新人エンジニアのためのAIとの付き合い方 ― 思考を手放さないために
こんにちは、AIイノベーションSecの丸山です。
いきなりですが正直に、入社してからの数か月、私が現場でなんとか戦えているのはAIのおかげです。わからないエラーを貼れば原因の見当をつけてくれるし、書き方も隣で教えてくれる。未経験の自分にとって、AIは文字どおり最強の相棒です。
……でもある日、自分が書いた(はずの)コードを先輩に質問されて、何も説明できなかったんです。「これ、なんでこう書いたの?」と聞かれて、言葉に詰まりました。
便利に使っていたつもりが、いつの間にか”考えること”そのものをAIに渡していた。あのときの背筋が寒くなる感じを、しっかり覚えています。
この記事は、当時の私と同じように「AIをどう使えばいいんだろう」と悩んでいる新人エンジニア(と、未来の自分)に向けて書きました。テーマはひとつ、「AIに考えさせるな、AIと一緒に考えろ」です。
1. AIは、新人にとってこそ最大の武器
まず大前提として、新人がAIを使うことは大正解です。むしろ新人ほど恩恵が大きい、というデータがあります。
GitHubが行った対照実験では、AIペアプログラマーを使った開発者グループはタスクを約56%速く完了し、なかでも経験の浅い開発者ほど効果が大きかったと報告されています。別の銀行での実験でも、初心者の生産性向上が約52%と、中級者・上級者を上回りました。
理由はシンプルで、退屈で繰り返しの多い作業をAIに肩代わりさせることで頭の負荷が下がり、本当に頭を使うべき複雑な問題に集中できるようになるからです。GitHubの調査でも、多くの開発者が「単純作業の精神的な負担が減った」「より満足度の高い仕事に集中できるようになった」と答えています。
つまり、新人がAIを避ける理由はありません。問題は「使うかどうか」ではなく「どう使うか」です。
2. でも”丸投げ”した瞬間、思考は静かに奪われる
ここからが本題です。AIには、便利さと引き換えに静かに忍び寄る代償があります。
MITメディアラボが2025年に発表した研究は、その代償を脳波(EEG)で測定しました。被験者にエッセイを書かせ、(1)AIを使うグループ、(2)検索を使うグループ、(3)何も使わないグループに分けて脳活動を比較したものです。
結果はかなり衝撃的でした。AIを使ったグループは、脳の神経結合がもっとも弱く、自分の文章への当事者意識ももっとも低かった。それどころか、自分が書いたはずの文章を正確に引用することすらできなかったそうです。冒頭の私の体験そのものですよね。
研究者はこの状態を「認知的負債(cognitive debt)」と名づけました。AIの便利さは、未来の自分から思考力を”前借り”しているだけかもしれない、という比喩です。とくに、早い段階からAIに頼りすぎると、学習・記憶・知的な自立に必要な「深く考える力」そのものが育ちにくくなる、と警告しています。新人の私たちには、いちばん効く警告です。
そして、「ベテランなら大丈夫」というわけでもありません。研究機関METRが2025年に行った厳密な実験では、経験豊富な開発者がAIツールを使ったところ、なんとタスク完了に19%”長く”かかりました。さらに怖いのは、本人たちは「AIで20%速くなった」と感じていたこと。(なお、これはあくまで2025年初頭のツールでの一断面で、METRはその後も追試を続けています。ツールの進化と使い手の習熟次第で結果は変わり得る、という点はフェアに押さえておきたいところです。)
ここから得られる教訓は強烈です。「AIが効いている感覚」は、まったく当てにならない。便利に感じることと、自分が成長している(あるいは本当に速い)こととは、別物なのです。
——ここまで読むと「AIってダメじゃん」という話ばかりに見えるかもしれません。でも、本当に伝えたいのはこの先です。これらは”AIを使うな”という話ではなく、”どう使えば武器になるか”の前振り。ぜひ最後まで読んでみてください。
3. 主導権を握ったまま、AIの力を引き出す5つの秘訣
では「丸投げ」と「使いこなし」を分けるものは何か。私なりに、研究の裏づけもふまえて整理した5つを共有します。
① まず自分の頭で考えてから、AIに当てる(順番が命)
MIT研究の最重要ポイントは、実は「順番」でした。先に自分の頭で考え始めた人は、あとからAIを与えられても批判的に向き合い続け、AIを受け身ではなく戦略的に使えたのです。「考える → AIで検証・加速する」の順番なら、認知的負債は溜まりにくい。逆に「AIに出させる → なんとなく採用」は危険信号です。
② 生成物は必ず読み、自分の言葉で説明できる状態にする
AI利用者が自分の成果物を引用できなくなった、という事実の裏返しです。コードレビューを「AIにやらせる」のではなく、「AIと一緒に自分が理解する」。先輩に「なんでこう書いたの?」と聞かれて答えられるか——これを自分への合格ラインにしています。
③ 退屈な反復はAIに、難しい判断は自分に
何でもAIに渡すのではなく、線を引く。ボイラープレートや定型作業は遠慮なく任せ、設計判断やトレードオフの検討は自分で握る。この”配分”を考えること自体が、エンジニアのスキルだと思っています。
④ プロンプトより「文脈(コンテキスト)」を渡す
AIの精度は、与える情報の質で決まります。プロジェクトの技術スタック、既存の設計方針、制約条件をきちんと渡すほど、返ってくる答えは鋭くなる。私はClaude Codeを使うとき、設計の”軸”になる資料を先に読ませてから作業させるようにしています。
⑤ 「AIを使うこと」自体を、鍛える技能として伸ばす
先ほどのMETR研究には続きがあります。唯一はっきり速くなったのは、ツールを50時間以上使い込んだ開発者だけでした。研究者は「習熟の天井は高く、十分に経験を積めば速度向上を得られる可能性がある」と述べています。
つまり、AI活用は才能ではなく、訓練で伸びる技能だということ。最初はうまくいかなくても当たり前。使い込んだ人だけがたどり着ける場所があります。
おわりに ― 「AIを使える力に変える」とは
弊社のAI導入支援のランディングページには大きく「AIを使える力に変える」とあります。
私なりにこの言葉の意味がわかってきました。それは、AIに思考を明け渡して使われる人間ではなく、AIを使いこなす人間でいること。そしてそのために、思考の主導権だけは絶対に手放さないこと。
新人の今こそ、その筋肉を鍛える絶好のタイミングだと思っています。AIという最強の相棒と一緒に、これからも進み続けていきます。
参考・出典
- MITメディアラボ「Your Brain on ChatGPT(認知的負債に関する研究)」原論文
https://arxiv.org/abs/2506.08872 - 同・MITメディアラボ公式ページ
https://www.media.mit.edu/publications/your-brain-on-chatgpt/ - GitHub公式ブログ(生産性と満足度の調査)
https://github.blog/news-insights/research/research-quantifying-github-copilots-impact-on-developer-productivity-and-happiness/ - METR「2025年初頭のAIが経験豊富なOSS開発者の生産性に与えた影響」
https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/
