MicroArchitectures
H.Ueda
Programmer
ブログ
AIはエンジニアの「専門性」をどう変えていくのか:10年選手の視点から考える
今回は、the human in the loop という記事を読んで、エンジニアとしてのキャリアの柱がAIによってどのように変化しているのか、自分なりに整理してみました。
確かにドメイン知識も結構AIでカバーできるからなぁ。
これまで「エンジニアの価値」とされてきたドメイン知識やデバッグ能力が、LLM(大規模言語モデル)の進化によってどのように塗り替えられようとしているのか、実務者の視点で考えてみたいと思います。
崩れゆく第1の柱:ドメイン固有の知識
バックエンドエンジニアとして長く経験を積んでくると、特定の領域(ドメイン)における深い知識が大きな武器になります。たとえば、金融システムにおける「二重決済の防止」や「複式簿記の整合性」といった知識は、一朝一夕で身につくものではありません。
以前は、こうした「複雑な業務知識をコードに落とし込む力」こそが、経験豊富なエンジニアと若手エンジニアを分ける境界線だったかと思います。しかし、最近のLLMはこの境界線を軽々と越えつつあります。
実際に、設計ドキュメントの作成においてLLMを活用してみると、以下のような変化が起きています。
| 項目 | 以前のプロセス | AI導入後のプロセス |
|---|---|---|
| ドメインの理解 | 数年間の実務経験から「勘」を養う | 大量のドキュメントを学習したAIが要点を提示 |
| 設計の検討 | 過去の失敗経験からトレードオフを判断 | AIが複数のアーキテクチャ案とリスクを列挙 |
| ドキュメント作成 | 数日かけて技術スタックを整理 | 文脈(コンテキスト)を与え、数分でドラフト生成 |
かつては「点と点をつなぐ」作業、つまりビジネス要件を技術的な実装に変換する作業にこそ価値がありました。しかし、LLMが適切な誘導(プロンプト)によってその設計図を自ら描けるようになった今、その知識の希少価値は以前ほどではなくなっているのかもしれません。
崩れゆく第2の柱:デバッグと分散システム
もう一つの柱は、本番環境で発生する複雑なバグや、分散システム特有のレースコンディションを解決する「デバッグ能力」です。
「コードを書くのはAIでもできるが、動かない原因を突き止めるのは人間にしかできない」という考え方は、多くのエンジニアにとって精神的な支柱となってきました。しかし、Claude 4.5のような高度なモデルや、MCP(Model Context Protocol)による外部ツールとの連携が登場したことで、この「最後の砦」も揺らぎ始めています。
たとえば、システムにエラーが発生した際の対応フローは、以下のようなイメージに変わりつつあります。
flowchart TD
A[エラー発生] --> B{従来の手法}
B --> B1[エンジニアがログを検索]
B1 --> B2[スタックトレースを解析]
B2 --> B3[原因の仮説を立て修正]
A --> C{エージェント的手法}
C --> C1[Sentry MCP等がエラーを検知]
C1 --> C2[LLMがコンテキストを自動収集]
C2 --> C3[AIが修正パッチを提案/適用]
C3 --> D[エンジニアによる最終確認]
style D fill:#f9f,stroke:#333,stroke-width:2px
このように、エラー検知から原因の特定、そして修正案の提示までがシームレスに自動化されつつあります。エンジニアの役割は「自ら手を動かして原因を探る人」から、AIが提示した解決策が妥当かどうかを判断する「レビュアー」へとシフトしているように感じます。
「Human in the Loop」としてのこれからの役割
専門知識やデバッグといった「技術的な強み」がAIに代替されつつある中で、私たちはどのようにキャリアを築けばよいのでしょうか。
おそらく、これからのエンジニアに求められるのは、個別の実装スキルというよりも、「システム全体が正しい方向に進んでいるか」を管理する監督能力に近いものになるかと思います。
- 文脈の提供: AIにビジネスの背景や優先順位を正しく伝える
- 最終的な責任: AIが生成したコードや設計の妥当性を、実務上のリスクに照らして判断する
- 抽象度の高い調整: プロダクトマネージャーと技術的な可能性をすり合わせ、最適なゴールを設定する
いわゆる「Human in the Loop(人間がプロセスの中に介在すること)」という言葉の通り、AIという強力なエンジンのハンドルを握り、どこへ向かうかを決める役割がより重視されるのではないでしょうか。
今はまだ、AIの提案に間違いが含まれることもあります。しかし、その精度がさらに向上したとき、私たちは「自分にしかできない価値」をどこに見出すべきか、真剣に考え直す時期に来ているのかもしれません。
皆さんは、自分のキャリアの「柱」が変化していく今の状況を、どのように捉えているでしょうか。
参照記事
- the human in the loop
- Postmortem Automation: What’s Worth Automating and What Isn’t
- Training LLM, from Scratch, in Rust
- 21 OpenClaw Automations Nobody Talks About — Because the Obvious Ones Already Broke the Internet
- Claude Code /simplify Command: The Practical Guide to Automated Your Code Quality
- If You Don’t Know These 12 System Design Basics, You’re Not a Real Software Engineer