「AI活用」の前にある土台の話 ─ 採用現場で考えさせられたこと
採用現場で耳にする話
エンジニア採用に関わる人から、バイブコーダー寄りの応募は書類選考の段階でほとんど見送りになっている、という話を耳にすることが増えています。
具体的には、次のような状況です。
- 応募書類の多くに AI 活用の実績やアピールが書かれている
- 一方で、ソフトウェアエンジニアリングやコンピューターサイエンスの基礎力が見えにくい候補者が増えている
- いわゆる「バイブコーダー」寄りのプロフィールが多く、書類スクリーニングの負荷が上がっている
結果として、その層の応募はほぼ書類段階で見送りとなる、という話です。
「バイブコーダー」という言葉のニュアンス
「バイブコーダー（vibe coder）」は、AI に雰囲気で指示を出し、出力されたコードを雰囲気のまま受け入れて動かしている人、というニュアンスで使われることの多い言葉です。2025 年 2 月に投稿された "vibe coding" の SNS 投稿が語源とされています。
その投稿者自身も後に、本気で扱うコードについては「全部コンテキストに詰め込んで、丁寧に AI と対話する」リズムで書いていると別の投稿で補足しています。当初の "vibe coding" は、「気軽な遊び・PoC のための作り方」という限定的な使い方を指したものでした。
この働き方そのものを否定するわけではありません。個人開発の趣味プロジェクトや、PoC を素早く動かしたい場面では、バイブコーディング寄りのスタイルは合理的です。
ここで分けて考えたいのは、「AI を使いこなしているバイブコーダー」と「AI に使われているバイブコーダー」の違いです。本記事で問題にしているのは後者で、具体的には次のような状態を指しています。
- 出てきたコードがなぜ動いているのかを説明できない
- 動かないときの切り分けもできない
- 設計上のトレードオフを言語化できない
このような状態のまま「AI を駆使して爆速で開発できます」と採用市場に出ていく場合に問題となります。書類段階で見送られているのは、こうした「AI に使われる側」のバイブコーダーです。
採用で見られているものは大きく変わっていない
「これからは AI を使えるかどうかですべて決まる」「コードを書く力はもう要らない」という極端な発信も流れてきます。
しかし、現場で採用に関わっている人たちと話すと、見ているポイントは大きくは変わっていません。
ここ数年、次の観点は共通しています。
- 問題を分解して、構造として整理できるか
- データ構造とアルゴリズムを最低限おさえているか
- システム全体を俯瞰して、設計の意思決定ができるか
- コードや設計をレビューでき、他人のコードに責任を持てるか
- 自分の選択を、根拠を持って説明できるか
ここに「AI を当然のように使いこなせるか」が加わったのが現状です。AI 活用は 加点項目から前提条件へと格上げされた だけで、土台となるスキルセット自体が消えたわけではありません。
国内の採用担当者向け調査でも、生成 AI の出現後に「エンジニアに求めるスキルが変化した」と答えた割合は約 4 割にのぼります。内訳を見ると、「AI さえ使えれば OK」になったわけではなく、「AI を前提にしたうえで、構造化やヒューマンスキルがより重視されるようになっている」ことが分かります。
「AI を使える」だけでは差別化にならない
採用要件として AI 活用が必須になった一方で、AI を使うこと自体は誰にでもできるようになっています。
- AI ツールの導入コストは年々下がり、誰でも触れる環境が整っている
- プロンプトのテンプレートやベストプラクティスは Web 上に大量に流通している
- 「Claude Code を使っています」「Cursor で爆速です」と書ける応募者はほぼ全員に近い
その結果、AI を使えるかどうかは合否を分けるラインではなく、土俵に上がるための参加条件まで下がっています。採用側が次に見るのは、「AI を使ったうえで、その人にしか出せない判断・設計・ドメイン知識・検証力があるか」という差分です。
AI を使えるという事実そのものではなく、AI を使ったうえで何を残せるかで勝負が決まる構造になっています。差別化のポイントは、AI そのものから一段奥のレイヤーに移っているという理解が必要です。
AI 時代に「強いエンジニア」がさらに強くなる構造
採用で見られているのは、今も昔も「強いエンジニアかどうか」です。
その強いエンジニアが AI を相棒にすると、レバレッジが効きます。
- 仕様の曖昧さを自分で詰められるため、AI への指示が具体的になる
- 出力されたコードを読み解けるため、間違いやリスクに気付ける
- 設計を握れているため、AI に任せる範囲と自分で握る範囲を切り分けられる
- ドメイン知識があるため、生成された案を「採用するかどうか」を判断できる
