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・ナラヤナン氏とサイヤシュ・カッポル氏は、AI による雇用喪失の議論に対し、ソフトウェア工学という分野に焦点を当てて、AI が特定の能力閾値を超えても大規模な代替は起こらないとする証拠があることを論じています。
Source Article
元記事を日本語で読む
本文に関係しない購読案内、埋め込み通知、サイト内プロモーションは除いています。
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
今日のまとめ
AIデイリーブリーフで今日の重要ニュースをまとめ読み