〖特別版〗ChatGPTが描いたSEの未来を、約2年後の自分が読み返してみた
こんにちはあるいはこんばんは
約2年前に、ChatGPTにシステムエンジニアの未来を書いてもらった。
正確には2024年8月の記事なので、今から約1年9か月前になる。
当時は、AIに未来を聞くこと自体が少し面白かった。
文章も画像もAIで作って、夏休みの宿題みたいな感覚で投稿した。
【この記事の要約】
この記事では、2024年8月にChatGPTに書いてもらった「システムエンジニアの未来」を、2026年の今の視点で読み直しています。
当時のChatGPTは、これからのSEにはAI、クラウド、ソフトスキルを学ぶことが大事だと書いていました。
それは今でも間違っていないと思います。
ただ、2026年の今は、AIを学ぶことだけでは足りなくなってきた気もしています。
AIは、質問に答える道具から、人間が与えた目的や権限や承認フローの中で、仕事の一部を進める存在に近づいているように見えます。
そうなるとSEに必要なのは、AIを使えることだけではなく、AIに何を任せるか、どこで止めるか、誰が確認するか、誰が責任を持つかを決める力なのかもしれません。
この記事は、その変化を、AIホワイトペーパー2.0（案）、内閣府の人工知能基本計画、デジタル庁のガバメントAI「源内」、各AIベンダーの公式情報、そして40代SEとしての現場感から整理した長めの特別版です。
元記事はこちらです。
その記事で使った画像には、青白い未来都市と、透明なモニターを見つめるエンジニアの後ろ姿があった。
いかにも「AIが描いた未来」という感じだった。
きれいで、未来っぽくて、少し希望がある。
その画像はnoteでもよく使ってもらえている。
たぶん、それだけ分かりやすいのだと思う。
AI
エンジニア
未来
デジタル都市
そういう言葉が、一枚で伝わる。
でも久しぶりに自分の記事を読み返してみると、少しだけ違う感覚もあった。
書いてあることは、今でも大きく間違っていない。
AIを学ぶ
クラウドを学ぶ
ソフトスキルを磨く
未来に備えて学び続ける
どれも大事だと思う。
ただ、2026年の今になって読むと、未来はもう少し違う形で近づいている気がする。
あの画像のような、きれいな未来都市だけではなかった。
レビュー表
承認フロー
ログ
権限管理
顧客説明
障害対応
誰が責任を持つのかという話
AIの未来予想を読み返しているのに、頭に浮かんだのは、きれいな研究室ではなく、いつもの現場だった。
仕事帰りに読み返していて、約2年前のAIが描いた未来はずいぶんきれいだったんだなと思った。
自分の頭に浮かんだのは、未来都市ではなく、レビュー指摘と顧客説明と、少し重たい通知だった。
未来は、思っていたより早く来た。
でも、思っていたより泥くさかった。
1. 2024年のChatGPTは、かなり正しいことを言っていた
元の記事では、これからのシステムエンジニアに必要なものとして、AIと機械学習、クラウドコンピューティング、ソフトスキルが挙げられていた。
これは今読んでも、かなり正しい。
AIを知らなくていいSEは減っている。
クラウドを知らなくていいSEも減っている。
技術だけではなく、説明する力、整理する力、チームで動く力も必要になっている。
だから、2024年のChatGPTが書いた未来予想は、外れていたわけではない。
むしろ、かなりまっとうだったと思う。
AIが重要になる。
クラウドが標準になる。
コミュニケーション力が必要になる。
学び続ける人が残る。
これは、今でもほとんどその通りだと思う。
ただ、その文章には少しだけ、きれいすぎる感じもあった。
未来のために学び続ける
新しい技術に対応する
自分のキャリアを見直す
生活とのバランスも大事にする
どれも正しい。
でも、現場にいると、もう少し別のものが見えてくる。
新しい技術を学ぶだけでは終わらない。
それをどこに入れるのか
誰が使うのか
誰が確認するのか
どこで止めるのか
失敗したとき、誰が説明するのか
システムの仕事は、技術そのものよりも、技術を現場に置いた後の方がむずかしいことがある。
