AIの強み弱みから考える、これからの人間エンジニアの役割

法人ディベロップメント課の S・Sです。
マイナビBiz / LIVING の新規開発・保守運用を行なっております。

今回は、下記のような、私と同じような不安をお持ちの方に向けて、書いています。

「エンジニアの仕事は、いつかAIに取って変わられるのでは?という淡い不安が、実際の業務内でAIエージェント利用が定着化してきて、いよいよ現実味を帯びて焦っている」

「かといって、実際にAIエージェントの有能さも肌感覚で感じているので、この大波にどのように立ち向かったらいいのかが分からない...」

はっきり言って、誰しもが、AIエージェントの普及、そしてその先に、どんな未来が来るかが100%分かる人はいないかなと思います。

が、あくまで個人的に、こんな向き合い方をしたらいいのでは？ということをカンタンにまとめて、前向きな気持ちで、今できることを進めていけたらいいなと思っています。

この記事で、少しでもAI社会におけるキャリアの不安が和ぎ、精神衛生や業務パフォーマンス、あわよくば、その先の未来でも生き抜けるエンジニアに向かって、ナノマイクロレベルにでもなれば幸いです。

今回は、サクッとカンタンめにまとめていますが、さらに概要をつかんでいただくために、1枚絵を用意しましたので、お忙しい方はこちらをチラ見していただけたらと思います。

ここから先は、上記の概要を少しずつ補足していきます。

AIの強み弱み分析

まず、AI との向き合い方を考える上で、そもそも、AIの特徴を理解しなければ、向き合い用がありません。

なので、完璧に見えるAIの強み弱み分析をカンタンにしておきます。

AI の強み

ざっくりと下記が、AI の強みかなと思っています。

• 大量のデータからのパターン発見
• 認知作業が高速で行える
• 70点前後のクオリティのアウトプットを高速で出せる

大量のデータからのパターン発見

AI は、渡したデータの文字列や数値、組み合わせ等を高速で処理ができ、パターン発見を高速で行えるのが強みだと思います。

人手で莫大なデータからパターンを見つけるのは至難の技なので、ここはもうAIには到底叶わない領域ですね。

認知作業が高速で行える

1つ目と被る部分でもありますが、認知作業、つまり、大量のデータから本質や構造を把握し、整理することが得意です。

「このコードの資料の内容を要約して」
と依頼すると、あっという間に、本質を抽出して、人間の理解できる形でアウトプットしてもらえた経験は少なくないのかなと思います。

70点前後のクオリティのアウトプットを高速で出せる

主に、前述の2つの強みを駆使して、与えられたデータ、プロンプトを元に、ざっくり70点前後のクオリティのアウトプットが高速に出せます。

人が、0 → 1 を生み出すのにはものすごいエネルギーと時間を要しますので、AI はここを凌駕してきているのかなと思います。

AI の弱み

• 境界条件や例外ケースに弱い
• 生成物の結果に責任を取れない
• データ、プロンプト依存が大きい

境界条件や例外ケースに弱い

細かい条件分岐や例外ケースを考慮してのアウトプットが苦手な傾向にあります。

人であれば、文脈や背景、ドメイン知識、経験を踏まえて適切に対応できますが、ここは正確に細かく指示出しをしてあげないと抜け漏れが発生します。

それでいて、あたかも完璧なように、振る舞ってくる、かつ、アンカリング効果によって、境界条件や例外ケースを見過ごしたまま、成果物を完成させてしまう懸念があります。

参考: アンカリング効果とは？意味や活用シーンをわかりやすく解説

生成物の結果に責任を取れない

当たり前ですが、人が作ろうがAIが作ろうが、最終成果物の責任は、企業や個人が負います。

AI に「不具合の責任を取れ！」といった所で、プロンプト上で「申し訳ありませんでした。以後このようなことは....（ごにょごにょ）」という文字列が返ってくるだけですからね。。

