AI時代を生き抜くエンジニアキャリアの築き方 2025.09.10 

2 JAESOON JEONG 󰏮 freee K.K. AI Driven Development ジョン・ジェスン 経歴 ○ 2013.10 ~ 2019.07 : 大韓民国陸軍中士（日本の2等陸曹相当・6 年） ○ 2022.02 : 大学卒業（Web Database専攻）(準学士) ○ 2022.04 ~ 2023.10 : 株式会社LIFULL（新卒採用） ■ 不動産アーカイブ ■ 住まいインデックス ■ Generative AI プロダクト開発室 ○ 2023.11 ~ : freee K.K. 入社（中途採用） ■ freee 会計債権 / 請求書 ■ freee 会計 DB 基盤 ■ AI Driven Development ○ 2025.04 ~ : 大学生（Computer science 専攻）(学士) 趣味：#Apple、#デスク、#AI、#LLM 

freeeは「スモールビジネスを、世界の主役に。」をミッションに掲げ、 統合型経営プラットフォームを開発・提供し、 だれもが自由に自然体で経営できる環境をつくっていきます。 起業やビジネスを育てていくことを、もっと魅力的で気軽な行為に。 個人事業や中小企業などのスモールビジネスに携わるすべての人が、 じぶんらしく自信をもって経営できるように。 大胆にスピード感をもってアイデアを具現化できるスモールビジネスは、 今までにない多様な価値観や生き方、 新しいイノベーションを生み出す起爆剤だと私たちは考えています。 スモールビジネスが大企業を刺激し、社会をさらにオモシロク、 世の中全体をより良くする流れを後押ししていきます。 Mission スモールビジネスを、世界の主役に。 

　 4 だれもが自由に経営できる 統合型経営プラットフォーム。 だれもが自由に自然体で経営できる環境をつくるために、「統合型経営プラットフォーム」を開発・提供します。 バックオフィス業務を統合することで、自動化と業務全体の効率化。さらに経営全体を可視化することで、 これまでにないスマートかつ最適なアクションまで実行できるプラットフォームへと進化させていきます。 また外部サービスとも連携したオープンプラットフォームとして、多様なビジネスニーズに対応。 ユーザーネットワークの中における相互取引の活性化も強化していきます。 プラットフォームの提供のみならず、スモールビジネスに携わる人の環境そのものを より良くしていく取り組みを行うことで、世の中の変化を促します。 Vision 

5 freeeのAIエージェントは、認証/認可やUIも含め、freee の各 SaaS プロダクトと完全統合。 プロンプトやAIエージェントの振る舞いを継続評価＆改善できる、本番品質のAIエージェント基盤。 あらゆる業務・業種で、freee 自ら質の高い顧客体験を素早く丁寧に磨き込んでいく。 freee AI プラットフォーム やるべきことが自動で 見たいデータを見たい粒度で やるべきことがひとつに 機能 AIエージェント 「freee AI(β)」 統合 flow Communication
 flow
 Work flow
 Data flow
 ※ 開発組織発 AI駆動経営 - AI×開発組織Summit｜2025年9月2日（火） 

6 毎日のように出てくる新しい AI/LLM 技術やツールの中で、 ● 自分自身はエンジニアとしてはどう向き合っていきたいのか ● キャリアを積む中でぶつかる壁を、どうやって乗り越えていきたいか 話すこと ● AI/LLM の技術やモデルの性能比較 ● 技術 A, B, C をどう使えばうまくいくかといった How to 話さないこと ※ ここで話すのはあくまで個人の考えであり、freee を代表する公式な意見ではない 

7 アジェンダ 01. エンジニアとしての挑戦 02. 開発現場での AI 駆動開発 03. AI 活用の方向性をどう描くのか 04. AI 駆動開発での挑戦 05. まとめ 

8 職業軍人 (職業軍人を志すきっかけとなった、人生初のプログラム開発に挑戦) 教育機関で訓練を受ける時 

9 大学生 (専攻授業を超えて、色々なチーム開発に挑戦) 

10 社会人 (Full-Stack Engineer として、幅広い技術領域に挑戦) 

11 AI/LLM 技術で拓く、エンジニアとしての新たな挑戦 

12 AI-Native 時代、エンジニアという道は 「最大の挑戦の場」となる 

13 アジェンダ 01. エンジニアとしての挑戦 02. 開発現場での AI 駆動開発 03. AI 活用の方向性をどう描くのか 04. AI 駆動開発での挑戦 05. まとめ 

