AI時代のプロフェッショナル 前編 プロフェッショナルの条件とスキル
AIエージェントが登場した今、Webエンジニアとしてのプロフェッショナルとはなにか？ またそのためにどのような学びを重ねていかねばならないのかを考えます。
はじめに
Claude CodeやCodexなどのAIエージェントが登場し、コードを1行も書かずにWebアプリケーションを作れる時代になりました。やりたいことを伝えると、待っている間に次々とコードが生成され、「もうプログラミングを覚える必要はない」という声さえ聞こえてきます。
では、そんな時代にWebエンジニアがプロフェッショナルであり続けるには何が必要でしょうか。そもそもWebのプロフェッショナルとは何を意味するのでしょうか。これまでWeb開発では専門的な知識を持つことがかなり重視されてきましたが、AIがコードを書くようになった今、これらの前提も変わり始めています。
この記事では、パーソナルコンピューターやインターネットの普及しはじめたころを振り返りながら、Webエンジニアに限らず、AI時代に求められる新しいプロフェッショナル像と、そのために必要な学びを考えていきます。
プロフェッショナルの4要素
まず、筆者がまとめたプロフェッショナルの4つの要素をみていきます。これは有名な定義ではなく、自身の経験からまとめた考えですが、一般的に言われていることとも大きくは違わないと思います。
1. 専門性
深い知識と技能を持ち、効率的に成果を出せること。単なる知識量ではなく、実際に仕事の場で活用できる応用力が含まれます。多くの人がプロに期待するのはこの部分ではないでしょうか。
2. 品質
正確さと一貫した高品質なアウトプットを提供できること。完成した成果物が顧客や仲間にとって信頼に足る基準を満たしているかが問われます。ミスが多い成果物ではプロの仕事とは呼べないわけです。
3. 責任
成果や失敗を引き受け、約束を守る姿勢を持つこと。プロは結果に対して説明責任を果たし、継続的に改善を図ります。うまくいかなかったときも状況を受け止め、次の一手を示すことで信頼はむしろ深まります。
4. 信頼
誠実であり、チームや顧客との関係を大切にすること。単に成果物を出すだけでなく、人との関わりを通じて信用を積み上げていくことが含まれます。この人なら任せても安心だ、と感じてもらえることもプロに欠かせません。
プロフェッショナルとは、以上の「専門性」「品質」「責任」「信頼」の4要素で成り立つ存在だと筆者は思います。
AIはプロフェッショナルなのか？
ここでまとめた4要素を基準に、AIはプロフェッショナルになれるのかを考えてみましょう。もしAIがプロになれるなら、人間がプロを目指す意味は薄れてしまいます。
AIは「専門性」や「品質」を部分的に満たせる
AIは膨大な学習データやコンテキストとして渡した情報に基づいてコードや文章を生成でき、ある程度の専門性や品質を実現できます。たとえば、短時間で動作するサンプルコードを出力したり、既存のパターンをもとに安定した成果物を生成するのは得意です。この点だけを見れば、人間のプロに匹敵すると感じる場面もあるでしょう。ただし、成果の良し悪しを評価し、どう使うかを判断できなければ、その力を活かせません。
AIは「責任」を持てず、「信頼」を築けない
AIには結果に対して責任を持てません。生成物に不具合や不正確さがあっても、それを判断し、修正するのは常に人間の役割です。プロフェッショナルが不可欠なのはまさにこの部分です。また、AIは誠実さを自律的に持てません。ユーザーや顧客との信頼関係は、AIそのものではなく、それを扱う人間の姿勢や組織の体制によって築かれます。
AIはプロフェッショナルではない
AIは「専門性」と「品質」を支援できるものの、人間によるチェックは欠かせず、「責任」と「信頼」を引き受けられません。結局、現時点でのAIは優秀なパートナーではありますが、プロをサポートする役割にとどまります。人間のプロフェッショナルを完全に置き換えることはできません。
では、人間がプロフェッショナルであるためには何が必要なのでしょうか。
AI時代に求められる考え方
前節で見たように、4要素には、AIが人間をサポートできることと、人間でなければできないことがあります。
人間がAIと共に働く時代では、4要素のうち人間がやるべき領域を意識し、その力を伸ばすことが必要です。また、AIが得意なことはAIに任せるといった効率化も大切になります。
問いを立てる姿勢
AIは与えられた問いには答えられても、何を問うべきかまでは決められません。解くべき課題を定めるのは人間の役割です。プロジェクトでも、顧客の言葉の裏にある真の課題を探り、適切な問いを立てる力が欠かせません。
責任を負う覚悟
AIの出力はあくまで提案に過ぎません。その結果を採用するかどうかを判断し、責任を引き受けるのは人間です。どんなにAIを使ったとしても、必ず自分の目で判断し、自分の責任で利用する必要があります。
