Criteo Tech Communityは2026年10月7日、Elise Baturone氏による「Forever Junior: The Skills AI Can’t Develop For You」を公開しました。AIエージェントに仕事だけでなく学習まで委ねると、若手が別のエージェントの成果物をレビューするだけの「ずっとジュニア」になる懸念を、筆者の経験と提言として論じた記事です。
企業のIT・事業責任者にとって、AIで実装速度を上げることと、若手が設計を説明し判断できるようになることは同じではありません。生成物の正誤だけを見ていると、将来のレビューや設計を担う力が育っているかを捉えにくくなります。
Stack Overflowの調査では、AIを学習に使う開発者が増える一方、回答への不信も残っています。AIを禁止するのではなく、検証・説明・相談を学習工程に組み込み、人が担う育成とAIに任せる作業の境界を設計することが必要です。
※本記事は2026年10月14日時点の情報です。
AIシステム開発の種類・工程・費用・会社選定までの全体像については、無料ホワイトペーパー「AIシステム開発の完全ガイドブック」で詳しく解説しています。
「ずっとジュニア」の懸念｜AIが学習まで代行すると何が抜けるか
Criteoの記事で焦点になっているのは、AIが仕事を奪うかという二択ではありません。筆者は、AIエージェントを使って生産性を高める流れを認めたうえで、若手が自分でコードを書き、失敗から学ぶ機会まで手放す危険を指摘しています。
筆者がチームのシニアを観察して挙げた行動は具体的です。出荷したコードを説明し、設計の選択を主張し、エージェントが誤った方向へ進んだときに気づき、委任する仕事と自分で行う仕事を判断します。さらに、他者に教える時間もシニアの仕事に含まれます。
この見方に立つと、若手育成の成果を生成された行数やPRの処理数だけで測るのは不十分です。本人が変更の理由と制約を話せるか、別案とのトレードオフを比較できるか、疑問を整理して相談できるかを評価に含める必要があります。
ただし、好奇心や自律など4項目が職場での昇格に効果を持つと検証した比較実験ではありません。Criteo記事はElise Baturone氏の経験と提言であり、個人の経験を若手エンジニア全体へ一般化しない読み方が必要です。
ポイント
AI活用の評価に、生成物の量だけでなく、説明・設計判断・失敗の発見・相談の質を加えると、若手の成長を観測しやすくなります。
AI利用率が高い若手ほど必要なもの｜理解と検証を学習工程に入れる
Stack Overflowが2026年3月に公開した調査では、2026年2月に約900人のユーザーへ尋ね、AIを学習に使う開発者は64%でした。仕事でAIを毎日使う割合は全体で58%、経験年数別ではアーリーキャリア68%、ミッドキャリア59%、経験豊富な開発者56%です。アーリーキャリアのAI利用が特に低いとは言えません。
AIを学習の最初の手段にする割合はアーリーキャリア36%、ミッドキャリア39%でした。一方、38%はAIで学ぶ際の障壁として結果への不信を挙げ、AIだけを使う回答者は1%です。技術文書や検索、フォーラム、オンラインコミュニティを組み合わせる学び方が中心でした。
さらにStack Overflowは2026年10月6日、3万人超が回答した2026 Developer Surveyの結果を公開しました。新しいスキルとしてAIの使いこなしを学ぶ回答者は79%、新しいコーディングスキルを学ぶ回答者は52%です。3月調査とは設問と回答者が異なるため、経験年数別の数値を置き換えるものではありませんが、学習対象としてAIが定着している傾向を補足します。
若手のAI利用を止めるより、次の順序をチームの標準にするほうが成長を確認できます。組織の研修やルールまで整えるときは、生成AIの使いこなし格差と運用ルールの論点も接続できます。
- 生成前：目的、制約、現時点の仮説を本人が短く書く
- 生成後：公式ドキュメントや既存コードと照合し、根拠を確認する
- 説明：変更理由、失敗モード、別案との違いを自分の言葉でまとめる
- 相談：答えを転送せず、理解と問いを添えて人にレビューを依頼する
ポイント