約2年前のChatGPTは、未来のSEに必要な学びをきれいに並べていた。
でも2026年の現場から見ると、SEの未来は「何を学ぶか」だけでは語れなくなってきた気がする。
2. でも2026年の今見ると、未来予想は少し変わった
2024年の記事は、「何を学ぶか」が中心だった。
AIを学ぶ
クラウドを学ぶ
ソフトスキルを磨く
でも2026年の今、少し違う問いが出てきている。
AIを学ぶかどうかではなく、AIを仕事のどこに入れるのか。
クラウドを使うかどうかではなく、その向こう側にある電力、計算資源、通信、データセンターをどう見るのか。
ソフトスキルを磨くかどうかではなく、人間とAIの責任境界をどう設計するのか。
2024年の未来予想は、SEが未来に備える話だった。
2026年の未来予想は、AIがもう仕事に入ってきた後の話になっている。
ここが大きく違う。
たとえば、AIにコードを書かせること自体は、もうそこまで珍しい話ではなくなってきた。
仕様のたたき台を作る
コードの一部を書く
テストケースを考える
資料を要約する
議事録を整える
問い合わせ回答の下書きを作る
こういう使い方は、すでに現場でも試している人が多いと思う。
でも、実際に仕事へ入れようとすると、すぐに別の問いが出てくる。
そのコードは誰がレビューするのか
その回答をそのまま顧客に出していいのか
その資料に機密情報は入っていないか
その判断をAIに任せていいのか
そのログは残るのか
その出力が間違っていたとき、誰が説明するのか
AIを使うこと自体よりも、AIを使った後の仕事の流れの方が重くなってくる。
2024年の自分は、AI時代に何を学ぶかを考えていた。
2026年の今は、AIにどこまで任せるかを考えている。
この差は、思ったより大きい。
3. AIは「答えるもの」から「仕事を進めるもの」へ
2024年の時点では、AIはまだ「質問すると答えてくれるもの」という感覚が強かった。
文章を作る
要約する
調べる
コードを少し手伝う
もちろん、それだけでも十分に大きな変化だった。
でも2026年の今、少なくとも政策文書やAIベンダーの動きを見る限り、AIは少し違う場所に来ているように見える。
コードを書く
既存のコードを読む
修正する
テストする
PRを提案する
外部ツールやデータベースを呼び出す
複数ステップの作業を進める
ただし、ここは少し慎重に書きたい。
AIが完全に自律して、勝手に仕事を進めるという話ではない。
人間が与えた目的、権限、環境、制約、承認フローの中で、複数ステップの作業を進める方向に近づいている、という方が近いと思う。
自民党デジタル社会推進本部 AI・web3小委員会で取りまとめられた「AIホワイトペーパー2.0（案）」では、人工知能を「単なる道具」から「実行する主体」へ変わるものとして整理している。
AIホワイトペーパー2.0（案）の公開経緯については、以下のページで確認できる。
同資料では、従来の生成AIが「問いに答える」存在であったのに対し、エージェントAIは「目的を遂行する」存在へ進化した、という表現もされている。
これは、かなり大きな言い方だと思う。
ただし、ここでも大事なのは、AIが人間の代わりにすべての責任を持つということではない。
むしろ、AIが仕事に入り込むほど、人間側の設計が重くなる。
OpenAIのCodex（コーデックス）は、クラウド上で複数のソフトウェア開発タスクを並行して扱えるソフトウェアエンジニアリングエージェントとして説明されている。
https://openai.com/index/introducing-codex/
GitHub（ギットハブ）のCopilot（コパイロット）coding agent（コーディングエージェント）も、非同期・自律型の開発者エージェントとして一般提供されている。
Anthropic（アンソロピック）のClaude Code（クロードコード）は、コードベースを読み、ファイルを編集し、コマンドを実行し、開発ツールと統合するエージェント型コーディングツールとして説明されている。
Google（グーグル）のGemini Code Assist（ジェミニ・コード・アシスト）も、開発、デプロイ、運用までを含むソフトウェア開発ライフサイクルを支援するAI支援として説明されている。