信頼を守る姿勢
顧客やチームとの信頼関係はAIが直接築けるものではありません。AIを活用しつつも、成果に対する説明責任を果たし、人間同士の信頼を維持することが欠かせません。
ワークフローを変える勇気
AIをどのように使い、どこで人間が介在するのかを設計する力も求められます。効率と品質を両立させるためには、役割分担を明確にし、全体のプロセスを再構築する必要があります。
AIを監督する責任感
AI時代のプロフェッショナルとは、「AIをどう使うか」以上に「AIをどのように責任をもって監督するか」を実践できる人です。ここでいう監督は、問いをつくり、判断を引き受け、信頼を守る役割のことです。AIに対するディレクターの役割をこなす必要があるとも言えるでしょう。
このような考え方は過去の転換期でもプロフェッショナルに共通していました。
歴史から学ぶ
技術革新の歴史を振り返ると、時代の切り替わりのタイミングでプロフェッショナルが共通して持っていた要素が見えてきます。パーソナルコンピューターの登場、インターネットの普及といった転換点で、何が求められたのかを筆者の見聞を交えて振り返ります。
パーソナルコンピューター時代
パーソナルコンピューターが普及し、DTPが登場したことで、デザインや印刷の現場は大きく変化しました。父が経営していたグラフィックデザイン会社の周辺ではコンピューターを使わず、写植や製版といった職人技が中心でしたが、ソフトを使いこなすデザイナーが急速に台頭しました。当時、父の会社でもMacが一気に導入され、職場の空気が変わったのを覚えています。
デザイナーに限らず、その時代に成功したプロフェッショナルは、ツールを単に置き換えるのではなく、コンピューターをうまく使った新しい表現や効率化を実現しました。
補足：写植と製版
写植（写真植字）は、原稿として入稿された文字を印刷用に整える作業です。パソコンのない時代は、専門機械で文字を1字ずつ写真のように焼き付け、紙面のレイアウトを作りました。製版は、そのレイアウトを印刷できるように印刷用の版に写す工程。光や薬品を使って印刷機で刷れる原版を作ることで、デザインが「印刷物」に変わるプロセスです。
これらは、個人レベルで用意できる設備ではなかったことがわかります。なかなかイメージしにくいので、次のリンクなどを参考にするのもよいでしょう。
インターネット時代
さまざまな情報に誰もがアクセスできるようになることで、知識を持っていることの価値が下がり、情報をどう活用するかが重要になりました。検索スキルや継続的に学び直す力を持つ人が活躍し、誤情報を見極める力や自分ならではの視点を提供できる人が評価されました。
プログラミングにおいては、ブログやSNSにある誤情報も目にしながら、仕様書や公式ドキュメント、コード自体を確認して正しさを見極め、信頼できる成果物へとつなげられることがプロの条件となりました。
共通する要素とは？
歴史を振り返ると、プロフェッショナルであり続けるために、次のような力が大切にされてきました。これはAI時代でも変わらず必要です。むしろ進化のスピードが速い分、意識することがさらに重要になります。
- 新しい技術を素早く取り込む力
- 新しいツールや仕組みを恐れず実務に取り入れる姿勢
- 学び続ける習慣
- 技術や環境の変化を楽しみ、自然と学ぶ
- ワークフローを再定義する力
- 新しい技術に合わせて、これまでのやり方を柔軟に変えていく
- 信頼と付加価値の創出
- 道具を使いこなすだけでなく、自分ならではの工夫や責任ある成果で信頼を築く
広がる職域
過去の切り替わりのタイミングでは、一人のプロフェッショナルが担う領域がそれに合わせて広がりました。
パーソナルコンピューターの登場で、レイアウトから入稿までを一貫して担うデザイナーが現れました。インターネットの普及期には、Webデザイナーと呼ばれる人がデザインだけでなく、HTMLの制作からサーバー設定までの工程を一手に引き受けるようになります。同様の変化がAI時代にもすでに見え始めています。
フロントエンドエンジニアがビルドやCIを含め、サーバーサイドに関わることは珍しくなくなりました。サーバーサイドに限らず、デザインやディレクションなど別領域へ手を伸ばすエンジニアも増えています。
未知の分野に挑戦する際、AIは知識の不足を補い、ハードルを下げてくれます。その結果、幅広い業務をこなせる人が増え、それができる人はより重宝されます。反対に、ひとつの領域に閉じこもってしまうと、進化の速いこの時代では、あっという間に取り残されてしまうかもしれません。
大事なのは、あらゆる領域を浅く広くこなすことではありません。深い知識と経験を持つ専門領域をベースにしつつ、関連する分野も学ぶことで、チームでの協力の中で幅広い力を発揮することです。