AI利用率の高さは理解の深さを示しません。回答を検証し、説明し、相談する工程までを若手の学習として設計します。
技術スキルだけでは足りない｜WEFが示す「技術＋人間」の組み合わせ
World Economic Forumの「Future of Jobs Report 2025」は、22業界・55経済圏にある1,000社超の雇用主の見通しを集めています。2030年までに雇用主が必要とする中核スキルの39%が変わる見込みで、63%の雇用主がスキルギャップを事業変革の主な障壁と回答しました。
AI・ビッグデータは最も速く伸びる技術スキルですが、分析的思考、創造的思考、レジリエンス・柔軟性・俊敏性、好奇心と生涯学習、リーダーシップ・社会的影響力も重要性を増すとされています。AIツールの操作だけを研修の中心に置くと、問題を定義し、判断を伝える力が計画から抜けます。
これは2030年の確定した人材要件ではなく、雇用主の将来予測です。WEFはAIと情報処理技術が2030年までに86%の雇用主の事業を変えると見込む一方、AIの影響は人間のスキルを一律に置き換えるより、人間と機械の協働を拡張する可能性が高いと説明しています。
育成計画では、技術研修と同じ表に、仮説を立てる、振り返る、他者へ説明する、協働して決めるという行動を置きます。各行動を週次レビューやペア作業で確認すれば、抽象的な「主体性」ではなく、成長の証拠を残せます。
ポイント
AI・ビッグデータの研修に加え、分析、仮説、説明、協働を観測する場を設けます。WEFの数値は将来予測なので、社内の職務と照合して使います。
AIに任せる仕事・任せない仕事｜メンタリングは人の関係性を残す
Microsoft Researchは2025年10月、開発者860人を対象に、日常業務のどこでAI支援を求め、どこで制限するかを調べた混合研究を公開しました。コーディングやテストでは利用と改善への需要が強く、ドキュメントや運用では手間を減らす需要が高い一方、メンタリングのようにアイデンティティや関係性を中心とする仕事には明確な限界がありました。
研究は「AIはメンタリングできない」と証明したものではありません。システムに関わる業務では信頼性・セキュリティ、人に関わる業務では公平性・包摂性、統制では透明性・整合性・操縦可能性（steerability）を責任ある設計の優先事項として示しています。
| 工程 | AIに任せやすいこと | 人が持つべき確認・育成 |
|---|---|---|
| 調査・学習 | 概念の説明、候補の列挙、テスト観点のたたき台 | 公式情報・既存コードとの照合、根拠の確認 |
| 実装・テスト | 下書き、定型コード、テストケース案 | 目的・制約・失敗モードの説明、レビュー |
| 設計判断 | 選択肢の比較材料、図解の補助 | トレードオフ、採用理由、変更時の責任 |
| 育成・メンタリング | 質問案、振り返りの補助 | 評価、フィードバック、相談の文脈、成長機会 |
上表は、Criteoの記事とMicrosoft Researchの結果をもとにした実務上の整理であり、研究が工程ごとの委任範囲を確定したものではありません。コードの下書きはAIに任せても、採用理由や評価、失敗からの学びは人のレビューに残します。
ポイント
AIに任せる範囲は作業の種類で決め、人の確認範囲は責任・評価・関係性で決めます。メンタリングの時間を自動化だけで削らないことが育成の前提です。
4つの力をレビュー体制に変える｜好奇心・模倣・自律・協働
Criteo記事の4項目は、好奇心（Curiosity）、模倣（Emulation）、自律（Autonomy）、協働（Collaboration）です。いずれもAIの代わりに暗記する技能ではなく、AIを使いながら本人が学習へ参加し続けるための行動として紹介されています。
好奇心では、AIの回答に「なぜ」と理由や根拠を尋ねます。模倣では、既存コードやレビューのパターンと生成物を比べ、差分を説明します。自律では、時折AIなしで小さな変更を行い、理解を確かめます。協働では、AIが作った相談文をそのまま送らず、自分の理解と問いを持ってシニアに相談します。
