AI がソフトウェアエンジニアを代替しない理由と、その将来性について
アーヴィンド・ナラヤナンとサヤシュ・カッポールの論文およびニューヨークの WARN Act データに基づき、AI がソフトウェアエンジニアを大量に解雇しない理由として、コード記述以外の「何を作るか」の決定、「検証と責任」の負荷、そして文脈理解がボトルネックであることを示した。
キーポイント
AI による大規模解雇の根拠不足
2025 年 3 月にニューヨークで導入された AI 関連解雇開示義務付け制度において、最初の一年間で AI を理由とした解雇届出は一件もなかったというデータが示されている。
エンジニアリングの真のボトルネック
コード記述自体は AI で加速されるが、実際のボトルネックは「何を作るか」の決定、「成果物の検証と責任」という 2 つの要素にあることが調査で明らかになった。
人間にしかできない深層理解
コードベースやビジネス環境、周囲の状況に対する深い文脈理解が不可欠であり、これが AI による自動化を阻む最大の要因となっている。
影響分析・編集コメントを表示
影響分析
この分析は、AI による「エンジニアの代替」論に終止符を打ち、開発現場における AI の役割を「記述支援」から「意思決定・検証のパートナー」へと再定義する重要な示唆を与える。企業経営者や人事担当者は、AI 導入による人員削減よりも、文脈理解を要する業務へのリソースシフトを検討すべきである。
編集コメント
「AI が仕事を奪う」という不安に対し、具体的なデータと現場の質的調査に基づき冷静な反証を示した貴重な視点です。技術の進化速度よりも、人間の判断力や責任感の重要性が再認識されるべき時期と言えます。
なぜ AI はソフトウェアエンジニアを置き換えていないのか、そして今後もしないのか
アルヴィンド・ナラヤナンとサイアシュ・カッポルは、AI による破壊に特に適した職業であるソフトウェアエンジニアの視点から、AI による雇用喪失という問いに取り組んでいます。
本論文では、AI の能力が一定の閾値に達すれば大規模な解雇を引き起こすという物語を却下する十分な証拠があることを主張します。規制障壁が極めて少ないセクターにおいてさえこれが真実であるならば、他のほとんどの職業はさらに緩衝材で守られている可能性が高いです。
最初の朗報は、データはまだ AI が大規模な失業を引き起こしているという考えをサポートしていないということです。
2025 年 3 月、ニューヨーク州は WARN 法（Worker Adjustment and Retraining Notification Act：労働者調整・再訓練通知法）の提出書類に AI 開示チェックボックスを追加した米国初の州となりました。最初の完全な 1 年間では、160 社以上が WARN 通知を提出しました。AI チェックボックスにチェックを入れた企業は一つもありませんでした。
AI は、コードをコンピュータに入力するフェーズを加速しますが、ソフトウェアエンジニアリングはそれよりもはるかに多くのことを含むことが明らかになっています：
コードを書くことがボトルネックでないなら、何がそうなのか？タスク分解に関する調査は、会議やデバッグのようなものを指し示しています。これはさらに多くの疑問を生みます：開発者はその会議で何をしているのか、なぜそれを AI ができないのか？能力が向上すればデバッグも自動化されないのだろうか？真のボトルネックを理解するには、定性的なアプローチを取り、自動化に抵抗する自分たちの業務についてソフトウェアエンジニア自身が持つ理解を掘り下げる必要があります。
この分析を行った際、3 つの点が真のボトルネックであることが明らかになりました。(1) 何を構築するかを決定し仕様化すること、(2) 提供された成果を検証し責任を負うこと、そして (3) これら両方を実行するために必要なコードベース、ビジネス、および環境に対する深い人間的理解です。
私は AI の支援が、決定と検証のステップにも役立つことを発見していますが、「深い人間理解」こそが私が提供する価値にとって鍵となります。どんなに多くの AI 支援を与えられても、私が生み出す価値は、エージェントが彼らのために構築している問題と解決策をどれほど深く理解しているかに依然として依存します。
Tags: careers, ai, generative-ai, llms, arvind-narayanan, ai-ethics
原文を表示
Why AI hasn’t replaced software engineers, and won’t
Arvind Narayanan and Sayash Kappor take on the question of AI job losses through the lens of a profession that is uniquely suited to AI disruption - software engineering.
In this essay, we argue that there is enough evidence to reject the narrative that once AI capabilities reach a certain threshold, it will cause mass layoffs. Given that this is true even in a sector with very few regulatory barriers, most other professions are likely to be even more cushioned.
The first good news is that the data still doesn't support the idea that AI is causing mass unemployment.
In March 2025, New York became the first U.S. state to add an AI disclosure checkbox to WARN Act filings. In the full first year, more than 160 companies filed WARN notices. Not a single one checked the AI box
AI speeds up the typing-code-into-a-computer phase, but it turns out software engineering is about a whole lot more than that:
If writing code isn’t the bottleneck, what is? The task-breakdown surveys point at things like meetings or debugging. This just leads to more questions: what are developers doing in those meetings and why can’t it be done by AI? Won’t debugging get automated as capabilities improve? To understand the real bottlenecks, we have to get qualitative, and dig into software engineers’ own understanding of what it is they do that resists automation.
When we did this analysis, it revealed three things as the real bottlenecks (1) deciding and specifying what to build, (2) verifying and being accountable for what is delivered, and (3) the deep human understanding — of the codebase, the business, and the environment — required to carry out both of these.
I'm finding AI assistance also helps me with the deciding and verifying steps, but it's the "deep human understanding" that remains key to the value I provide. Give me all of the AI assistance in the world and the value I produce will still be reliant on how deeply I understand both the problems and the solutions that the agents are building for them.
Tags: careers, ai, generative-ai, llms, arvind-narayanan, ai-ethics
関連記事
AIの緊急停止スイッチ：Anthropicの輸出規制が引き起こしたグローバルなAI主権争奪戦
米国政府は2026年6月13日、同社の強力なAIモデルを全世界からオフラインにする指令を出し、欧州やカナダでAIの支配権を巡る懸念が高まっている。
Z.ai が使用可能な 100 万トークンコンテキストと 2 つの思考レベルを備えた GLM-5.2 を発表、ベンチマークなしでリリース
Z.ai は最新大規模言語モデル「GLM-5.2」を発表し、100 万トークンの使用可能コンテキストウィンドウと 2 つの思考努力レベルを搭載した。同社は本モデルにベンチマーク結果を伴わずにリリースを行った。
FineWeb を用いたストリーミング、フィルタリング、重複排除、トークン化、大規模ウェブコーパス分析のコーディングハンズオン
MarkTechPost は、大規模なデータセットをダウンロードせずに FineWeb データセットのサンプルをストリーミングし、スキーマやメタデータを調査するチュートリアルを提供しています。また、品質フィルタリングパイプラインの再現、MinHash による重複検出、GPT-2 トークナイザーを用いたトークン数検証、および有用な分析結果の生成方法を解説しています。
今日のまとめ
AI日報で今日の重要ニュースをまとめ読み