- Authors
- Name
- Youngju Kim
- @fjvbn20031
まず不快な真実から話そう
率直に言います。AIが開発者の仕事の一部を自動化しているのは事実です。否定するとむしろ危険になります。
でも、これは初めてのことでしょうか？違います。コンパイラが登場したとき、アセンブリプログラマーたちは「もう仕事がなくなる」と心配しました。フレームワークが出たとき「ボイラープレートコードを書いていた開発者はどうなる」と言われました。IDEが自動補完をするようになったときも同じような話がありました。
結果はどうだったか？開発者の数はむしろ増えました。参入障壁が下がることで、より多くの人がより複雑なものを作るようになり、その複雑なものを作る人が必要になったのです。
AIも同じ流れです。ただ、今回は変化のスピードが速いという点は認めなければなりません。だからこそ、今この時点でキャリアをどう設計するか真剣に考える必要があります。
AIが代替するものとAIが強化するもの
私が実際にCursorを使いながら感じていることを正直に整理してみます。
AIが得意なこと（自動化可能）：
- ボイラープレートコードの生成
- シンプルなCRUD APIの作成
- 既知のパターンのバグ修正
- 基本的なテストコードの作成
- コードのドキュメント化
- ライブラリの使い方のサンプルコード
AIがまだできないこと（開発者の領域）：
- ビジネス要件をアーキテクチャ決定に翻訳すること
- システム間の複雑なトレードオフの判断
- 新しいドメインの問題を定義すること
- チームと技術の間での交渉
- 長期的な技術的負債の管理
- 「なぜこれを作るべきか」という問いそのもの
シンプルに言えば、「何を作るか」はまだ人間が決めます。AIは「どう作るか」の一部を速く処理してくれるだけです。
つまり、開発者として「何を作るか」をより上手く判断できる人になるべき、という結論が出ます。
5つのキャリアポジショニング戦略
戦略1：AI活用型開発者（最も現実的）
今すぐすべての開発者に必要な戦略です。
「AIを使う開発者」ではなく「AIで10倍速い開発者」になること。違いは何でしょうか？
前者はAIを時々使う人で、後者はAIなしで仕事するのが不快になった人です。ちょうど今の私たちがStack OverflowやGoogleなしでコーディングするのが不快なように。
Cursor、GitHub Copilot、ClaudeをワークフローにフルIntegrationさせましょう。役割が変わります。コード生成が10%なら、コードレビューとアーキテクチャが90%になります。
これが怖く感じるかもしれません。「AIがコードを書いてくれるなら、私の役割はレビューだけになって、どんどん退化するのでは？」違います。むしろより高いレベルの判断をするようになります。シニア開発者がやることを早い段階で学ぶことになるのです。
戦略2：AIシステムビルダー
今最も需要が高いポジションです。2024年から2026年にかけて、このポジションの給与プレミアムは30〜50%上昇しました。
RAGシステム、AIエージェント、ファインチューニングパイプラインを設計・構築する人。重要なのはML学位がなくてもOKということ。むしろ実戦経験の方が重要です。
私も最初は「MLバックグラウンドがない自分でも可能か？」と迷いましたが、今はLangChain、LlamaIndex、LiteLLMなどのツールが十分に発展しており、ソフトウェアエンジニアリングのバックグラウンドだけで十分に参入できます。
ただし、「API接続してチャットボット作りました」レベルではなく、実際のプロダクションで使えるシステム——リトライロジック、キャッシュ、コスト管理、評価（eval）パイプラインまで含む経験が必要です。
戦略3：ドメイン×AI専門家
これが最も代替しにくいポジションです。
「AIを知る金融専門家」を想像してください。金融だけわかる人とAIだけわかる人は溢れているのに、両方わかる人は希少です。金融AI、医療AI、法律AI、製造AI——各ドメインでこういう交差点の人を求めています。
あなたが今特定の業界で働いているなら、そのドメイン知識は実は大きな資産です。そこにAIスキルを加える戦略が思いのほか強力です。
医療スタートアップで働く開発者なら、医療データの特殊性（HIPAA、FHIR、非構造化データ）を理解したAI開発者になることが、一般的なAI開発者よりもはるかに希少で価値あるポジションになります。
戦略4：AIインフラエンジニア
最も安定したポジションです。どんなAI会社でも、どんなAI製品でもインフラは必要だから。
