AI 時代に"活躍できる" エンジニアとは？ / Definition of Good Engineer in AI era

2026年7月17日に開催された【技術経営研究会#1】AI 時代の「いま」各社で“活躍できている“エンジニアの定義とは (https://peatix.com/event/5056051) のセッション資料です。

Transcript

1. 日本CTO協会 主催 ・ 技術経営研究会 #1 SESSION · INPUT TALK AI 時代に"活躍できる" エンジニアとは？ AI ベンダーの主張と評価現場の実数から、自社の共通項を探す 泉水 翔吾 株式会社ハイヤールー 取締役CTO 2026.07.17
2. THE QUESTION あなたの組織で、いま活躍している エンジニアの共通項は何ですか？ この問いの答えは、各社の中にしかありません。 今日は、それを探すための素材を持ち込みます。
3. HOW THIS SESSION WORKS 議論の素材を2つ、お持ちしました 素材 ① AI ベンダーの主張 OpenAI / Anthropic / CoderPad が提唱する「これから求められ る力」 素材 ② 評価現場の実数 HireRoo 本番環境・総 83,048 試験のデータから見る、採用の現 場が実際に「何を測り始めたか」 持ち帰るもの 自社で活躍している人の共通項を探す、観察フレーム。
4. PRESENTER 泉水 翔吾 株式会社ハイヤールー 取締役CTO Shogo SENSUI サイバーエージェント メルカリ デジタル庁 ハウテレビジョン SIer での受託開発を経て、株式会社サイバーエージェントに入社。様々なプロダク ト開発の傍ら、立ち上げた横断組織で Web 技術の推進に従事。株式会社メルカリ に入社後は Web やアプリのフルリプレイスを牽引し、執行役員 VP としてメルペイ のエンジニアリング部門を管掌。 デジタル庁では行政のデジタル化に貢献し、株式会社ハウテレビジョンでは執行役 員プロダクト本部長として事業と組織の成長を主導。西日本旅客鉄道株式会社・三 井住友カード株式会社等の顧問として、事業や組織の幅広い課題解決を推進。 2025 年、株式会社ハイヤールーにジョイン。
5. 01 SECTION 01 · 前提 — 仕事のやり方が変わった 作ることは、 ボトルネックでなくなった
6. CODE IS CHEAP かつては専門職だった。今は、AI が書く BEFORE — AI以前 コードを書くのは、大変だった。 専門スキルを要する、希少な仕事。 AFTER — AI以後 デモ品質なら、容易に作れる。 AIがコードを生成する。 出典：DORA — State of AI-Assisted Software Development 2025
7. THE NUMBERS 9割が使い、8割が効果を実感 90%+ エンジニアがAIを利用 80%+ 生産性の向上を実感 +98% PR数（ほぼ倍増） 出典：DORA 2025
8. THE PLATEAU だが、生産性の"伸び"は頭打ち DORA 2025 +20% 前後で頭打ち 9割が使っても、生産性の伸びは限定的。多くがこの水準で止まる METR 2025 −19% 実測は"遅く" 開発者は「速くなった」と感じても、実測ではむしろ遅くなっていた つまり、速さ自体は差別化要因ではない。 出典：DORA 2025
9. THE PROCESS, REBORN 主戦場は、 「作って当てる」を速く回す力へ これまで — Learn to Ship（Agile・Lean・Scrum） アイデア → 入念に仮説検証 → MVP → 開発 → PMF ／ 作る前にムダを潰しきる これから — Ship to Learn（Code is Cheap） 作る → 当てる → 学ぶ ↺ 最低限の検証で本物を届け、行動から学ぶ このサイクルを誰より速く回した者が勝つ。作ることが安いからこそ、何度でも回せる。
10. 02 SECTION 02 · 素材① — AI ベンダーの主張 何が、 求められるのか 自社の活躍できる人を照らしながら
