【警告！】ジュニアエンジニアの危機｜AIコーディングが破壊する見習い制度と生き抜くための5つの成長戦略
はじめに
2024年から2025年にかけて、テック業界で不穏な変化が起きています。
AIコーディングツールの急速な普及に伴い、ジュニアエンジニアの採用が急減しているというのです。
SignalFire社の2025年5月のレポートによると、時価総額上位15社のBig Techにおけるエントリーレベル採用は、2023年から2024年にかけて25%減少しました。
新卒が全採用に占める割合はわずか7%にまで低下しています。1
スタンフォード大学デジタル経済研究所のErik Brynjolfssonらによるワーキングペーパーでは、ADPの2,500万人以上の給与データを分析した結果、22〜25歳のソフトウェア開発者の雇用は2022年後半のピークから約20%減少したことが明らかになりました。
一方で、35〜49歳の経験者層の雇用は9%超増加しており、明確な二極化が進んでいます。2
この現象は何を意味するのか。
そして、これからエンジニアを目指す人、あるいは駆け出しのジュニアエンジニアはどうすればいいのか。
本記事では、最新の研究データと専門家の見解をもとに、その答えを探っていきます。
目次
「消えゆく中間層」とは何か
Androidエンジニアとして著名なChris Banes氏（現The Trade Desk Senior Staff Software Engineer）は、2025年12月のブログ記事で「The Disappearing Middle（消えゆく中間層）」という問題を提起しました。3
従来、ソフトウェアエンジニアのキャリアパスは明確でした。
ジュニアエンジニアはデバッグ、テストコードの作成、ボイラープレートコードの実装といった「下流工程」の業務を通じて実務経験を積む。
その過程で「なぜこのコードが動くのか」「なぜこのパターンが使われるのか」を体得し、徐々にシニアへと成長していく。
いわば、ソフトウェア開発における「見習い制度」がありました。
しかし、AIコーディングツールがこれらの業務を代替できるようになった今、この構造が崩れ始めています。
Banes氏はこう警告しています。
※以下訳
もしジュニアエンジニアが「バイブコーディング」（実装をブラックボックスとして扱う）をし、シニアエンジニアが「並列化」（同じ実装作業をAIに委任する）をしているなら、私たちは本質的に見習い制度のはしごそのものを自動化してしまったことになる。
つまり、ジュニアが成長するために必要な「経験を積む機会」が消失しつつあります。
生産性パラドックス——シニアとジュニアで異なるAI効果
AIツールの恩恵は、すべてのエンジニアに平等ではありません。
Jellyfish社の2025年2月のブログ記事によると、Copilotダッシュボードデータの分析の結果、シニア開発者はCopilot使用時にコード作成速度が22%向上したのに対し、ジュニア開発者はわずか4%の向上に留まりました。4
さらに興味深いのは、METR社の2025年7月の研究です。
16人の経験豊富なオープンソース開発者が246の実世界タスクを完了する際、AIを使用した開発者は「20%速くなった」と自己評価しましたが、実測では19%遅くなっています。5
ただし、この研究には重要な条件があります。
対象は「大規模で成熟したコードベース」での作業であり、「経験豊富な開発者」に限定されています。
METR自身も一般化への注意を喚起しており、プロトタイピングや新規プロジェクトでは異なる結果が出る可能性があります。
それでも、この研究が示唆する「生産性向上の錯覚」は見逃せません。
AIツールは「速くなった気がする」という感覚を生み出すが、実際のアウトプットは必ずしも向上していない可能性があります。
皮肉なことに、AIを最も効果的に使えるのは「AIを必要としない人」です。
経験豊富な開発者はAIの出力を適切に評価・修正できるため効果を最大化できますが、この能力は基礎を習得して初めて得られます。
ジュニアにとっては、まさにキャッチ22（どちらに転んでも不利な状況）です。
AI生成コードの品質問題——見過ごせないリスク
「AIが書いたコードをそのまま使えばいい」という考えは危険です。
複数の独立した研究が、AI生成コードの品質・セキュリティ問題を一貫して指摘しています。
スタンフォード大学の研究
Neil Perry氏らによる研究「Do Users Write More Insecure Code with AI Assistants?」（2022年11月arXiv公開、2023年ACM CCS発表）では、AIアシスタントを使用した参加者は有意により安全性の低いコードを作成し、さらに自分のコードが安全だと信じる傾向が強いことがわかりました。6
Veracode社の調査
2025年7月のGenAIコードセキュリティレポートでは、80種類のコーディングタスクを100以上のLLMでテストした結果、AI生成コードの45%にセキュリティ脆弱性（OWASP Top 10）が含まれていました。
特にJavaでは72%が脆弱性テストに失敗しています。7
CodeRabbit社の分析
2025年12月のレポート「State of AI vs Human Code Generation」では、470件の実際のGitHubプルリクエストを分析。
AI生成PRは平均1.7倍多くの問題を含み（10.83件 vs 6.45件）、ロジック・正確性の問題は1.75倍（75%多く）発生していました。8
GitClear社のコード品質調査
2025年版レポート（2億1,100万行のコード変更を分析）によると、「コードチャーン」（2週間以内に修正または取り消されるコード）は2020年の3.1%から2024年には5.7%へと1.84倍（約84%）増加しました。
