Article

AI時代にWebエンジニアは不要になる?生き残るために必要な6つの能力

AI時代にWebエンジニアは不要になる?生き残るために必要な6つの能力
監修者
ライトのアイコン
情報系学部出身。新卒でコンサル系SaaS開発部門を経て、社内開発とSaaS開発を掛け持ち。GPT-3.5 Turbo時代から生成AIを活用しています。

AIがコードを書けるようになると、Webエンジニアは不要になるという見方があります。画面やAPIの実装、テストの下書きといった作業は、AIによって短時間で進められるようになりました。

それでも自分は、エンジニアという職業がなくなるとは考えていません。ただし、同じ能力のまま同じように評価され続けるとも限りません。AIの普及によって大きく変わるのは、職業の有無よりも、企業が求める能力の水準と、人を採用する理由だと考えています。

この記事では、IT人材不足と就職難がなぜ両立し得るのか、これから必要となる6つの能力、未経験からエンジニアを目指すならどう経験を積むべきかを扱います。

1. AI時代にWebエンジニアは本当に不要になるのか?

AIは実装の多くを支援できるようになりました。画面やAPIの作成、テストの下書き、コードの修正など、これまで人が時間をかけていた作業を短時間で進められる場面が増えています。

しかし、実際の開発はコードを書くだけでは終わりません。

「何を作るべきか」「なぜそれが必要か」「既存システムとどう整合させるか」「安全に公開できるか」。こうした問いは、AIに相談することはできても、事業や現場の状況を踏まえて判断し、結果に責任を持つ人が必要です。

画面やAPIの作成などはAIが支援し、何を作るかや安全な公開などの判断と責任は人が持つ図

ホワイトカラー全般でも同じ変化が起こると考えています。基礎的な作業をAIが担えるようになるほど、人に期待される仕事のボーダーが上がるのです。

2. AIで一人あたりの開発量が増えると、採用の前提はどう変わるのか?

第1章で見た仕事の中身の変化は、企業が人を採る理由にも影響します。

従来は、開発規模を大きくするために開発人員を増やすことが一般的でした。十分な経験者を採れなければ、未経験者や若手を採用し、育成しながらチームを大きくする合理性がありました。

一方、AIによって経験豊富なエンジニア一人あたりの実装量が増えるなら、開発量と人数を同じ割合で増やす必要はなくなります。

もちろん、開発が速くなった分だけ新しい事業や機能が生まれ、採用が増える可能性もあります。AIが直ちに雇用を減らすとは断定できません。

それでも、少なくとも「開発量を増やすために採用のボーダーを下げる」という従来の動機は弱まる可能性があります。実務経験を積む入口にいる未経験者が、その影響を受ける可能性があります。

3. IT人材不足なのに、仕事が見つからないエンジニアがいるのはなぜか?

一見矛盾する話ですが、人材不足と個々人の就職難は両立します。

IPAの『DX動向2025』によると、DXに取り組む日本企業の85.1%(2024年度、回答1,191社)がDXを推進する人材の量について不足を感じています。一方、dodaの2026年9月のデータでも、IT・通信エンジニア職の転職求人倍率は12.04倍と高水準です。

ただし、ここには重要な注意点があります。

  • 「DX推進人材」と「Webエンジニア」は同一の集団ではありません。
  • 求人倍率は転職サービスの登録者・求人に基づく指標であり、全求職者の採用確率を表しません。
  • 人材需要が強くても、求められる技術・経験・役割が一致しなければ採用には至りません。

経済産業省の2019年のIT人材需給試算では、IT需要を中位、生産性上昇率を0.7%、リスキル率を1.0%固定としたケースで、2030年に先端IT人材は約54.5万人不足する一方、従来型IT人材は約9.7万人余剰になると予測されていました。[3] これは生成AI普及以前の条件付き試算であり、現在の需給を直接表す数字ではありません。それでも、足りない人材と余り得る人材が同時に存在するという構造を考える手がかりになります。

自分は今後、本人が考える「自分はエンジニアとして十分な経験がある」という評価と、市場が求める能力の間の乖離が、より目立つようになると考えています。

例えば、指定された仕様を実装できる能力は引き続き必要です。しかし、そこだけで価値を示そうとすると、AIを活用して課題発見から設計・検証まで進めるエンジニアとの差が生まれます。

これは経験年数の長短だけの話ではありません。どの問題を、どこまで自分で解決できるかが問われるということです。

4. エンジニアの平均給与は上がるのか?