データ、プロンプト依存が大きい

AI はよく「増幅器」と言われることが多いです。

この通りで、インプットするデータの量・質、プロンプトによる指示出しの質に依存します。

つまり、こちら側から良いインプットをしなければ、出てくる成果物も微妙になってしまうということですね。

あくまで人が与えるものの質ありき、ということかと思います。

AI との向き合い方

一言でまとめると、
・AI の強みは最大限活用して、弱みの部分は、人間の強みを強化して補完するのが良い
と考えます。

AI を最大限活用

AI の強みを活用し、下記を主に対応できると良いかなと思います。

• 大量の情報の整理
• パターンで対応できる業務（手作業だと時間かかるもの）
• 設計書や実装などの叩き台作成

大量の情報の整理

大量の情報整理は、AI の得意領域です。
人が行うとエネルギーも時間も大量に使ってしまうので、AI に任せてしまうのが良さそうです。

与えるデータの質やプロンプトを正確に行いながら、その上で、過不足をチェックし合いながら共創することで良い成果物を出せるかなと思います。

パターンで対応できる業務（手作業だと時間かかるもの）

パターン化された業務や作業は、AI は得意です。

ルールや例外、誤作動を防ぐプロンプトで制御しつつ、AI に任せてしまうのが良いかと思います。

設計書や実装などの叩き台作成

AIは、ざっくりと70点のクオリティを高速で出すのが得意です。

なので、初期段階の設計書や実装の叩き台をお願いするのがいいかなと思います。

その上で、必要に応じてプロンプトで細かな指示出しをしたり、自身で思考・作業を行うことで、70点→ 100点を目指すのが良いかなと思います。

AI に勝る能力開発

AI を活用しつつ、人間として、どう立ち回るかについては、主に下記かなと考えます。

• 生身の良質な情報を蓄積していく
• セキュリティ、コンプライアンス/法律、倫理観を向上させる
• 技術的なアップデート情報のキャッチアップ（これまで通り）

生身の良質な情報を蓄積していく（一番重要）

AIに依頼するにも、自らが作業をするにも、大元のオリジンである「わたし」に、良質なインプットを蓄えるのが重要だと考えています。

物事の良し悪しや生身で感じる感情や感覚、パターン化できない複雑で曖昧なもの、インターネットには出回っていないような1次情報などなど。

こういったものが、AIには補完できない部分かなと思います。

良し悪しですが、あえて人間としての至らなさや揺らぎがかえって良い成果物や味のあるもの、人間の心に響くものが作れるのではないのかなと思っています。

セキュリティ、コンプライアンス/法律、倫理観を向上させる

AIの弱みでも書きましたが、AIは、責任を取れません。

一方で、アウトプットの数は増えるし、作業過程の一部をAIに任せてしまうことによるリスクは増えます。

さらに、悪意のある人が、AI を使った脆弱性をついてくるリスクも高まります。
（既に、Claude Mythos（クロード・ミュトス）は、世の中の大量の脆弱性を発見できるようです）

それでも、最終的には、人が責任を取ります。

なので、これまでよりも、さらに、セキュリティやコンプライアンス・法律・倫理観の向上が必要になります。

ここは、技術者としても技術力アップと併せて必須のスキルとして、知識/経験を深めていきたいですね。

技術的なアップデート情報のキャッチアップ（これまで通り）

AI で出された成果物を最終確認する人として、アウトプットが正しいのか、パフォーマンスや保守性を考えて最適なのか、を判断するために、技術的なアップデートは必要です。

エンジニアには当たり前かもしれませんが、引き続き、いや、これまで以上にアップデートの質を高めていくべきだと考えます。

まとめ

AI および、AIエージェントの発達で、アプリケーション開発の効率が劇的に上がっているのは嬉しい反面、セキュリティリスクや人間としての立ち回りについての課題が生まれてきていると感じています。

とはいえ、悲観しているだけでは何も現状は変わらないので、想像力を働かせ続け、AIの力は借りつつも、人たる能力を高め続けて、AI と共存して良いものを生み出し続けていきたいと思います。

今回は、あくまでサッと思い浮かんだことをまとめてみましたが、もっと広く深く考え続けられるテーマかなと思いますので、日々考え、行動を止めずにいきたいですね。