リファクタリング率は24.1%から9.5%へと60%減少しました。9
Chris Banes氏はこれらの研究を踏まえ、こう結論づけています。
※以下訳
私にとっての教訓は、AIが「コーディングが下手」ということではなく、AIは「自分が間違っているときにそれを知る」ことが体系的に苦手だということだ。この弱点は、人間が実装ループから外れ、出力の受動的な消費者としてのみ位置づけられるワークフローで最も危険になる。
セキュリティとその対策についての記事
私たちも以前、「【開発者必見！】危険！バイブコーディングの落とし穴――AI生成コードに潜む12のセキュリティリスクと対策とは」という記事を掲載しました。
よければこちらもご確認ください。
業界リーダーたちの警鐘
この状況に対し、業界のリーダーたちも声を上げ始めています。
AWS CEO Matt Garmanの発言
Matt Garman氏は、ジュニア開発者をAIで置き換えるという発想を「聞いた中で最も愚かなアイデアの一つ（one of the dumbest things I’ve ever heard）」と一刀両断しました。10
Garman氏は3つの理由を挙げています。
※以下訳
第一に、ジュニア開発者は実はAIツールに最も精通している（2025 Stack Overflow Developer Surveyによると、経験1〜5年の開発者（Early Career Devs）の55.5%が毎日AIツールを使用）。
第二に、最も低コストの従業員である。
第三に、将来のシニアエンジニアを生み出すパイプラインである。
「大学から若者を採用し、ソフトウェアを構築し問題を分解する正しい方法を教え続けるべきだ」と彼は強調しています。
Charity Majors（Honeycomb CTO）の警告
Honeycomb社CTOのCharity Majors氏は、自身のブログ記事でこう述べています。11
※以下訳
コードを書くことはソフトウェアエンジニアリングで最も簡単な部分であり、日々さらに簡単になっている。難しいのはそのコードを運用し、理解し、拡張し、ライフサイクル全体を通じて管理することだ。
ジュニアエンジニアを採用・育成しないことで、私たちは自分たちの未来を食いつぶしている。
教育・メンタリングはどう変わるべきか
大学教育の変革
UC San DiegoのLeo Porter Teaching Professorは2023年秋から、入門プログラミング講義を全面改訂しました。
初日にCopilotがコードを書く様子を見せた直後、AIがミスを犯すデモを行い「これらのツールには人間の監督が必要」と教えています。
カリキュラムは構文の習得から、問題分解やテストといった高次スキルへシフトしています。
「AIを使って、カリキュラムの早い段階でより高度な内容を教えられる」とPorter氏は語っています。
カーネギーメロン大学ソフトウェアエンジニアリング研究所（SEI）のMichael Hilton氏は、「ジェボンズのパラドックス」を引用しています。効率化は消費を減らすのではなく増やす。
ワープロとメールは書類仕事を減らさず、大幅に増やしました。
同様に、AIはコードを減らすのではなく増やし、誰も完全に理解していない巨大なコードベースを生み出す可能性があります。12
メンタリング戦略の再構築
Educative社CEO兼共同創業者のFahim ul Haq氏は、AIツール時代のメンタリングにおける5つの戦略を提唱しています。13
1. AI出力への健全な懐疑心を育てる
PRレビューでは、開発者にAI生成コードを「なぜ信頼するのか」注釈をつけさせましょう。
あるジュニアがAI生成の決済処理コードをそのままコピーし、重複返金を許す隠れたバグを見逃した事例があります。
2. AIなしでのデバッグ演習を課す
「本当の自信は、ログを見つめ、バグを追跡し、ショートカットなしで混乱を生き延びることから生まれる」。
printf文とログだけでデバッグする訓練を推奨しています。
3. コードレビューを議論の場に変える
「このAPIが100倍のトラフィックを受けたら、最初に何が壊れる？」といった具体的な質問を投げかけ、思考プロセスを鍛えましょう。
4. システム思考を早期に導入する
AIが低レベルの作業を処理する今、ジュニアは早い段階で高レベルのトピックに進むことができます。
上流工程の経験値を上げていきましょう。
5. 障害やスケール問題のシミュレーションを行う
Netflixの「Chaos Monkey」のように、本番サーバーをランダムに停止させて耐障害性を訓練する手法が推奨されています。
「バイブコーディング」への警鐘
Vibe Coding（バイブコーディング）」という言葉を生み出したAndrej Karpathy氏は、この手法をプロトタイピングや個人プロジェクトでの「意図的な使い捨て」として肯定的に紹介しました。
ですが問題は、このモードで作られたコードが「いつの間にか本番環境に昇格する」ケースです。
Chris Banes氏はこう指摘しています。
※以下訳
このモードで作られたコードが、誰も所有権や理解を再確立しないまま、静かに本番システムに昇格するとき、問題が発生する。
日本の開発者コミュニティでも同様の声があります。
Qiita記事「新卒エンジニアがvibe codingして分かったこと」では、「Garbage in Garbage out——インプットの質が低ければ、どれだけ優秀なAIでも質の低い答えが出る」と指摘されています。14
ジュニアエンジニアへの実践的アドバイス
では、これからエンジニアを目指す人、あるいは駆け出しのジュニアエンジニアは具体的に何をすべきか。
複数の専門家の意見を総合すると、以下のポイントが浮かび上がります。