AI時代に磨きたいスキル
ここまでで整理した考え方を実践に落とし込むには、AIと協働する現場で役立つスキルを地道に学び続ける必要があります。新しい道具を知るだけでなく、自分の基準で運用し、成果へ結びつける力が問われます。
AIリテラシーを高める
AIを使うのであれば、AIの仕組みや限界を理解し、適切に活用できる力が必要です。
- 現在主流のAIモデルの特徴を把握する
- AIツールを用途に応じて使い分ける
- プロンプトを設計し出力を評価する
- AIが仕事を進めるのに必要な情報を整備する
これらを学びリテラシーを高めるには、日々の仕事の中でAIを試す経験が欠かせません。仕事で使えないなら、個人の開発や生活でもいいので「このツールはどこまでできるのか」「新しいモデルは向上したのか」を継続的に試しましょう。
このような実務的なスキルに加え、AIが苦手とする領域を見極める能力が求められます。現時点でAIが苦手とする作業の例は次のとおりです。
- Lintやフォーマット、ユニットテストの実行といったツールで自動化できる作業
- メンテナンス性を考慮した設計
- セキュリティ、パフォーマンス最適化、ライブラリ選定
AIと従来のプログラムで得意な作業は異なります。AIのレビューがあってもLintやフォーマット、ユニットテストが不要になるわけではありません。こうした処理は既存ツールに任せたほうが確実です。コミット前のフォーマットや、CIでLintとユニットテストを回す仕組みを整えた上で、AIや人のレビューを組み合わせましょう。
日々進化するAIの得意・不得意を追いかけ、自分の仕事への影響を確認することも大事です。
正しさを検証するスキル
AIが出す答えには、誤りや不完全な部分が含まれることもあります。それを見分けて、きちんと修正できるのはプロフェッショナルとして必要な力です。そして、その判断を支えるのは、自分自身の理解と知識です。
コードをAIが書いてくれるようになっても、コードそのものを学ばなくてよいとは言えません。エディタのショートカットを覚えたり、素早く入力できるよう補完機能を調整するというようなコードを書く筆記用具を整えるスキルは比重が下がるかもしれませんが、コードを読み解き、理解する力はいままでより求められます。
結局、標準仕様の変更や、ブラウザの変更、利用しているサービス、OSSの最新情報を追ったりといったことは、今後も必要になるでしょう。もちろん、CodeGridも読むことで新たな情報や視点を取り入れてもらえればという思いで記事を配信しています。
ワークフローを設計する技術
人とAIの役割分担を明確にし、効率と品質を両立させる仕組みを構築することが重要です。AIを部分的に導入するだけでなく、全体のプロセスを見直し再設計することも求められます。
コードに加えてドキュメントを整備し、AIが正しく仕事を進められるようテストやLintを用意する重要性は高まります。どの順に実行するか、どのように組み合わせるかを考え設計できる力が問われます。
高津戸の記事ではAIエージェントによってどのように仕事を変えていったかという具体例が紹介されています。事例のひとつとしてぜひ読んでみてください。
- 「AIエージェントのススメ」シリーズ
信頼を伝えるコミュニケーション
AIの利用について透明性を保ち、成果に対する説明責任を果たす姿勢が不可欠です。顧客やチームに安心感を与え、誠実な行動を積み重ねることで、プロフェッショナルとしての信頼が形成されます。
「AIが言ったから」「AIが書いたので自分はわからない」という態度は、プロとしてあるまじきものです。それなら、そもそも依頼者が直接AIを使えばよく、AIとの間に立つだけの伝書鳩のような人間は必要とされません。AIではなく、この人に頼んだからこそ良い仕事になる、という信頼が欠かせないのです。
まとめ
プロフェッショナルは時代ごとに姿を変えてきました。パーソナルコンピューター時代にはツールを使いこなし、インターネット時代には情報を活用しました。AI時代には、AIを監督し、責任を引き受けることが求められます。
時代が変わっても変わらないのはプロとして新しい技術を試しつつ、自分のやり方を磨き直し、人との信頼を積み重ねることではないでしょうか。
AIは強力な助けになりますが、責任と信頼を担うのは常に人間です。だからこそAI時代のプロフェッショナルは、AIをうまく使いこなし、自らの成果として信頼を築ける人なのです。
この記事もAIの助けを借りていますが、最終的な構成や言葉は自分で練り上げました。AIと協働するとは、そういう現実的な関わり方なのだと思います。
深い専門性を土台にしつつ、隣接する分野にも手を伸ばす。問いを立て、自ら判断し、責任を引き受ける。学び続け、ワークフローを磨き直す。そうした積み重ねこそが、AI時代のプロフェッショナルを形作るのだと考えています。