14 開発現場での AI 駆動開発 AI Agent / Tool が誰でも安全に・効率よく利用できるように 対策状況 ● 社内 LLM 基盤上に独自の Proxy Server を構築（Input / Ouput が安全に管理可能） ● 社内 MCP Server 基盤を Binary file で Deploy 可能に（AI Agent の機能拡張を安全に実現） ● AI 特区で AI Agent / Tool の先行検証（リスク洗い出し & 多様なツール検証をスピーディに） ● 全社開放に向けた対策・ガイドライン整備（誰でも安心してツールを上手く活用できるように） ※ 参考記事 - AIエージェントCline、freeeはどうやって全社導入した？ - AI駆動開発へ。freee は開発環境をどう進化させているか？- 前編 Raw Output Raw Input Safe Input Safe Output Proxy PC Model Provider 

15 開発現場での AI 駆動開発 AI Agent / Tool の利用状況を可視化し、課題把握ができるように 対策状況 ● Proxy Server の Log を通して Observability を実現（把握できた課題を改善するためのサイクルを回す） 

16 開発現場での AI 駆動開発 AI Agent / Tool の多角的な活用を推進し、AI Literacy が高くなるように 対策状況 ● 社内 Slack / Confluence / 勉強会 / LT などによる知見共有 ● チームごとの強制 AI Day の実施（まずはみんなで集まって、気軽にワイワイ使ってみる ⇒ AI と仲良くなる） ● 熟練者との Mob Programming や Live coding 

17 開発現場での AI 駆動開発 AI Agent / Tool の活用は、主に生産性向上の文脈で語られている 最近話題の Keyword ● Context-Engineering ● 仕様駆動開発（Spec Driven Development） 実際の活用事例 ● PRごとのテスト生成を支援するJust in Time Testという仕組み ● Coding Agent へのタスク依頼を最適化する方法: Pull Request 作成 Workflow ● Devindabot: Devinで実現するライブラリの脆弱性自動対応システム ● 展開した脆弱性診断 with AIエージェント ● git worktree を活用して実装タスクを並列で行う ● Jira のチケット作成・タスク管理等を MCP Server を活用して自動化 ● …などなど 

18 開発現場での AI 駆動開発 AI Agent / Tool の活用は、主に生産性向上の文脈で語られている 最近話題の Keyword ● Context-Engineering ● 仕様駆動開発（Spec Driven Development） 実際の活用事例 ● PRごとのテスト生成を支援するJust in Time Testという仕組み ● Coding Agent へのタスク依頼を最適化する方法: Pull Request 作成 Workflow ● Devindabot: Devinで実現するライブラリの脆弱性自動対応システム ● 展開した脆弱性診断 with AIエージェント ● git worktree を活用して実装タスクを並列で行う ● Jira のチケット作成・タスク管理等を MCP Server を活用して自動化 ● …などなど 🤔 本当にそう言い切れるのか？ AI 駆動開発 == 生産性向上 

19 開発現場での AI 駆動開発 AI 駆動開発 == 生産性向上？ 必ずしもそうとは限らない エンジニアリングで AI を上手に活用するには、 一定の時間と努力、そしてノウハウが必要になる 

20 開発現場での AI 駆動開発 AI 駆動開発 ⇒ 生産性向上？ 必ずしもそうとは限らない エンジニアリングにおいて AI をうまく活用できるようになるには時間がかかる そして、「AI のおかげで生産性が上がった！」としても… ワクワクしますか？ 

21 開発現場での AI 駆動開発 AI 駆動開発 ⇒ 生産性向上？ 必ずしもそうとは限らない エンジニアリングにおいて AI をうまく活用できるようになるには時間がかかる 🤩 Engineering は解きたい問題に挑戦し、 自ら解決できるからこそ楽しい 

22 アジェンダ 01. エンジニアとしての挑戦 02. 開発現場での AI 駆動開発 03. AI 活用の方向性をどう描くのか 04. AI 駆動開発での挑戦 05. まとめ 

23 💡 Paradigm Shift AI 活用 == 新しい挑戦の機会 

24 AI 活用の方向性をどう描くのか ソフトウェア開発の構成要素 上流工程 ● 要求分析、機能・非機能要件の定義 ● アーキテクチャ・システム設計 下流工程 ● 実装 ● コードレビュー 運用工程 ● Deploy・Release ● Monitoring ● 保守・改善 

25 AI 活用の方向性をどう描くのか AI 活用が最も盛んな要素 上流工程 ● 要求分析、機能・非機能要件の定義 ● アーキテクチャ・システム設計 下流工程 ● 実装 ● コードレビュー 運用工程 ● Deploy・Release ● Monitoring ● 保守・改善 👈 ここ 