LLMサービング、MLOps、AIパイプライン——既存のDevOpsやSREの経験があれば、この方向への転換は比較的スムーズです。GPUクラスター管理、モデル最適化（量子化、蒸留）、Kubernetesと連携したデプロイパイプライン——これらができる人の需要は増え続けています。
戦略5：AIプロダクトエンジニア
個人的に最も面白いと思うポジションです。
「何をAIでやるか」を決める人。PMの視点とエンジニアの実装能力を同時に持つハイブリッド。ユーザー体験とAI能力の間のギャップを埋める役割です。
このポジションのコアスキルは、LLMの限界を正確に知りながら、ユーザーにとって最も有用な体験をデザインすること。「AIがこれに失敗するとき、UXをどう処理するか」をうまく考えられる人。
実践ロードマップ（時間軸別）
話だけでは意味がないので、具体的なアクションで話しましょう。
| 期間 | アクション |
|---|---|
| 今すぐ | CursorまたはCopilot導入、1日1時間AIと一緒にコーディング |
| 3ヶ月 | シンプルなRAGシステムを作る、LangChainまたはLlamaIndexを実践 |
| 6ヶ月 | OpenAI APIでプロダクション機能を1つリリース、ブログ記事を書く |
| 1年 | AIサイドプロジェクトまたはOSSコントリビューション、ポートフォリオ構築 |
| 3年 | AIシステム設計の経験を持ち、特定ドメインの専門性を確立 |
「3ヶ月でRAGシステム？私はML知りませんが。」
大丈夫です。RAGはMLを知らなくても作れます。コアコンセプトは「ドキュメントをベクトルに変換して、質問と最も似たドキュメントを見つけてLLMにコンテキストとして渡す」で、これを実装するコードはチュートリアルが溢れています。実際に作ってみて感じることの方がずっと重要です。
どのスキルが最も速く価値を失っているか
率直に言います。不快かもしれませんが、知っておく必要があります。
最もリスクの高いスキル：
- 「特定のライブラリAPIを暗記すること」——AIが全部知っている
- 「シンプルなCRUDアプリを素早く作ること」——バイブコーディングで30分でできる
- 「レガシー言語専門家」——古いCOBOL、古いJavaフレームワーク（短期的にはまだ需要あり）
- 「独立した機能の実装」——最初に自動化される領域
反対に価値が上がるスキル：
- システム設計とアーキテクチャ決定
- AIが生成したコードを批判的にレビューする能力
- ビジネスの文脈で技術的決定を下す能力
- チームをリードする能力（AIはまだ人をリードできない）
- ドメイン専門性
「AIが作ったコードをレビューする能力」が取るに足らないことのように聞こえるかもしれませんが、これは思いのほか難しいのです。AIはもっともらしく間違ったコードを作ります。それを見つけるにはむしろ深い理解が必要です。
給与の現実（2026年基準）
国内（東京基準）：
- AI関連ポジション全般：同等の非AI開発者に対して20〜40%プレミアム
- AIシステムビルダー（経験3〜5年）：800万〜1,200万円
- AIインフラエンジニア：900万〜1,500万円
- ビッグテックAIチーム（大手日本企業）：1,000万〜2,000万円（シニア）
- 海外リモート（米国テック）：年間150,000〜300,000ドル（経験による）
グローバル：
- サンフランシスコAIスタートアップシニア：220,000〜350,000ドル
- Google DeepMind、Anthropic：300,000ドル以上（ストック含む）
- 欧州AI企業：80,000〜150,000ユーロ
現実的に言えば、AIスキルをしっかり身につければ、3〜5年の経験で年収1,000万円以上のポジションが現実的になっています。ただし「AIツールを使ったことがある」レベルではなく、実際にAIシステムをプロダクションに載せた経験が必要です。
最後に
AI時代に開発者がいなくなるという話は誇張です。しかし「何もしなくても大丈夫」という話でもありません。
今この瞬間も、「AIツールなしでもうまくやっている」開発者と、毎日AIと共に仕事しながら速く成長している開発者の間の生産性格差が広がっています。1年後、その格差はさらに大きくなるでしょう。
今始めましょう。大げさなことから始める必要はありません。今日Cursorをインストールして、明日今やっている作業に試してみることから始めれば十分です。
5年後の自分は、今の選択を覚えているでしょう。