AI に仕事の 70% を奪われたので、残り 30% を極めにいきます
最近、AI と一緒に働く機会が急増し、仕事のやり方がガラッと変わったと実感しています。
今年は特に、「AI に仕事の 70%くらいは余裕で奪われる」という現実を、身をもって体験しました。コードを書くスピード、調査、下書き、リファクタ、ドキュメントの生成……AI はすでに多くの「作業」を高速にこなします。
この「70% / 30%」という考え方は、"AI に任せやすい作業領域（だいたい 7 割）"と"人間が担うべき価値の領域（だいたい 3 割）"をざっくりと分けて捉えるもので、全体像を掴むのに役立ちます。
「AI に 70%奪われた」と気づいた瞬間
ある日、AI にこんなお願いをしました。
この機能の初版コードを書いてほしい。
ついでにテストとドキュメントの骨子も。
気づけば数分後、Pull Request が完成していました。手元で Copilot が補助するレベルではなく、自動でタスクを丸ごとやってくれる形になっています。
- 調査：AI がやってくれる
- コーディング：AI がやってくれる
- ドキュメント初稿：AI がやってくれる
70%は余裕で消えます。これは悲観ではなく事実です。
でも、30%は確実に残っている —— しかも価値が高い
AI は"作業"が得意です。
逆にいうと、作業以外の 30%はむしろ価値が上がっています。
AI が苦手な領域＝人間の残り 30%
- ゴールを決める
- 制約条件を設計する
- 解決すべき問題を明確にする
- ビジネス観点で優先順位づけする
- ユーザーを理解する
- AI が出した案の良し悪しを判定する
AI は「どう作るか」は得意ですが、「何を作るか」を決めるのは人間です。
AI に任せるべき 70% の仕事 —— "書ける"から"任せる"へ
AI に任せてよい作業はすでに多いです。
任せて良いものの例
- 初期コード
- テスト生成
- ドキュメント下書き
- 既存コードの変換
- スキャフォールド作成
- API ドキュメントの要点整理
特に最近登場した自律型エージェントは、指示すれば別環境で作業を開始し、テストも実行し、PR まで作ってくれます。
残りの 30% を極めるためのスキルセット
AI に任せられる範囲が広がれば広がるほど、人間が担う 30%の重要度はむしろ増していきます。ここからは、その"人間にしかできない 30%"をどう極めていくかを整理していきます。
結論として、残り 30%とは 「AI を動かす側に回るスキル」 です。
🔥 ① 意図設計（Intent Design）
AI に任せるためには、まず「人間が何を求めているのか」を精密に言語化する必要があります。これは単に要求を書くことではなく、
- どんな背景でこの機能が必要なのか
- 何を満たせば完了なのか
- どんな失敗を避けたいのか
- どのレベルの品質を期待しているのか
といった文脈を含めた"意図"を構造化することです。
意図設計が弱いと、AI が作る成果物もブレます。逆に言えば、意図を高精度で設計できる人は、AI をまるでプロジェクトメンバーのように動かせます。これはエンジニアだけでなく、企画職・PM・デザイナーにも必要なスキルになりつつあります。
🔥 ② プロンプト設計力（Prompt Craft）
AI への指示＝新しい"設計言語"。
特に近年は、エンジニアにとってもプロンプト設計は必須スキルになりました。なぜなら、AI と共同で開発する際に、プロンプトによってコードの品質・設計の方向性・生成物の粒度までもが変わるからです。
「指示が曖昧なままコードを書かせると、曖昧なアウトプットが返ってくる」——これはすべての AI 活用に共通する真理であり、エンジニアはこれまでのコーディングスキルに加えて "要件を正確に言語化する力"がそのまま成果物の質に直結する時代 になりました。
技術者でなくても、明確な指示ができれば AI は最大の力を発揮しますが、エンジニアは特にシステムの意図・制約・構造を正確に伝える技術が求められます。
🔥 ③ 批判的レビュー（Critic）
AI が生成したものを「そのまま信用せず、意図に照らして評価する」力です。これがないと、AI が作ったコードや文章を丸呑みしてしまい、後から「なんか変だな…」という問題が必ず表面化します。
批判的レビューに含まれるのは、
- 想定外の挙動や落とし穴がないか
- 品質に影響する抜けがないか
- 要件やゴールに対して、アウトプットは本当に合っているか
- AI が勝手に話を"盛っていないか"
といった多角的なチェックです。
これは単に「ミスを探す」というより、AI を"指導する"立場としてのスキルです。人間のレビュー力が高いほど、AI の精度もどんどん上がっていきます。
🔥 ④ システム設計力（Architecture & Technical Foundation）
AI は局所的には正しくても、全体として破綻するコードを生成することがあります。そのため、人間には "システム全体を俯瞰し、長期的に耐えうる形へ導く力" が必要です。
たとえば、
- この機能はどこに配置するべきか
- 依存関係は適切か
- 長期運用を見据えたメンテナンス性はどうか
- 他チームや他システムと整合性が取れているか
といった観点が求められます。
さらに、この設計判断の前提として、 基礎技術力（Technical Foundation） も不可欠です。
- 言語仕様やランタイムの理解
- 設計原則やアーキテクチャパターンの知識
- フレームワークやライブラリの特性理解
- CS 基礎（データ構造、アルゴリズム、OS 基礎など）
これらを押さえていなければ、AI の提案内容を正しく評価したり、生成コードの安全性・品質・一貫性を判断することはできません。
AI がコードを書く世界になったからこそ、 「システム全体の整合性を設計する力」と「その判断を支える基礎技術力」 は、むしろ価値が上がっています。
🔥 ⑤ 最終判断力（Judgment）
AI がどれだけ優秀でも、最終的に責任を負うのは人間です。
- どの案を採用するのか
- このリスクを許容してよいか
- この仕様でユーザー体験は壊れないか
- いつリリースし、どこで線を引くか
これらはすべて"判断の領域"であり、AI は決定権を持ちません。
むしろ AI 時代には、人間の判断力こそがプロジェクトの質を左右します。判断力がある人は、AI の出力を最大化しつつ、プロダクトの方向性を大きく誤らない"舵取り役"になれます。
30%を極めるとどうなるか —— AI × 人間の"最強チーム"ができる
AI が優秀な"スーパー下請け"なら、人間はその"プロデューサー"です。
- AI がコードを量産
- 人間が意図を定義
- AI が作業
- 人間が統合・判断
この協働モデルに慣れると、体感としては以前の開発よりも"圧倒的な速度"で進むようになります。
非エンジニアでも同じです。AI に作業を任せ、人間は「意図」と「判断」に集中できます。
まとめ：70%を奪われたら、70%を徹底的に使う側へ回ろう
AI が奪うのは「作業」であって、「価値」ではありません。
- 70%は AI に任せていい
- 30%は人間の核心領域
- この 30%を極めればキャリアはむしろ強くなる
- 勝負は"意図と判断"
最後にもう一度。
AI に仕事の 70% を奪われたので、残り 30% を極めにいきます。
AI 時代の最強の武器は、このマインドセットです。
Discussion