AIに任せるほど、深く残すべき技術は何か
金曜夕方、AIの答えを抱えたまま固まる
「たぶん動く。でも、説明できない。これ、いちばん嫌なやつだ…」
金曜の夕方、レビュー依頼を返そうとしている時。AIに聞いたら、実装方針もコード例もすぐ出てきた。型も通った。画面も動いた。
ここまでは気分がいい。正直、ちょっと勝った気にもなる。
ところが、レビューコメントが返ってくる。
「この権限チェック、別ロールでも問題ない？」
うっ。来た。いちばん聞かれたくないやつだ。
その瞬間、手が止まる。画面の前で、さっきまで頼もしかったAIの回答が、急にペラッとした紙みたいに見えてくる。たしかに動いた。でも、なぜ大丈夫なのか。どこまで確認したのか。公式仕様なのか、AIの推測なのか、自分の案件条件なのか。頭の中で、きれいに分かれていない。
この時に出てくる感情は、たぶん焦りだけじゃない。ちょっと恥ずかしいし、少し怖いし、「え、これ誰が説明するの？ 自分か…」と胸の奥がざわざわする。AIに助けてもらったはずなのに、最後の一歩で自分だけ置いていかれる感じがある😅
でも、ここで自分を責めすぎなくていい。問題は「AIを使ったこと」じゃない。AIから受け取った答えを、自分の判断材料に変える前に、そのまま提出しそうになったこと だ。
Stack Overflow の 2025 Developer Survey では、回答者の84%が開発プロセスでAIツールを使っている、または近く使う予定だとされている。一方で、「ほぼ正しいが完全ではない解決策」への不満は66%、AI生成コードのデバッグに時間がかかることは45.2%で挙がっている。
つまり、AIを使うこと自体はもう珍しくない。差が出るのは、その後だ。AIが出した答えを見て、「ほうほう、なるほど」とうなずくだけで終わるのか。「待って、この条件だけは自分で見よう」と一回立ち止まれるのか。ここで、学習の価値がかなり変わる。
この記事では、「全部を自力で覚えよう」という根性論はやらない。しんどいので。AIに任せる範囲が増えた今、どの技術だけは深く残すと現場で助かるのかを整理する。
便利なはずなのに、なぜ不安が増えるのか
AIで学習はかなり楽になった。知らない言葉、比較候補、サンプルコード。昔なら検索タブが20個くらい開いて、「あれ、最初に何を調べてたんだっけ？」となっていたところを、一気に入口まで連れてきてくれる。
でも、入口が増えると、別の困りごとも出る。学べそうなものが多すぎるのだ。フレームワーク、認証、DB、テスト、自動化、AIエージェント、セキュリティ。AIに聞けば全部それっぽく始められるので、全部を追わないといけない気がしてくる。これは普通にしんどい。
この状態で情報を浴び続けると、分かった気がするものだけが増えて、現場で聞かれた瞬間に弱くなる。買い物かごに食材はたくさんあるのに、夕飯が決まっていない感じだ。「で、結局なに作るんだっけ？」みたいなやつ🫠
AIは優秀だけど、たまに堂々と近道を間違える
ただ、AIはときどき、ものすごく落ち着いた顔で危うい近道を提案する。「この設定で大丈夫」と言いながら、実は前提が違う。一般論としては合っているけれど、自分の案件では危ない。しかも口調が落ち着いているので、こちらも一瞬信じたくなる。「そんな自信満々に言うなら、そうなのかな」と思ってしまう。
ここが怖いところだ。最後の採用判断まで任せると、あとで自分が説明する番になる。金曜夕方のレビューで聞かれるのは、「AIは何と言っていた？」ではない。「あなたは、なぜこれで大丈夫だと判断した？」だ。
だから、入口はAIに任せていい。むしろ任せた方が速い場面は多い。ただし、採用する理由だけは、自分の言葉で持っておく必要がある。 ここを渡すと、レビューでちょっと詰む。
「全部学ぶ」は、だいたい途中で息切れする
焦っている時ほど、「次は何を学ぶべきか」を技術名で考えがちだ。React、SvelteKit、Next.js、認証、DB、AIエージェント、テスト自動化。どれも大事そうに見える。実際かなり大事だ。困る。全部大事顔をして並んでくる。
