「コードを書く」から「コードを読む」へ
最近、現場で耳にするのは「コーディングの時間が減った」という声です。生成AI(文章やプログラムのコードを自動生成するAIツール)がコードの叩き台を出してくれるようになり、ゼロから書く作業は確かに減りました。
ただし、その分「AIが書いたコードを読んで、意図通りか確認する」時間が増えたという実感を持つエンジニアも少なくありません。あるあるですが、AIが提案したコードは一見動きそうに見えても、実際に動かしてみると細かい条件分岐が抜けていたり、古い書き方のまま提案されたりすることがあります。結局、レビューする力がこれまで以上に問われる場面が増えている、というのが現場の肌感覚です。
生成AIが得意なこと・苦手なこと
現場で使ってみて感じるのは、得意・不得意がはっきり分かれるという点です。
- 得意:定型的な処理(データ変換、APIの雛形作成など)の下書き作成
- 得意:過去コードの説明や、仕様書のたたき台づくり
- 苦手:業務特有の複雑な条件やレガシーシステムとの整合性の判断
- 苦手:「なぜこの仕様になっているか」という背景込みの判断
つまり、単純作業の時短には効果がある一方で、経験や業務知識が必要な判断は依然として人間が担う領域として残っています。この役割分担をどう線引きするかが、チームごとの工夫のしどころになっています。
人手不足の中での位置づけ
IT業界は以前から人手不足が課題として語られてきました。生成AIの登場で「これで人手不足が解消する」という期待の声もありますが、現場感覚としては「負担が軽くなる部分はあるが、必要な人数が劇的に減るわけではない」という受け止め方が近いように思います。
むしろ、AIが出してきた成果物を適切に評価・修正できる人材が、これまで以上に重要になっているという意見もあります。若手がAIに頼りすぎて基礎的な実装力が育ちにくいのではないか、という懸念を口にするベテランエンジニアもいます。一方で、AIを使いこなすことで学習のスピードが上がったと感じる若手もおり、受け止め方は人によって分かれているのが実情です。
まとめにかえて
生成AIは便利な道具である一方、使い方次第で得られる効果は大きく変わります。コードを書く時間を減らすために使うのか、学習や品質向上のために使うのか。チームとしての方針を決めずになんとなく導入すると、かえって混乱を招くこともあるでしょう。
もしあなたがこれから生成AIを業務に取り入れるとしたら、どの業務から任せ、どこは人が判断すべきだと線引きしますか。一度、チームで話し合ってみる価値はありそうです。