自分は、AIの普及で採用のボーダーが上がり、ボーダーの内側にいるエンジニアの給与は上がりやすくなると考えています。エンジニアの人材構成をピラミッドで捉えると、起こることは次の2つです。

採用のボーダーが上がり、下の安い求人がなくなって、内側の需要が高まるピラミッド図

1. 安い求人がなくなる: ボーダーの内側に入る人が減り、そもそも低い単価の求人が出にくくなります。

2. 内側の需要が高くなる: 残った範囲の人材に採用が集まり、給与を上げてでも採りたい企業が増えます。

結果として、平均給与は上がって見えます。ただし、入口が狭くなる分、ボーダーの外にいる人には厳しい変化です。

もちろん、利益を企業が抱え込む、開発単価が下がるといった逆の動きもあり得ます。どちらに転ぶかは、今後の動きを見て判断したいところです。

平均値だけでなく、中央値や経験年数別の動きも合わせて見ておくと、実態に近づけます。

5. AI時代のWebエンジニアに必要な6つの能力

6つの能力は、課題を見つけて決める流れと、形にして届ける流れに分けて捉えられます。セキュリティはその全工程を支える土台です。

情報収集から設計・スピードまでの5つの流れを、セキュリティが全工程で支える6つの能力の図

① 情報収集力:AIが知らない一次情報を取りに行く

AIは公開情報の検索や整理を得意とします。しかし、顧客が口にしていない不満、現場の暗黙のルール、社内の関係者が本当に重視することは、ドキュメントに存在しない場合があります。

顧客に直接会う。現場を見る。質問し、観察する。AIに入力される前の情報を自分で取りに行くことが、解決の出発点です。

② 整理力:曖昧な要望から課題を定義する

「使いやすくして」「効率化して」という要望を、そのまま実装に変えるのは危険です。誰が、何に、どれだけ困っているのか。制約は何か。何を優先するのか。

問題を言語化し、解くべき課題を選ぶ力が必要です。

③ アイデア力:既存のやり方以外の解決策を考える

既存の業務をそのままシステム化する必要はありません。業務自体をなくせないか、別の体験で目的を達成できないか。実装コストが下がるほど、何を作るかの価値が高まります。

④ 設計力:運用まで含めて最適な形を選ぶ

AIが設計案を生成しても、その案が現場に適するとは限りません。データ、認証・認可、障害対応、拡張性、コスト、既存システムとの整合性を見ながら、複数案を比較し判断する力が求められます。

⑤ スピード:完成までのリードタイムを縮める

AIでコード生成が速くなったとしても、要件が曖昧なまま作り直していては意味がありません。小さく作る、確認する、テストする、改善する。このサイクルを速く回せることが重要です。

評価すべきはコード生成速度ではなく、安全に価値を届けるまでの速度です。

⑥ セキュリティ:速さを安全性と両立させる

認証・認可、秘密情報、依存ライブラリ、入力値の検証、ログや権限設定。AIが生成したものにも弱点はあり得ます。AIエージェントにファイルや外部サービスの操作を任せる場合は、権限の最小化や実行範囲の制限も欠かせません。

セキュリティを最後の確認項目にせず、最初から設計・実装・運用の工程に組み込む必要があります。

6. AIがコードを書く時代にプログラミングを学ぶ意味はあるのか?

あります。むしろ基礎を知らなければ、AIの出力を評価できません。

HTTP、データベース、認証、ネットワーク、テスト、プログラミング言語の基本。これらは、AIが出したコードの意図を理解し、誤りを発見するための土台になります。

設計やアーキテクチャといった抽象的な話も、結局は具体的なコードの積み重ねの上にあります。そのため、次のような概念を実際のコードで説明できることが求められます。

設計やアーキテクチャが、デザインパターン、オブジェクト指向、変数・型・ポインタの上に積み重なり、AIのコードをコードレベルで検証する図
  • 変数と型: 値がどこに、どの形で保持され、どの操作が許されるのか。
  • オブジェクト指向: データと処理をまとめる単位をどう切り分け、どこまで責務を持たせるのか。
  • デザインパターン: 同じ問題に対して、どの構造で変更に強くするのか。
  • ポインタや参照: 同じデータを複数箇所から指したときに、何が共有され、何が壊れるのか。

AIは、これらを踏まえた案を出せます。しかし、その案が正しいかどうかを判断するには、コードレベルで動きを追える必要があります。

ただし、学習のゴールは変わります。自分でコードを書けるだけでなく、AIが作ったものを説明し、検証し、改善できることが大切です。

7. 未経験からエンジニアになるなら、何をすべきか?