でも、技術名だけで学習対象を選ぶと、終わりが見えない。認証だけでも、セッション、トークン期限、権限チェック、CSRF、監査ログ、パスワードリセットまである。全部を同じ深さで追うと、学習計画というより修行になる。いや、ありがたい修行ではあるけど、毎日やるには重い。
金曜夕方のレビューに戻るなら、その時に必要だったのは「認証を全部知ること」ではない。別ロールで同じ操作ができないか、期限切れの時にどう落ちるか、管理者権限の分岐がテストされているか。その場で判断するための深さだ。
DORA の 2025 report では、AIは組織の強みと弱みを増幅するものとして整理されている。個人の学習でも同じで、判断軸がある人が使うほど、調査と検証の速度が上がる。
深く残す技術は、4つに分けると急に見える
「深く学ぶ」と言うと、急に重く聞こえる。分厚い本を最初から最後まで読むとか、低レイヤーを全部理解するとか。そういう話に聞こえた瞬間、そっとブラウザを閉じたくなる人もいると思う。分かる。
でも、ここで言う深さは、博士になることではない。現場で聞かれた時に、立ち止まって確認できる深さだ。特に残したいのは、次の4つ。
1. 公式仕様に戻れる深さ
まず残したいのは、公式仕様や一次情報に戻れる力だ。AIの説明は入口として便利だが、根拠にするなら、公式ドキュメント、リリースノート、セキュリティ勧告、利用規約に戻れる必要がある。
ここで大事なのは、全部を暗記することではない。どこを見ればよいかを知っていることだ。フレームワークの挙動なら公式ドキュメント。API制限なら提供元の仕様。セキュリティならOWASPやNISTの整理。
「AIがそう言ってた」だけだと、やっぱり弱い。AIの回答をそのまま根拠にしないための戻り先を持つ、ということだ。
レビューでこう言えると、空気が変わる。
AIの回答ではこう出ている。ただ、採用前に公式ドキュメントのこの条件だけ確認する。
完璧に暗記していなくても大丈夫。深さは、すべてを覚えることではなく、根拠へ戻れる道を持つこと だ。迷子になった時に地図へ戻れる。これだけで、かなり安心できる🧭
2. 手元で小さく再現できる深さ
次に残したいのは、手元で再現できる力だ。AIの説明を読んで分かった気になることはある。でも、実際に小さなコードを書いて動かすと、「あ、そこはそうなるのね」と急に現実が見える。読むだけだとふわっとしていたものが、手を動かすと急に輪郭を持つ。
たとえば、AIが「この設定でキャッシュできる」と言ったとする。そこで本番コードに入れる前に、小さなサンプルで期限切れ、再取得、権限違い、エラー時の挙動を見る。5分で終わることもあれば、30分かかることもある。でも、この再現があるとレビューで強くなる。「そこ、手元で見た」と言えるのは、かなり心強い🔍
手元再現は、見積りや説明にも効く。「AIがそう言ったから」ではなく、「この条件では動くことを確認した。ただし、このケースは未確認」と言えるようになる。
3. 境界条件を疑える深さ
3つ目は、境界条件を疑える力だ。AIは一般的な成功パターンを出すのが得意だ。一方で、現場で事故になりやすいのは、例外、権限、期限、失敗時、再実行、並行処理、個人情報、外部サービス停止のような境界だ。
ここは、文章で読むと地味だ。地味だけど、いざ事故ると一気に主役になる。さっきまで脇役だったのに、急にセンターに出てくる。正常系の画面がきれいに動いていても、別ロールで見えてはいけない情報が見えたらアウトだ。
OWASP Top 10 for LLM Applications 2025 では、機密情報の開示、不十分な出力検証、過剰な自動化などがリスクとして整理されている。NIST の AI RMF Generative AI Profile でも、出力検証やプライバシー、セキュリティを含む観点が扱われている。
この手の資料を読む目的は、専門家ぶることではない。AIが出した案を見た時に、「この入力を渡してよいのか」「この出力をそのまま採用してよいのか」「この権限で実行してよいのか」と止まれるようにすることだ。ちょっと面倒でも、ここで一回ブレーキを踏める人は強い。
4. 運用後の影響を想像できる深さ