AIを「松葉杖」ではなく「家庭教師」として使う
コードを生成させるだけでなく、概念を説明させましょう。
「このコードはなぜ動くのか」「他にどんなアプローチがあるか」を問いかける習慣付けましょう。
すべてのAI出力を検証・テスト・理解する
「ChatGPTがそう言ったから」は説明として不十分です。
生成されたコードを一行ずつ読み、なぜそう書かれているのかを理解してから使いましょう。
「Copilotフリーデー」を設ける
週に1日でも、AI支援なしでコーディングする時間を確保しましょう。
最初は遅く感じるかもしれないが、それが本当の実力を養う時間です。
以前掲載した記事でもある通り、AIのみを使用していると、思考力の低下も懸念されるため、
ジュニアエンジニア以外もCopilotフリーデー（AIフリーデー）を設けましょう。
複雑な機能は最初に手動で実装する
新しい概念や複雑な機能に取り組むときは、まず自分の手で実装してみましょう。
その後でAIがどう書くかを比較すると、学びが深まります。
コードを「運用する」経験を積む
書いたコードを本番環境で動かし、監視し、障害に対応する経験は、AIには代替できません。
オープンソースプロジェクトへの貢献や、個人プロジェクトの長期運用を通じて、この経験を積みましょう。
結論——救いはどこにあるのか
ここまで読んで、暗澹たる気持ちになった人もいるかもしれません。
しかし、救いはあります。
まず、AIコーディングツールは確実にソフトウェア開発を変革しているが、その変革は単純な「置き換え」ではありません。
Veracodeの調査が示すようにAI生成コードの約45%に脆弱性があり、技術的負債は増加し、「動くが理解していない」コードが蓄積されています。
この環境で本当に必要とされるのは、AIを使いこなせるエンジニアではなく、AIの出力を批判的に評価し、システム全体を理解し、問題を根本から解決できるエンジニアです。
そのような人材は、基礎からの着実な成長なしには生まれません。
だからこそ、今「基礎」を学んでいるジュニアエンジニアには大きな価値があります。
短期的には採用市場が厳しくても、長期的には「本当にシステムを理解できる人材」の希少価値は高まる一方です。
AWS CEOのMatt Garmanが指摘するように、ジュニア採用を削減する企業は、2028〜2030年には深刻なミッドレベル人材不足に直面する可能性があります。
その時、基礎力を持つエンジニアの価値は跳ね上がるでしょう。
Chris Banes氏は記事をこう締めくくっています。
※以下訳
もし私たちがエージェントを使って学習プロセスを自動化すれば、「中間層」を失うだけでなく、ソフトウェアエンジニアのパイプライン全体を壊すことになる。より速く出荷するために使え。しかし、AIに自分の代わりに考えさせてはならない。
信頼せよ、しかし検証せよ。検証できないなら、信頼するな。
今は確かに厳しい時代です。しかし、この時代だからこそ、地道に基礎を積み上げる価値があります。
AIがどれだけ進化しても、「なぜそのコードが動くのか」を理解し、「なぜそのアーキテクチャを選ぶのか」を説明でき、「障害が起きたときに何をすべきか」を判断できる人材の需要がなくなることはありません。
焦る必要はありません。しかし、甘えている時間もないです。
今この瞬間から、AIに頼りすぎず、しかしAIを賢く使いながら、本当の実力を養う努力を始めましょう。
- SignalFire, “The State of Tech Talent Report – 2025”, 2025年5月20日 ↩︎
- Brynjolfsson et al., “Canaries in the Coal Mine?”, Stanford Digital Economy Lab Working Paper, 2025年8月26日 ↩︎
- Chris Banes, “The Disappearing Middle: How AI Coding Tools Are Breaking Software Apprenticeship”, 2025年12月29日 ↩︎
- Jellyfish, “AI Codegen Tools Propel Senior Developers. In 2025, They Should Lift Junior Talent Too.”, 2025年2月13日 ↩︎
- METR, “Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity”, 2025年7月10日 ↩︎
- Perry et al., arXiv:2211.03622 ↩︎
- Veracode, “GenAI Code Security Report”, 2025年7月30日 ↩︎
- CodeRabbit, Business Wire, 2025年12月17日 ↩︎
- GitClear, “AI Copilot Code Quality: 2025 Data” ↩︎
- The Register, 2025年8月21日 ↩︎
- Charity Majors, “Generative AI is not going to build your engineering team for you”, 2024年6月10日 ↩︎
- CMU SEI Blog, “Generative AI and Software Engineering Education”, 2024年9月9日 ↩︎
- Fahim ul Haq, “5 strategies for mentoring junior developers in the AI era”, 2025年4月2日 ↩︎
- Qiita, 新卒エンジニアがvibe codingして分かったこと 2025年12月 ↩︎