逆に、土台のないまま AI に使われる形でバイブコーディングだけ進めると、書ける範囲は AI の生成精度に頭打ちされます。レビュー観点が育たないため、コードベースが大きくなったタイミングで詰まりやすく、事故が起きたときの原因切り分けもできません。
「AI を使えるエンジニア」と「AI に使われているエンジニア」の差は、AI そのものの性能が上がるほど開いていく構造になっています。
「AI に使われる側」に見える書類の共通点
書類スクリーニングで見送りになりがちなプロフィールには、次のような共通点があります。
- ポートフォリオの大半が「AI に作ってもらった」系で、設計判断や苦労が見えない
- 動くものはあるが、技術選定の理由が「AI に勧められたから」止まり
- 何を学んだか・何ができるようになったかではなく、ツールやプロンプトの話が中心
- セキュリティや運用、テストなど「本番で動かす視点」がほぼ語られていない
採用側が知りたいのは「応募者が何を考えて、何を判断し、何を作ったのか」であって、「隣にいる AI が何をしたのか」ではありません。ここが噛み合っていないと、書類段階で「この人を採っても、AI が単独で出せる以上の価値は乗らない」と判断されやすくなります。
「AI に使われている」と見られないためにできること
採用に関わっている人たちと話して効果がありそうな観点を以下にまとめます。
1. 土台を雑にしない
AI が書いてくれる時代であっても、
- データ構造とアルゴリズム
- ネットワーク・OS・データベースの基本
- 型システムとエラーハンドリングの考え方
- テスト・CI/CD の基礎
このあたりを雑にしている人は、AI を使ってもどこかで詰まります。「AI が書いたコードをレビューできる人」になるためのコストとして、この領域は引き続き必要です。
2. 「AI を使った」だけで止めない
ポートフォリオやレジュメには、
- なぜその構成にしたのか
- AI が出してきた案のうち、何を採用して何を捨てたのか
- どこでハマって、どう解決したのか
を一緒に書くことで、印象が変わります。AI ではなく、自分の意思決定が見える ことが重要で、ここがないと「AI に使われる側のバイブコーダー」枠に入りやすくなります。
3. 「動く」だけでなく「壊れない」までやる
個人開発であっても、
- テストを書く
- エラー時の挙動を考える
- ログとモニタリングを入れる
- セキュリティ的に怪しい箇所を潰す
までやれば、「本番で動かしたことがある」という評価につながります。AI は動くコードを素早く出してくれますが、壊れない設計までは扱いません。ここを自分でやっている人は強く見えます。
4. AI 活用は「使い方」より「使い分け」で語る
「Claude Code を使っています」「Cursor で爆速です」だけでは、ほぼ全員が同じことを書いている状態であり、差別化になりません。
- どの作業を AI に任せて、どこを自分でやっているのか
- 任せたときに発生する失敗をどう検知しているのか
- 仕事のフロー全体を AI 前提でどう組み替えたのか
このあたりを言語化できると、「ツールを使えている人」から「ツールを設計できる人」へと見え方が変わります。
採用要件の変化を別の角度からも確認する
より広い文脈でも、同様の変化が観測されています。
- 採用基準が「プログラミング言語の経験」から「AI エージェントツールの使用経験」を含む形へ広がってきている
- 一方で、「課題を構造化し、AI を活用して価値を生み出せるか」を見極めるための仕組みづくりが採用側の課題になっている
- ヒューマンスキル（要件整理・コミュニケーション・意思決定）の重要度が、相対的に押し上げられてきている
表面上は「AI ツールが要件に入ってきた」という変化に見えますが、その裏では「結局それを使いこなせる土台があるか」を問われる方向に揺り戻しが起きている、と整理できます。
まとめ
冒頭で触れたとおり、「AI に使われている」側に見えるバイブコーダー寄りの応募が、書類選考の段階で見送られるケースが増えています。ここから読み取れるのは、次の 1 点です。
AI を使えるのは前提。そのうえで、土台のあるエンジニアかどうかを見ている。
「これからはコードを書けなくてもよい」という発信も増えていますが、採用の現場では、そう単純な話にはなっていません。土台のある人が AI を握ると強烈なレバレッジが効きます。一方で土台のない人が AI を握っても、書類段階で見送りとなるのが現状です。
AI を使えること自体は、もはや誰でも到達できる地点であり、そこから先の差分を作るのはエンジニアとしての土台です。派手な AI 活用アピールに引っ張られすぎず、土台を積み上げ続ける。それが AI 時代にも一番効く戦略です。
Discussion