概要
- ソフトウェア開発 で最も難しいのは、 コードを書くこと ではなく ドメイン理解 であった。
- Agentic AI の登場により、 理解と実装の分離 が生じた。
- 正しさの判断 が新たなボトルネックとなり、 ドメイン知識 の価値が増大。
- 両方のスキル （技術＋ドメイン知識）を持つ人材が最も重要に。
- 今後は 業界や専門知識 の習得がエンジニアの差別化要素。
ソフトウェア開発における本当の難しさ
- ソフトウェア開発 の本質的な難しさは、 コード記述 ではなく ドメインの正確な理解。
- 例： 給与システム 開発では、 差押え や 税引前控除、 給与期間中のレート変更 などの複雑なルール把握が必要。
- 例： 交通アプリ では、 GTFSフィード の仕組みや、「 trip」と「 route」の違い、 バスの到着時刻 の曖昧さなどの理解が必要。
- コード はその理解の「転写」に過ぎず、 理解の獲得 こそがエンジニアの仕事の本質。
Agentic AIによる構造の変化
- Agentic AI は、 理解と実装 のリンクを切断。
- モデル構築 を経ずに ソフトウェア生成 が可能となり、従来の前提が崩壊。
- これにより、 「作れるか」 から 「正しいか判断できるか」 が新たな制約条件に。
誰がAIツールを使いこなせるか
- ドメインエキスパート （例：ロジスティクス担当者、医療コーダー、保険数理士）は、 ソフトウェア知識が浅くても、 出力の正誤判断 が即座に可能。
- 彼らは 現場経験 から「正しい出力」を知っている。
- AIエージェント がコード生成を補完し、ドメイン知識が最大限に活きる。
- 優秀な一般エンジニア は、 ドメイン知識が乏しい場合、 正しさの検証 が困難。
- コードやテストは書けても、 業務的な誤り を見抜けない。
- 「正解のオラクル」 を持たないため、出力の妥当性を保証できない。
キャリアパスの変化
- 従来 は、エンジニアが ドメイン知識を獲得 することでキャリアアップが可能だった。
- ドメインエキスパート が ソフトウェア開発技術 を身につけるのは困難だった。
- Agentic AI の普及で、 エンジニアの強み（モデル→実装） が希少価値を失い、 ドメイン知識 の重要性が相対的に上昇。
今後価値が高まる人材像
- 両方のスキル （堅牢なコード実装＋深いドメイン知識）を備えた人材が最も価値を持つ。
- 例：「 運転手は11時間を超えてはいけない」などの 業務ルール を理解し、 テストコード として正しく表現できる。
- AIがコード生成、人間が 二重の審査（実装・業務正しさ） を行う構造。
- エンジニアとしての差別化 には、 業界・制度・物理プロセスなどの深い理解 が必要。
- AIには学習できない暗黙知 （例：1,000件の給与計算の現場経験）が希少価値。
これからのエンジニアへの提言
- 機械的な実装力 は 価値が低下。
- 深いドメインモデルの習得 が最大の資産。
- 特定業界・制度・現場プロセス を、かつてプログラミング言語やフレームワークを学んだように 徹底的に学ぶこと が鍵。
- AIにはできない部分 を自分の強みにすることが、これからのキャリア戦略。