目次
ソフトウェアエンジニアは、コードを書くことよりも、取り組む問題を選び、開発の進め方を整え、成果に責任を持つことに重きが置かれる仕事に備えるべきだ。Mori Atsushiが2026年11月15日に公開したエッセイ「今、ソフトウェアエンジニアとして何を思うか」は、そう論じる一方で、そこに伴う喪失にも目を向けている。現実的な次の一歩は、自分が望んでいたキャリアとは似ても似つかないかもしれない。
要点#
- Opusが今や自分の能力を上回っているというMoriの評価は、個人的な判断であり、ソフトウェアエンジニアが誰でも代替可能だという証明ではない。
- AIを使う開発の仕組みには選択的に投資し、今、測定できる問題を解決する改善を優先する。
- レビューでの見逃しは、文脈や確認の不足を示す証拠と捉えつつ、重大な影響を伴う変更には明示的な承認を残す。
- キャリアの大きな決断を下す前に、小さなプロジェクトで新しい方向性を試す。
Moriの議論によって変わること#
Moriは、AIを高速だが信頼しきれないコーディング支援として見る段階から、エンジニアリング上の重要な判断を任せる段階への変化を述べている。Opusは、自分ならおそらく見逃す問題を見つけ、自分の案より優れていると思える設計を提案するという。AIは今も間違える。変わったのは、その総合的な能力に対する彼の評価だ。
この区別は重要だ。支援ツールは不完全であっても、仕事のどこに人間が注意を向けるべきかを変えうる。実装の生成や設計の比較にかかるコストが下がるなら、エンジニアは自分の時間がどこで最も価値を生むのかを考え直す必要がある。
このエッセイは、この経験がどこまで広く当てはまるかを明らかにはしていない。モデル、リポジトリ、開発チームを横断した、条件をそろえた比較もない。一人のエンジニアの期待の変化を真摯に記した文章として読み、その期待を自分の仕事に照らして確かめよう。
役に立つAI支援だけを整える#
Moriは、当面の責務として二つを挙げる。AIが効果的に働ける条件を整えることと、危険な変更を見つけることだ。具体例には、プロジェクトでの決定事項の記録、エージェントへの明確な実装指針の提供、検証のしやすさの向上がある。
彼が注意を促しているのは、投資の仕方だ。汎用的な開発支援機能は、いずれClaudeやCodexなどのツールに標準搭載されるかもしれない。それは予測であって、すでに時間の節約につながる改善を先送りする理由ではない。
まずは、次の四つから始めよう。
1. ビルド、テスト、フォーマットのコマンドを、継続的に更新する一つのプロジェクト文書にまとめる。 2. 互換性の保証やデータの取り扱い規則など、重要な制約の理由を記録する。 3. エージェントがアプリケーションを実行し、結果を確認できる再現可能な手順を用意する。 4. 自動化を増やす前に、レビュー時間と手戻りを2週間測定する。
適切に更新された少量の指針は、大規模な社内フレームワークより効果を評価しやすい。失敗の繰り返しから具体的な必要性が見えたら、拡充しよう。
レビューでの見逃しを改善につなげる#
AIが生成した変更で問題が起きたとき、「もっと注意深くレビューする」だけでは不十分だ。何があれば問題を検出できたのかを特定しよう。要件、再現可能なテスト、関連する文脈へのアクセス、あるいは、より明確な作業範囲かもしれない。
たとえば、変更によって互換性の保証が破られたなら、その保証を文書化し、可能な範囲でチェックを追加する。開発環境が不安定でエージェントが動作を検証できないなら、出力を何度も修正するより、その環境を直すほうが役立つかもしれない。
Moriは、AIがより適切な文脈と支援を得るにつれ、人間が変更を承認する役割は縮小すると予想している。ただし、このエッセイは、レビューでの見逃しがすべて環境の不備に起因すると証明しているわけではない。データを破壊する操作や権限の変更など、重大な影響を伴う変更には明示的な承認を残し、実際の結果に照らして自動化を評価しよう。
別の価値の生み方を試す#
Moriは、プロダクトへのより深い関与、AI開発基盤の仕事、そしてソフトウェア分野を離れることを検討している。個人でアプリケーションを公開することも、プロダクトに関する意思決定に責任を持つ一つの方法だ。
これらの選択肢には、それぞれ異なる試し方が必要になる。プロダクトの仕事なら、ユーザーの問題を一つ選び、開発前に測定可能な成果を定める。基盤の仕事なら、繰り返し生じる開発上のボトルネックを一つ改善し、その効果を測る。別の分野を考えているなら、転身を決める前に、実際の仕事内容や参入に必要な条件を調べられる。
成果物と振り返りの日を定め、4週間試してみよう。最後に二つ問う。その仕事は価値を生んだか。そして、続けたいと思うか。どちらの答えも長く続くキャリアを保証はしないが、自動化されにくそうだという理由だけで進路を選ぶより役に立つ。
喪失感と予測を切り分ける#
このエッセイで最も説得力があるのは、個人的な部分だ。Moriは、合理的な行動を挙げられる一方で、憧れていたキャリアが消えつつあると感じている。何をすべきか分かっても、その喪失感は消えない。
楽観も落胆も、雇用についての確信に変えてしまわないようにしよう。示された根拠からは、エンジニアの仕事がどれだけ残るのか、どの専門分野に需要が残るのか、現在の仕事の進め方がいつ変わるのかは分からない。
観察したことと予測することを分けよう。「AIはこの作業を、より少ない手戻りで完了した」は、検証できる観察だ。「自分の職業に未来はない」は、はるかに広い結論になる。繰り返し得られる根拠、経済的な制約、そして自分が責任を持ちたい仕事に基づいて、キャリアを決めよう。
次の一歩#
今週、完了した開発作業を一つ選び、AIが担当したこと、人間の介入が重要だった箇所、次の同種の作業で試す進め方の変更を一つ、1ページにまとめよう。
出典: https://note.com/at_sushi_at/n/n2e6ea3453e37
目次
