的複雑性に対する"試行錯誤"がエンジニアリング

仕事の価値配分が変わる

人間が担うべき領域が「実装」から「問題設定」へシフト

偶有的複雑性（実装）

  • 実装に伴う技術的複雑さ
  • バグやパフォーマンス問題
  • 技術で削減可能

→ AIが得意・大幅に高速化

本質的複雑性（問題設定）

  • 問題領域そのものの複雑さ
  • 人間の要求の曖昧さ
  • 技術では解決できない

→ AIでも高速化困難

AI時代の新しい生産性

できる化・自働化・自創化という段階的変化

AI疲れ（AI Fatigue）

  • AIは仕事の密度を上げる。それは意思決定と不確実性への対峙
  • 意思決定はHPじゃなくてMPを削る
    • でも人間のMPはそうそう変わらない。MP切れを起こす
  • これまでと同じ内容の仕事を高速にやろうとすると、限界がくる
  • 環境変化にあわせて仕事の再定義をする必要がある

「AI疲れ」の正体

なぜ疲れるのか

  • 5分作業 → 5分レビューの繰り返し
  • 細かい意思決定の連続
  • 常にAIの出力をチェック
  • 休む暇がない頭脳労働

解決の方向性

  • AIに長く働いてもらう
  • 指示10分→AI稼働1-2時間→確認5分
  • 人間は本質的な仕事に集中
  • 仕事の再設計が必要

AIとの対話が隠れたマネジメント適性を明らかにする

AIは文句を言わない分、指示の質が直接結果に反映される

過度な指示タイプ

  • 細かい指示をしすぎる
  • 思い通りにならないとイライラ
  • AIの自律性を活かせない

丸投げタイプ

  • 曖昧な指示のまま実行
  • レビューができない
  • 品質の担保が困難

「道具」から「協働するチームメンバー」へ

コンテキストエンジニアリング

AIに「いちいち聞かなくていい」環境を作る

どれだけAIに長く働いてもらうかが鍵

指示10分 → AI稼働1-2時間 → 確認5分

AIエージェント時代には効率化の視点が変わる

昔は標準化やマニュアル化、最近は可視化と最適化。
「正しさ」の視点が変わる

できる化（頼む）

  • 人がやっていた仕事を自分でできるようにする
  • 自分の仕事を人ができるようにする

自働化（任せる）

  • ワークフローやAgenticな仕組みで仕事をAIに任せる
  • 不確実性の発生源を捉えて自働適応

自創化（指し示す）

  • 仮説検証し、創造するフェーズも自働化
  • 仕組み自体を構築する

できる化（頼む）

人がやっていた仕事を「自分でできるようにする」

  • 最低限のプロンプト技法を学ぶ
  • 専門家ボットを作成・活用
  • 繰り返し行う業務を、担当者以外でも「できる」ように

例: 法務チェック、技術調査、ドキュメント作成など
専門知識がなくても、AIを活用して自分でできるようになる

自働化（任せる）

ワークフローやAgenticな仕組みで仕事をAIに任せる

  • 社内ナレッジ、社内ツールとの接続
  • トリガー → 実行 → 報告の自動化
  • 日々の業務から手離れする

例: メール受信 → 分類 → 回答案作成 → 確認依頼
人間は承認だけすればよい

自創化（指し示す）

仮説検証・創造フェーズも自動化

  • 問題を見つけ、解き、改善し続けるサイクル自体をソフトウェア化
  • 知識創造プロセス全体へのエージェント組み込み
  • 人間は方向性の承認と重要な意思決定のみ

例: 顧客の声を収集 → 分析 → 改善仮説生成 → 実行 → 効果測定 → 学習
このサイクル全体をエージェントが回す

ボトルネックのシフト

AIによる自動化でボトルネックは「暗黙知」へ移動する

center

消える生産性の罠

効率化で生まれた時間が「どこかに消える」

罠1：早く帰ることへの罪悪感

「みんなまだ働いているし…」という心理で席に座って時間を潰す

罠2：タスクの無限増殖

「時間があるなら、これもやって」と価値の低い仕事が増える

罠3：品質の過剰追求

80点で十分な資料を95点まで磨き上げる（追加の15点は無価値）

罠4：心地よい非効率

雑談、調査、ゆっくりランチ…個人には良いが企業価値につながらない

赤の女王の競争

  • AIは民主化され世界中に配られている
  • 企業の付加価値が上がるには、生産性の絶対値が問題ではない
  • 相対的なアービトラージがあるときに付加価値の効率が上がる
  • ある程度落ち着いてきたら参入しようでは遅すぎる