最後に残したいのは、リリース後を想像できる力だ。実装中は、どうしても「動いた！」に目が向く。うれしいからね。でも仕事で価値になるのは、動いたあとに壊れにくいか、見つけやすいか、戻しやすいか、説明しやすいかだ。
たとえばAIが出したバッチ処理が動いたとしても、失敗時に再実行できるか、途中まで処理されたデータをどう見るか、通知が飛びすぎないか。ここまで考えられると、学習は案件の安全性につながる。
金曜夕方のレビューで本当に必要だったのは、きれいなコードだけではなかった。レビュー相手が聞いていたのは、「この機能を出したあと、変な権限漏れや運用事故が起きないか」だ。そこに答えられる技術を、深く残したい。
任せるところを増やすほど、残すところは絞る
ここまで読むと、「結局たくさん学ばないといけないのか」と感じるかもしれない。分かる。せっかくAIで楽になったと思ったのに、また宿題が増えたように見える。「話が違うぞ」と言いたくなるところだ。
でも、ここでやりたいのは逆だ。全部を抱えるのではなく、残すところを絞る。AIに任せやすいのは、入口を広げる作業だ。知らない言葉の説明、比較候補の洗い出し、サンプルコードの初稿、チェックリストのたたき台。ここは遠慮なく使えばいい。
一方で、自分に残したいのは採用判断だ。
- 公式情報では何と言っているか
- 手元でどの条件まで再現したか
- 境界条件で何が怖いか
- リリース後にどう監視、修正、説明するか
この4つを全部、毎回深掘りする必要はない。今日の仕事で1つだけ選べば十分だ。認証なら「権限違いの時にどう落ちるか」。DBなら「同時更新でどう壊れるか」。AI利用なら「顧客情報を入力しない運用にできるか」。その1つを深くすると、次の案件でも使える判断軸になる。
30分でできる、深く残す練習
明日からやるなら、重い学習計画より、30分の深掘りで十分だ。ノートをきれいに作るところから始めなくて大丈夫。そこに凝り始めると、だいたいノート職人になる。
まず、AIに聞いた回答を1つ選ぶ。次に、その回答の中で「本当にそうか？」と思う条件を1つだけ決める。公式ドキュメントを見て、最小コードで試して、分かったことを3行で残す。
たとえば、こんなメモだ。
- 公式ドキュメントでは、この設定はサーバー側だけで使う前提だった
- 手元では期限切れ時に再ログインへ戻ることを確認した
- ただし、別ロールの権限分岐はまだテストが必要
このメモ、見た目はかなり地味だ。SNSで映える感じもない。でも、レビューで「なぜそうしたのか」を聞かれた時には効く。派手な学習ログより、次の判断で使える3行の方が助けになることがある。
学習の成果は、読んだ量ではなく、次の判断で使える形に残っているかで見る。 ここを基準にすると、焦りが少し減る。
深く残す技術は、単価や役割にも返ってくる
この話は、勉強法だけで終わらない。AIで初稿が速く出せる人は増える。差がつくのは、その後に何を確認し、どう説明し、どこで止まれるかだ。
公式仕様に戻れる人、手元で再現できる人、境界条件を疑える人、運用後の影響を想像できる人は、レビュー、設計、顧客説明、見積りでも強くなる。
「AIで初稿を出しつつ、採用前に公式仕様、再現、境界条件、運用影響を確認する」と言える。これは、案件側から見てもかなり安心だ。派手さはないけれど、「この人に任せると変なところで転ばなさそうだな」と思ってもらいやすくなる。
最後に
AIに任せるほど、学ばなくてよくなるわけではない。ただし、全部を同じ深さで抱える必要もない。入口はAIに任せていい。その代わり、公式仕様、手元再現、境界条件、運用後を想像する力は、自分の中に少しずつ残していきたい。
金曜夕方のレビューで手が止まったなら、それは失敗ではない。次に深く残す場所が見えた、ということだ。今日のAI回答を1つだけ選んで、公式情報を見て、小さく試して、3行だけメモする。そこからで十分。ほんとに、まず3行でいい。
AI時代の学習は、全部を追う競争ではない。任せるところを増やしながら、判断に効く技術だけを深く残す。 その積み重ねが、次の案件で説明できる自信と、任される範囲の広がりにつながっていく✨