26 AI 活用の方向性をどう描くのか 実装・コードレビューで AI と挑戦 「未知の技術をまず動かしてみる」ハードルを下げる
 過去の設計・コードベースを解析し、改善点を洗い出す
 過去の大規模 OSS コードと自分のコードを並べて分析
 パフォーマンスボトルネックを体験的に学ぶ
 複数の実装案を比較し、「より良い解決策」を選ぶ
 言語・Library・Framework の基本的な使い方
 設計思想・アーキテクチャの理解
 可読性・保守性を意識した書き方
 セキュリティ・パフォーマンスへの配慮
 エラー発生時のトラブルシューティング
 🤓 従来の学び 😎 AI 活用で挑戦できること 

27 AI 活用の方向性をどう描くのか 実装・コードレビューで AI と挑戦 「未知の技術をまず動かしてみる」ハードルを下げる
 過去の設計・コードベースを解析し、改善点を洗い出す
 過去の大規模 OSS コードと自分のコードを並べて分析
 パフォーマンスボトルネックを体験的に学ぶ
 複数の実装案を比較し、「より良い解決策」を選ぶ
 言語・Library・Framework の基本的な使い方
 設計思想・アーキテクチャの理解
 可読性・保守性を意識した書き方
 セキュリティ・パフォーマンスへの配慮
 エラー発生時のトラブルシューティング
 従来の学び AI 活用で挑戦できること 今までみれなかった新しい領域への 今までできなかった難しい領域への 挑戦ができる 

28 アジェンダ 01. エンジニアとしての挑戦 02. 開発現場での AI 駆動開発 03. AI 活用の方向性をどう描くのか 04. AI 駆動開発での挑戦 05. まとめ 

29 AI 駆動開発での挑戦 AI 駆動開発チームはどう AI 活用しているのかの例 社内 MCP Server の開発 - Spec Driven Development via Claude Code ★ 参考記事 : Claude Code: Best practices for agentic coding a. Explore : AI と Application Spec を決めて、SPECs.md を作成する。 b. Plan : AI と実装計画を立てて、TASKS.md を作成する。 c. Code : AI が計画通り実装を進める。必要に応じては DOCS.md を更新する。 ■ Sub-Agent を並列で実行して、実装スピードやトークン使用率の効率化を狙う ■ Auto-approve を適切に活用しながらも、人間による確認が必要な箇所に気づけるよう、hooks で通知設定 ■ 実装 ~ 検証 ~ 挙動確認を繰り返し、実装完了後の Error 発生率を下げる d. Commit : AI が実装を完了するとコミットする。 ■ 実装できた内容を確認し、AI と一緒に Code Review を実施 ■ 修正が必要な場合にも、AI にお願いする e. Complete：問題がなければ、AI に依頼して PR を作成する。 󰱢 A ~ B 段階が終わると、C ~ E 段階ではほとんど Editor を操作せず、手作業も発生しない → 生まれた余裕の時間を活用し、どのような新しい挑戦に取り組むかを工夫 

30 新しい価値探索が可能になる ● 社内 Slack や Confluence をエゴサして、困っていることや機能要望がないかを確認 → 要求分析 ● Newsletter や技術ブログを確認し、AI 駆動開発に関する情報収集を実施 → 機能・非機能要件 ● 別のアプリケーションの開発に必要な Explore・Plan を行う → 設計 ● 他チームのエンジニアから依頼が来ていたコードレビューを行う → コードレビュー ● Datadog のログを確認しながら、頻繁に発生している Error がないかを確認 → Monitoring AI のおかげで作業の負荷が減っている ● 以前は挑戦できなかったはずのところこに時間投資ができる ● もっと時間を割して集中することができる 👍 新しい挑戦が可能となり、AI 活用以前には得られなかった知識や経験を得ることができる → このような循環を生み出す仕組みを工夫 (限界を超えられる) AI 駆動開発での挑戦 メインタスクの開発を AI が進めている間に 

31 アジェンダ 01. エンジニアとしての挑戦 02. 開発現場での AI 駆動開発 03. AI 活用の方向性をどう描くのか 04. AI 駆動開発での挑戦 05. まとめ 

32 AI 駆動開発によって得られる価値は、生産性向上にとどまらない。 余裕の時間を活かし、新たな挑戦を行い、知識を得て、 さらに AI を活用するという循環が生まれる AI-Native 時代、エンジニアの道は「最大の挑戦の場」となる まとめ 

スモールビジネスを、世界の主役に。