11. SAM ALTMAN · THE INTELLIGENCE AGE “ We will soon be able to work with AI that helps us accomplish much more than we ever could without it. That starts with the tool getting into the hands of as many people as possible. 私たちは間もなく、AI がなければ決して達成できなかったような、はるかに多くのことを成し遂げるのを助 けてくれるAIと協働できるようになる。それは、このツールをできるだけ多くの人々の手に届けることから 始まる。 出典：Sam Altman "The Intelligence Age" (2024)
12. OPENAI · INTRODUCING THE INTELLIGENCE AGE “ A signal of how AI can assist—not replace, but aid and enhance—a human-led creative effort. AIがどのように支援できるか——置き換えるのではなく、人間主導のクリエイティブな取り組みを助け、高め るものであること——を示すシグナル。 出典：OpenAI "Introducing the Intelligence Age" (2024)
13. INDUSTRIAL POLICY FOR THE INTELLIGENCE AGE “ Workers have deep knowledge about how work is actually performed and where AI can improve outcomes. They will be critical voices in understanding how AI can be used in workplaces. 仕事が実際にどう回り、AI をどこに導入すれば効果が出るかを一番よく知っているのは現場。 職場での AI 活用をどう進めるべきか、その答えを出す上で現場の声は極めて重要な役割を果たす。 出典："Industrial Policy for the Intelligence Age: Ideas to Keep People First"
14. THE PIVOT 論調は、はっきり転換した 「雇用がなくなる」 → 「個人を拡張する」 エンジニアは、必要だ。では — 彼らの言う「求められる力」の中身は？
15. AI-NATIVE — 3 LEVELS OF PROFICIENCY 前提は AI を"使い倒す"こと LEVEL 1 検索の置換 気の利いた検索として使う。 +10% LEVEL 2 ← 多くはここで頭打ち AI で補助 隣に座る AI 同僚。人が書き、AI が補完。 +30〜50% LEVEL 3 — AI-NATIVE AI 中心に設計 人が仕様を書き、AI に書かせ、検証する。 100%+ 出典：Sam Altman, via Fortune — "The 3 buckets of AI proficiency" (2026)
16. ANTHROPIC · AI FLUENCY AI活用の「質」を表す 4 つの D D1 · Delegation 人とAIの役割分担を決める。 D2 · Description 目的を簡潔に言語化し、AIを導く。 D3 · Discernment 出力の妥当性を、見抜く。 D4 · Diligence 利用と結果に、責任を持つ。 出典：Anthropic — AI Fluency (anthropic.com)
17. CODERPAD · 5 SKILLS OF THE FUTURE DEVELOPER 最も価値があるのは「出力を疑う力」 01 Strategic Use of AI 明確な意図で、AIを統制する。 02 Problem Framing 課題を、自力で分解する。 03 Explanation & Architecture トレードオフを、理解する。 04 Critical Evaluation & Edits 出力を疑い、修正する。★ 最重要 05 Problem Solving AIを、自然に統合する。 出典：CoderPad — 5 Skills of the Future Developer (2026)
18. THE CONVERGENCE 各社が指すのは同じ点 Anthropic 4D ＋ CoderPad 5 Skills → 統制する 明確な意図で、AI を操る 分解する 課題を、自力で構造化する 検証する 出力を疑い、責任を持つ これが彼らの言う"使い倒す質"。量ではない
19. THE CONSTANT 課題解決力は、普遍 コードを書く → 課題を、解決する