自分がおすすめしたいのは、技術のわかる人にガードレールを設けてもらいながら、AIを使った個人開発で経験を積むことです。

AIを使えば、未経験者でも動くサービスを作れます。しかし、動いたことと、適切に設計されていること、安全に公開できることは別です。知識がないと、AIの誤りに気づくことさえ難しい場合があります。

そこで、学習の自由度は残しながら、失敗すると大きな被害につながる部分だけは経験者のレビューを受けます。

おすすめの進め方

次の6ステップのうち、ガードレールの確認と公開前の安全性確認は経験者のレビューを受け、それ以外は自分で試行錯誤します。

課題探しから改善までの6ステップのうち、3と5で経験者がレビューする個人開発の流れの図

1. 身近な課題を探す: 自分や知人が実際に困っていることを観察し、できれば直接話を聞く。

2. 最小の機能を決める: 誰の何を解決するのか、何を作らないのかを整理する。

3. 経験者にガードレールを確認してもらう: 扱ってよいデータ、公開範囲、認証・認可、利用規約、費用上限、危険な実装を事前に確認する。

4. AIを使って実装する: コードを生成させるだけでなく、仕組みを自分で説明できるようにする。

5. 安全性を確認して使ってもらう: 公開前チェックを受け、できる範囲でテストやログ監視を整える。

6. フィードバックを集め改善する: 使われなかった理由まで聞き、設計・実装を見直す。

ガードレールの具体例

領域自分で試すこと経験者に確認してもらうこと
課題発見ヒアリング・仮説整理課題の切り分け、聞き方
設計AIと構成案を比較認証・DB・運用構成の妥当性
実装機能開発・テスト重要部分のコードレビュー
セキュリティ基本対策を学び実施権限・機密情報・公開リスク
運用リリース・改善・障害対応の練習公開判断、停止・復旧手順

特に最初は、架空のデータを使う、外部公開しない、決済やセンシティブな個人情報を扱わない、といった制約から始めるとよいでしょう。外部公開するなら、レビューとテストを経てから段階的に広げるべきです。

重要なのは、経験者に答えを全部教えてもらうことではありません。危険な失敗を避けられる範囲を示してもらい、その内側で自分で試行錯誤することです。

ポートフォリオに必要なのは、機能数だけではありません。誰の課題を解いたか、なぜその設計を選んだか、何がうまくいかなかったか、安全性をどう確認したかまで語れる経験です。

まとめ:エンジニアの価値は「書けること」から「解決できること」へ

AI時代にWebエンジニアが不要になるとは考えていません。しかし、採用の基準や評価される能力は変わり得ます。

人材が不足していても、求められる能力に合わなければ採用されない。AIで実装が速くなるほど、課題発見、情報収集、整理、発想、設計、スピード、セキュリティの差が大きくなる。

未経験者にとって厳しい面はあります。それでも、AIを使って自分でサービスを作り、現実の課題に向き合える機会も増えています。

わかる人にガードレールを設けてもらいながら、自分で課題を見つけ、個人開発を通じて経験を積む。

これからエンジニアを目指す人にとって、それが一つの現実的な道になると思います。

参考資料

1. IPA「DX動向2025 - AI時代のデジタル人材育成」

2. doda「転職求人倍率レポート(データ)」

3. 経済産業省「IT人材需給に関する調査」(2019年)

※本記事の雇用・給与に関する将来見通しは筆者の仮説であり、上記データだけでAIとの因果関係が証明されたものではありません。2026年11月15日時点。

この記事は役に立ちましたか?

皆様のフィードバックが、より良いコンテンツ制作の励みになります。

最新記事