ここで大事なのは、ツール名を全部覚えることではない。
AIは単なる質問応答ではなく、コードを読み、修正し、テストし、開発工程に入り込む方向へ進んでいる。
そうなると、SEに必要になるのは、AIを使えることだけではない。
AIを開発工程のどこに入れるか。
どの権限を渡すか。
どの操作は許可するか。
どの結果を人間が確認するか。
どの段階で本番に近づけるか。
AIが質問に答えるだけなら、人間はそれを参考にすればよかった。
でもAIが仕事を進めるようになると、話は変わる。
AIを使う力だけではなく、AIを制御する力が必要になる。
4. 政策文書を読むと、AIはもう個人ツールの話ではない
AIは、個人が便利に使う道具から、組織や制度の作り方に関わるものになり始めている。
ここで、少し文書の性質は分けて見たい。
内閣府の「人工知能基本計画」は、政府の公式計画である。
一方、AIホワイトペーパー2.0（案）は、自民党側の政策提言・案として読むのがよいと思う。
デジタル庁のガバメントAI「源内」は、行政における生成AI利用環境の実証として見るのが自然だと思う。
この3つは同じ「AI関連情報」ではあるけれど、性質は少し違う。
そのうえで見ても、方向性はかなり近い。
AIホワイトペーパー2.0（案）の目次を見るだけでも、その変化は分かる。
AIロボット・フィジカルAI。
領域特化型AI。
AI時代の国家基盤としての電力・計算資源。
エージェントAI時代の働き方・雇用の再設計。
信頼の設計。
こうした言葉が並んでいる。
つまり、AIはもう「便利なツール紹介」だけでは収まらなくなっている。
産業
行政
雇用
電力
計算資源
信頼
責任
そういうものとつながり始めている。
内閣府の人工知能基本計画でも、2025年に入り、自律的に業務を実行できるAIエージェントや、現実世界でロボットなどを動かすフィジカルAIといった新しい技術が進展していると整理されている。
https://www8.cao.go.jp/cstp/ai/ai_plan/aiplan_20251223.pdf
また、デジタル庁はガバメントAI「源内」について、2026年度に全府省庁の約18万人の政府職員を対象とした大規模実証を始めると発表している。
これは、民間企業の一部の新しい取り組みだけではない。
行政でも、AIを業務基盤として使う段階に入り始めている。
ここで大事なのは、AIがすごいかどうかだけではない。
AIを仕事の流れに入れると、業務そのものの設計が変わる。
誰が承認するのか
誰が確認するのか
誰が責任を持つのか
例外が起きたとき、どこに戻すのか
運用で止まったとき、誰が説明するのか
現場でシステムを作っていると、技術だけでは決まらないことが多い。
むしろ、最後に残るのはこういう地味な設計だったりする。
AIが業務に入るほど、このあたりの設計が重くなる。
だから、AI時代のSEは、単に新しい技術を覚えるだけでは足りない気がしている。
5. SEの仕事は、AIを学ぶことから「任せる範囲」を決めることへ
プロンプトを書ける人は増えると思う。
AIに質問する
AIに要約させる
AIにコードを書かせる
AIに資料を作らせる
こういう使い方は、これからもっと普通になっていく。
でも、AIに任せていい範囲を決められる人は、まだそこまで多くない気がする。
本番データに触らせていいのか。
顧客向けの回答をそのまま出していいのか。
設計判断まで任せていいのか。
テスト結果の解釈まで任せていいのか。
仕様変更の影響調査を任せていいのか。
ログはどこまで残すのか。
レビューは誰がするのか。
事故が起きたとき、誰が説明するのか。
ここを決めるのは、プロンプト力だけではない。
業務理解
運用経験
顧客との距離感
責任感
そして、少しの怖さ
この「少しの怖さ」は、けっこう大事だと思っている。
慎重すぎると、新しいことは何も進まない。
でも、怖さがまったくないままAIに任せるのも危ない。
SEの仕事には、動けばいいだけでは済まない場面が多い。
本番で止まらないか
データが漏れないか