運用に落とすなら、PRテンプレートと週次レビューに次の問いを置きます。「生成前に何を仮説にしたか」「変更の理由は何か」「既存実装とどこが違うか」「失敗すると何が起きるか」です。AI生成コードのレビュー負荷と確認項目を整理する際は、AI生成コード時代のコードレビューも参考になります。
4項目を人事評価の点数へ直結させると、相談を控える行動を招きます。まずは本人の説明、レビューでの質問、手作業の演習、メンタリング記録といった観測可能な材料を残し、成長機会を確保する運用から始めます。
ポイント
4項目は固定の評価点ではなく、PRテンプレート、週次レビュー、手作業の演習、メンタリング記録で観測する行動へ変換します。
よくある質問
Q. AIを使うと若手エンジニアは成長できなくなりますか？
そうとは限りません。AI利用そのものではなく、回答の検証、説明、レビュー、相談を学習工程に含めるかが成長を左右します。
Q. 若手エンジニアが最初に鍛えるべき4つの力は何ですか？
Criteo記事が挙げるのは、好奇心、模倣、自律、協働です。ただし、これは筆者の提言であり、全職場で効果が実証された固定リストではありません。
Q. AIに任せてよい仕事と任せない仕事はどう分けますか？
コードの下書きやテスト案はAIに任せやすい一方、目的・制約・設計のトレードオフ、レビュー、評価、メンタリングは人が確認・実施します。
Q. 若手の成長をレビューでどう確認できますか？
生成物の正誤だけでなく、本人が目的、変更理由、既存実装との差分、失敗モードを説明できるかを確認します。AIなしの小さな変更と、自分の言葉での相談も組み合わせます。
まとめ
AIエージェントの導入で若手の実装を効率化しても、設計を説明し、誤りを見抜き、他者へ教える力は自動的には育ちません。Criteo記事の4項目は、好奇心・模倣・自律・協働を日々の行動として捉える視点を示しています。
まずはPRに生成前の仮説と生成後の説明欄を設け、公式情報や既存コードとの照合を記録します。AIに任せる作業、人が持つ判断、シニアが提供するメンタリングを分ければ、若手の学習機会と開発速度を同じ運用の中で確認できます。
ポイント
AIを使うかどうかではなく、使う前の仮説、使った後の説明、人への相談を育成の記録に残すことが「ずっとジュニア」を防ぐ出発点です。
関連記事
- AIエージェントと若手採用を解説｜学習機会と人材育成で考えるポイント
- AI生成コード時代のコードレビューを解説｜開発現場のボトルネックと対策
- 生成AIの使いこなし格差を解説｜組織で整える運用ルールと研修のポイント
- AIエージェント実験の失敗事例を解説｜丸投げを防ぐ監督体制のポイント
▼開発を相談する前に読みたい無料ホワイトペーパー
・AIシステム開発の完全ガイドブック
・【2026年最新版】AI駆動開発の完全ガイドブック
会社紹介
株式会社riplaでは、お客様の事業・ユーザー・業務に最適化したオーダーメイド型システムを、構想策定・要件定義から開発・改善まで一気通貫で支援。事業会社でIT・DXを経験したプロフェッショナルによる高い要件定義力・システム設計力を活かし、事業成果の最大化に伴走します。
また、当社独自の開発テンプレート「Boxシリーズ」による標準機能の高速開発と、AI駆動開発の独自フレームワーク「GoDD」による独自機能のAI実装を組み合わせることで、低コスト・短期間で開発を実現いたします。
もし、システム開発やプロダクト開発に関するご要望がございましたら、お気軽にお問い合わせください。
・サービス概要資料のURLはこちら >>>
・お問合せページのURLはこちら >>>
・お役立ち資料のURLはこちら >>>
株式会社ripla 代表取締役CEOとして、システムパッケージ活用、システム開発、データ分析、生成AI活用、SaaS開発、アプリ開発、EC構築など、幅広い領域で企業のDX推進と事業成長を支援している。事業会社でIT・DXを経験したプロフェッショナルが集う株式会社riplaにおいて、お客様の事業・ユーザー・業務に最適化したオーダーメイド型システムを構想策定・要件定義から開発・改善まで一気通貫で支援し、単なるシステム納品にとどまらず、クライアントと同じ目線で事業成果の最大化に向けた伴走支援を行う。早稲田大学卒業後、ラクスル株式会社、LINEヤフー株式会社にて事業開発やDX推進などに従事した後、株式会社riplaを創業。