最終的な生産性は、市場との相対優位により生まれる

ここまでのまとめ

  1. AI疲れは「意思決定の高密度化」→ 仕事の再設計が必要
  2. AIを「協働するチームメンバー」として扱う
  3. できる化→自働化→自創化で段階的に生産性向上
  4. 相対優位を築くことが付加価値につながる

では、具体的にどう行動すればいいのか

選ばれるエンジニアになるための行動指針

相対優位、ジョブクラフティング、ソロプレナー、3つのC

相対優位の考え方

「同じ場所にとどまるには全力で走り続けないといけない」

— 赤の女王（『鏡の国のアリス』より）

AIは等しく配られている

OpenAI、Google、Anthropic...誰でも同じ条件でアクセス可能

技術そのものは競争優位にならない

使いこなす能力が差を生む

マクロの幻想よりミクロの現実

マクロの物語（惑わされない）

  • 「日本は終わり」
  • 「AIが仕事を奪う」
  • 「エンジニアは不要になる」

ミクロの現実（ここに集中）

  • 自分にとっての具体的チャンス
  • 自分にとっての具体的リスク
  • 競争相手はAIではなく人と企業

相対優位を築く

変化の初期段階で飛び込んだ者が圧倒的優位を得る

  • 生産性の絶対値ではなく、相対的なアービトラージ
  • 「落ち着いてきたら参入しよう」では遅い
  • 早期に技術を使いこなし、経験と評価を累積

90:9:1の法則

90%

見るだけ

9%

たまに投稿

1%

継続実践

1%の継続実践者が最大の恩恵を受ける

ハードルは意外に低い。「今すぐ始める」ことが決定的に重要。

ジョブクラフティングによる仕事の再設計

与えられた仕事を「自分でデザインし直す」

ジョブクラフティングとは

主体性を持って仕事の境界を拡張・変更する

タスクの境界

何をやる/やらないを変える

関係の境界

誰と働くかを変える

認知の境界

仕事の意味づけを変える

AI時代のジョブクラフティング

自分にしかできない領域を意識的に見極める

AIに任せる部分

  • 単純作業
  • 調査・情報収集
  • 初期ドラフト作成
  • 定型的なコード

自分がやる部分

  • 問題の発見・定義
  • 価値判断・意思決定
  • 問題を解決することから、自動的に問題解決する仕組み自体を構築する

ソロプレナー的な働き方

少人数で大きな成果を出す時代

ソロプレナーの時代

少人数で大きな成果が出せる時代が到来

Cursor（Anysphere）

4人で年商140億円

AIコードエディタ

Cognition AI（Devin）

約10人で企業価値2000億円

自律型AIエンジニア

ソロプレナーのメリットと課題

どのタイミングで「スモール」から「スケール」へシフトするか

メリット

  • 意思決定スピード
  • 自由度の高さ
  • 新技術の早期採用
  • コストの低さ

課題

  • スケーリングの限界
  • バーンアウトリスク
  • 専門知識の制約
  • 孤独感との戦い

個人で今すぐ始められる差別化

3つのC

AI時代に必要な能力は3つのCに集約される

3つのC

Craft

手触り感

AI技術を試行錯誤しながら使いこなす実践知

Concept

本質的問い

AIが苦手な本質的な問いや価値を生み出す思考

Communication

対話力

新しい視点を取り入れ、人々との対話から価値を創造

アンラーニングと流動性知能

アンラーニング

過去の成功体験に固執しない

  • これまでの「正解」が通用しなくなる
  • 意識的に古いやり方を手放す
  • 学び直しを継続する

流動性知能

新しい状況に柔軟に対応する力

  • 知識の蓄積ではなく適応力
  • パターン認識と問題解決
  • 変化の時代を生き抜く鍵

アンラーニングの重要性

これまでの「常識」を問い直す

2ピザ → 1ピザ

チームは8-10人が最適

↓

1〜2人で十分

チーム → 個人

1サービス=1チーム

↓

1人で複数サービス

小さなPR → 大きなPR

小さな変更を頻繁に

↓

大規模変更も安全に

まとめ（今日のメッセージ）

❶ AIは仕事を"消す"のではなく、仕事の中身と価値配分を変える

「実装中心」から「問題設定・価値創造中心」へ

❷ できる化→自働化→自創化で生産性を段階的に高める

AIを「協働するチームメンバー」として扱う

❸ 相対優位、ジョブクラフティング、3つのCで選ばれる存在に

今すぐ始めることが最大の競争優位

AIエージェント書籍QRコード
書籍「AIエージェント—人類と協働する機械」
https://www.amazon.co.jp/dp/4865944583

ご清聴ありがとうございました