20. 03 SECTION 03 · 素材② — 評価現場の実数 評価する側は、 何を測り始めたか
21. TODAY'S DATA SOURCE 今日のデータ源 — 300社超・累計100万件の評価現場 300社+ 累計導入。採用の現場で、スキル評価を 支える。 100万件+ 累計の評価データ。実際の解き方＝"過 程"が蓄積されている。 AIと協働して 課題を解く力 それを、定量的に可視化する。
22. THE PROBLEM 従来の物差しでは、測れない 学歴・資格 "使い倒す質"とは、相関しな い。 コードの量 AIを使えば、誰でも増やせる。 アルゴリズム試験 "暗記"を測っても、協働は測れ ない。 職務経歴 過去の実績は、AI時代の力を保 証しない。 「作って当てる」 「AI を使い倒す」質は、履歴書に載らない。
23. WHY IT'S HARD 力は、成果物ではなく"過程"に宿る 見えるもの — 成果物 完成したコード AI が書けば、誰のものでも似てくる。差が出ない。 差が出るもの — 過程 どう問い、疑い、判断したか 統制・分解・検証。ここに、質がすべて表れる。 だからこそ、評価する側は試験の設計そのものを変え始めている。次が、その実数です。
24. THE DATA — HIREROO · BIGQUERY 分析 本番環境・総 83,048 試験の実数 総試験数 83,048 2022年11月〜2026年7月の発行試験。 AI許可率（2026年） 18.3% 2024年 5.8% から上昇。月次では最大約 40% に到達。 AI耐性あり試験割合（2026年6月） 19.6% AIを使われても評価が成り立つ形式。2025 年後半にゼロから立ち上がり。 出所：HireRoo の本番データ
25. THE TREND — 四半期推移 「AI を使わせて測る」が、 AI許可率 AI耐性ありの割合 3.4 4.6 7.3 7.7 15.6 8.9 9.5 22.8 32.1 26.8 11.2 24Q1 24Q2 24Q3 24Q4 25Q1 25Q2 25Q3 25Q4 26Q1 26Q2 単位：各四半期の総発行試験数に対する %。※2026年7月（Q3）は単一顧客の一括発行が94%を占める外れ値のため、2026年6月までの完全月で判断。
26. THE READING — 3つの発見 評価は、 「AIを使わせて測る」へ動いている 01 AIの許可が、定着期へ。 2024年に登場し、2026年は月次で最大約40%。AI利用前提の試験運用 が主流化しつつある。 02 AI耐性ありが、立ち上がり局面。 2025年後半からゼロで拡大し、2026年6月で約20%。新規カテゴリと して伸長中。 03 母数は、なお従来形式が支配的。 当面の主軸は「従来形式 × AI許可設定」の組み合わせ。移行は始まっ たばかり。 見極める側が動き始めた、ということは——活躍者の差も、AIとの協働の質に現れ始めている。
27. 04 SECTION 04 · 突き合わせ 素材を、 自社に当てる
28. A HYPOTHESIS 2つの素材が指す先を、一つの仮説として畳むなら — AI 協働力が、高い人。 ▪ コードへのこだわりより、顧客の課題解決にこだわれる ▪ AI に冗長な仕事を任せ、人にしか出せない価値に集中できる ▪ 「作って当てる」を、誰より速く回せる — ただし、これは答えではなく観察の出発点。皆さんの組織で、確かめてください。
29. THE FRAME — 持ち帰る観察フレーム 活躍している人の"過程"を、3つの軸で観察する 統制 意図をもって AI を操れているか。 分解 課題を自力で構造化できているか。 検証 出力を疑い、責任を持てているか。 フレームの裏付け 素材① ベンダー各社の枠組み＋ 素材② 評価現場の実数 HireRoo も、この軸で"過程"の可視化に取り組んでいます。
30. TAKE-HOME QUESTIONS 自社に持ち帰る、3つの問い Q1 自社で活躍している人の共通項は、統制・分解・検証のどこに現れているか？ Q2 自社の評価・登用の物差しは、「AIを使わせて測る」に追いついているか？ Q3 その質を、どう見極め、育てるか？
31. ONE LAST THING その「質」は、測れる 私たちは AI と協働して課題を解く力の可視化に、 300 社超・累計 100 万件の現場で取り組んでいます。 — ご関心あれば、この後お話しましょう
32. 日本CTO協会 主催 ・ 技術経営研究会 #1 FIN. ご清聴、ありがとうございました 泉水 翔吾 株式会社ハイヤールー 取締役CTO