運用担当が困らないか
顧客に説明できるか
後から追跡できるか
障害時に切り戻せるか
たとえば、AIに仕様変更の影響調査をさせるとしても、考えることは多い。
どのリポジトリを読ませるのか。
どのブランチに変更を出すのか。
どの設計書を正とするのか。
古い仕様書を参照していないか。
本番データに触れていないか。
出力された影響範囲を、誰がレビューするのか。
レビュー前にCIを走らせてよいのか。
承認前に外部へ通知していないか。
このあたりを決めずにAIを入れると、便利になる前に、確認するものだけが増える可能性がある。
さらに、AIに読ませる情報にも気をつけないといけない。
顧客情報
障害報告
契約条件
個人情報
未公開の仕様
社内だけの判断メモ
AIに便利だからといって、すべての資料やログを読ませてよいわけではない。
そもそもその情報を外部サービスに入れてよいのか。
社内ルール上、どこまで許されているのか。
学習利用されるのか、されないのか。
ログとして残るのか。
後から監査できるのか。
このあたりを曖昧にしたまま使うと、AI活用というより、リスクの持ち込みになる。
こういう感覚は、派手ではない。
新しいAIツールのデモ動画ほど分かりやすくもない。
でも、現場ではかなり重要になる。
AI時代のSEの価値は、コードを書くことだけではなく、AIに何を任せるかを決めること、業務を分解すること、AIの出力を検証すること、責任範囲を整理すること、どこで止めるか決めることに移っていくのかもしれない。
これからのSEは、AIに詳しい人というより、AIを使っても壊れない仕事の流れを作れる人になるのかもしれない。
6. クラウドの向こう側に、電力・計算資源が見えてきた
2024年の記事では、クラウドを学ぶことが大事だと書いていた。
それは今でも正しい。
オンプレミスだけで考えるより、クラウドを前提にした設計や運用を理解している方が、仕事の幅は広がる。
ただ、2026年の今は、クラウドの向こう側まで見えてきた。
AIは、データだけで動いているわけではない。
電気がいる
計算資源がいる
データセンターがいる
通信がいる
冷却もいる
AIホワイトペーパー2.0（案）でも、AIを動かす基盤として、半導体、計算資源、データ、電力が挙げられている。
また、電力と計算資源はエージェントAI時代の国家基盤として整理されている。
2024年は、クラウドを学ぶ話だった。
2026年は、クラウドを動かす電力と計算資源まで見えるようになった。
IEA（アイイーエー）は、世界のデータセンターの電力消費が2030年に約945TWhへ倍増し、現在の日本の総電力消費量を少し上回る規模になるという見通しを出している。
https://www.iea.org/reports/energy-and-ai/executive-summary
経済産業省と総務省も、今後のデータセンター整備を見据え、効率的な電力・通信インフラの整備を通した電力と通信の効果的な連携、つまり「ワット・ビット連携」に向けた取りまとめを公表している。
https://www.meti.go.jp/press/2025/06/20250612001/20250612001.html
AIの未来は、思っていたより物理的だった。
画面の中だけで完結しているように見えるAIも、実際には電力や通信やデータセンターの上で動いている。
クラウドを学ぶという話は、今でも大事だ。
でもそのクラウドの向こう側には、かなり現実的なインフラがある。
この話は、電力、水、データセンターの話として、また別の記事で整理してみたい。
7. AIが作るほど、SEの仕事は「整理」と「検証」に寄っていく
AIでコードが速く書けるようになると、SEは暇になる。
そう考えたくなる。
でも、現場では逆のことも起きる気がする。
コードが増える
レビュー対象が増える
確認する仕様が増える
顧客別のカスタマイズが増える
セキュリティや運用影響の確認も増える
AIが作る時代ほど、人間には整理する力と検証する力が必要になる。
これは、少し皮肉な話でもある。
AIで効率化したはずなのに、確認するものが増える。
AIで資料が作りやすくなったはずなのに、資料の種類が増える。
AIで調査が早くなったはずなのに、もっと広く調べることを求められる。
作業単位では楽になる。
でも、仕事全体が楽になるとは限らない。
AIが作る時代ほど、人間は「作る人」から「見極める人」になっていくのかもしれない。
ここで必要になるのは、単なる最新ツールの知識だけではない。
何が本当に必要なのか
どこが危ないのか
どの前提が抜けているのか
誰が困るのか
どこで止まりそうなのか
どこまでなら任せてもよいのか
こういう問いを立てる力が必要になる。
40代SEとしては、このあたりに少し希望も感じている。
若い人の方が新しいツールに慣れるのは早い。
それはたぶんそうだと思う。
でも、運用で痛い目を見た経験。
顧客説明で詰まった経験。
レビューで見落としを拾った経験。
障害対応で胃が痛くなった経験。
仕様の曖昧さに苦しんだ経験。
そういう経験は、AI時代にも簡単には消えない。
むしろ、AIがいろいろ作れるようになるほど、そういう経験を使って見極める場面は増えるかもしれない。
AIの未来を考えているのに、結局思い出すのは、納期前のレビューと、障害時の切り戻し手順だった。
8. それでも最後に残るのは、人間が責任を持つ仕事かもしれない
AIが賢くなるほど、人間は考えなくてよくなる。
そう言いたくなる。
でも現場では、たぶん逆のことも起きる。
AIが動くからこそ、誰が確認するのか。
誰が止めるのか。
誰が説明するのか。
誰が責任を持つのか。
そこを曖昧にできなくなる。
AIは出力できる。
AIは提案できる。
AIはコードを書ける。
AIは資料も作れる。
でも、顧客に説明するのは人間だ。
障害が起きたときに頭を下げるのも人間だ。
仕様の曖昧さを引き受けるのも人間だ。
運用で回るかどうかを見極めるのも人間だ。
もちろん、これも将来変わるかもしれない。
AIがもっと進めば、説明や報告や監査の一部も自動化されると思う。
それでも、少なくとも今の現場では、最後に「これでいきます」と言う人間が必要になる。
そのときに必要なのは、AIの出力を信じきることではない。
疑いすぎて何も使わないことでもない。
どこまで使えるかを見極めることだと思う。
SEの仕事は、技術そのものではなく、技術を現場に置いたときに壊れない形へ整えることにあるのかもしれない。
AI時代になっても、この仕事は残る。
残るというより、重くなる気もしている。
9. 1年半以上前の自分に、今ならこう言いたい
2024年のChatGPTが描いたSEの未来は、間違っていなかった。
AIを学ぶ
クラウドを学ぶ
ソフトスキルを磨く
今でも大事だと思う。
ただ、2026年の今なら、少しだけ言い換えたい。
AIを学ぶことは大事。
でも、AIに何を任せるかを考えた方がいい。
クラウドを学ぶことは大事。
でも、その向こう側にある電力、計算資源、通信も見えてくる。
ソフトスキルは大事。
でも、人間同士だけではなく、人間とAIの責任境界を設計する力も必要になる。
未来に備えることは大事。
でも、未来はもう現場に入り始めている。
約2年前のAIは、きれいな未来を描いていた。
2026年の現場から見る未来は、もう少し泥くさい。
でも、そこにまだSEの仕事はある。
むしろ、AIが仕事を進めるようになるほど、AIをどこで止めるか、誰が確認するか、誰が責任を持つかを決める仕事は重くなる。
AIに置き換えられるかどうかだけを考えると、少し苦しくなる。
でも、AIを使っても壊れない仕事の流れを作る側に回るなら、SEの仕事はまだ続く。
たぶん、これからのSEに必要なのは、AIに詳しいことだけではない。
AIを現場に置いたとき、どこが壊れそうかを想像できること。
AIが出したものを、そのまま信じず、でも必要以上に怖がらず、仕事に使える形へ整えること。
そこに、これからのSEの価値があるのかもしれない。
AI時代に必要なのは、何を学ぶ力なのでしょうか。
それとも、何をAIに任せて、何を人間が引き受けるのかを決める力なのでしょうか。
あなたの仕事では、AIにどこまで任せられそうですか。
そして、どこから先は人間が責任を持つべきだと思いますか。
