9月2日、IEEE Spectrumが「AI Efficiency Could Cost Us the Next Generation of Experts」と題した記事を公開した。AIによる業務効率化が若手エンジニアの育成機会を奪い、次世代の専門家を失うリスクについて詳しく論じている。

AIが壊しているのは「雇用」ではなく「徒弟制度」だ

AIが初級職を奪っているという議論は既に多い。しかし本記事が指摘するのは、より構造的な問題だ。

ハーバード大学のワーキングペーパー（米国28万社超・6,500万人規模のデータ）によれば、生成AIを導入した企業では、導入後6四半期以内にジュニア雇用が約9%減少したのに対し、シニア雇用は増加し続けた。スタンフォード大学がADPの給与データを分析した結果も同様で、2022年末以降、AI影響度の高い職種で最も若い層が雇用を失っている。

因果関係についてはまだ議論が続いている。ニューヨーク連銀の研究者はこの現象の主因をAIではなくリモートワークに求め、「未経験者は遠隔では指導しにくいため採用されなくなった」と論じている。しかし、どちらの説明も同じ崩壊を指している。先輩から後輩へ専門知識が受け渡される「徒弟チャネル」が機能しなくなっているという点だ。

問題の核心はシンプルだ。シニアエンジニアになるには、まずジュニアエンジニアを経なければならない。専門知識はダウンロードできない。失敗したビルド、行き詰まったデバッグ、「なぜこれが動いたのか」という試行錯誤の中で身につくものだ。AIがそういった経験を「効率よく」省略してしまえば、モデルを監視できるが、モデルが自信満々に致命的な間違いを犯していても気づけない人材が生まれる。

航空業界が払った授業料——「自動化のパラドックス」

筆者は1980年代後半、戦闘機のデジタルエンジンコントローラーのソフトウェア検証を手がけるエンジニアとしてキャリアをスタートさせた。当時からこの緊張は可視化されていた。機械はルーティン処理では人間を超えるが、設計者が想定しなかった状況では人間だけが頼りになる。

これが「自動化のパラドックス」の本質だ——自動化が進むほど人間の練習機会が減り、最も困難な状況だけが人間に残される。この概念は1983年にLisanne Bainbridgeが論文「Ironies of Automation」で定式化して以来、人間工学・安全工学の古典的知見として参照され続けている。

航空業界はこの代償を繰り返し、高くつく形で学んできた。典型例が2009年のエールフランス447便墜落事故だ。ピトー管の凍結で自動操縦が異常なデータを受信し、設計通りに切断されて操縦権を乗員に返した。そこで起きたのはハードウェアの故障ではなく、コンピテンシーの崩壊だった。自動操縦に慣れ切ったパイロットたちは、高高度の失速状態を手動で読み解き、回復させることができなかった。機体は正常に動いていた。自動化が静かに侵食していた技能が、動いていなかった。

業界の対応は示唆に富む。自動操縦を撤廃したのではない。意図的に手動操作の機会を組み込んだのだ。2017年にFAAはSafety Alert for Operators 17007「Manual Flight Operations Proficiency」を発行し、「手動飛行はすべての技術的飛行スキルの基盤」と明文化した。航空会社によっては、良好な気象条件での上昇・降下フェーズをあえて手動飛行で行うよう手順を変更し、わずかな燃料効率を犠牲にして乗員の生の操縦スキルを維持している。

完全に最適化されたシステムが無能なオペレーターを生み出すなら、それは最適化されていない。スプレッドシートには見えない場所に、故障モードを移しただけだ。

「マニュアルゲート」という設計パターン

筆者はここから、AIが普及した開発現場に適用できる具体的な設計パターンを提案する。名づけて「マニュアルゲート」だ。

マニュアルゲートとは、ワークフローの中で「最も速い方法だから」ではなく、「このスキルを人間の中に維持し続けるために」あえて人間が制御を握るポイントを意図的に設けることを指す。航空業界が「あえて手動飛行フェーズを残す」のと同じ発想を、ソフトウェア開発のプロセスに持ち込む試みだ。

AIを多用するソフトウェアチームの例として、筆者は次のような運用を提案する。

• 重要モジュールで不具合が発生した際、アサインされたエンジニア（意図的にジュニアを充てる）は、AIアシスタントをオフにした状態で、障害の再現・根本原因の特定・バグを捕捉する自動テストの作成を行う
• 診断にコミットした後にはじめてAIを復帰させ、修正案の生成やコードベース全体の類似バグのスキャンを行わせる
• エンジニア自身の診断とモデルの診断が食い違ったとき、それが「設計が機能している」サインだ。悪い日の本番ではなく、その前に不一致を表面化させられる

この運用が重要なのは、単にジュニアを訓練するためだけではない。シニアが「なぜAIの診断が間違っているか」を言語化して説明する機会が生まれる点でも、徒弟チャネルの再活性化として機能する。

ジュニアエンジニアにAIに任せればいい仕事をさせるのは「遅くてコストがかかる」と見られがちだが、筆者はその見方を否定する。そのプロセスこそが将来のシニアスタッフの訓練装置であり、他の重要インフラと同様に保護すべきものだと論じる。

誰がそのコストを負えるか

この仕組みには当然コストがかかる。意図的なマニュアルゲートは、完全自動化より近期的には非効率だ。

四半期業績で評価される経営環境では、AIが代替できる「余分な」人員を抱えることへの圧力は強い。筆者は冷静に認める。この論理が成立するのは、そうした圧力から構造的に切り離されている組織だけだ——創業者が経営権を持つスタートアップ、非上場企業、長期視点を持てる機関、あるいはパイロットのように定期的な技能証明を義務づける規制当局が存在する場合だ。

結論は一行に収まる。意図的な非効率は無駄ではない。安全上重要な工学の現場では、常にそれを保険と呼び、意図的に買ってきた。

自動化に抵抗するのではなく、設計によって人間が制御に関与し続けること。自動化が必ず訪れる失敗の日に、まだ「飛び方を知っている人間」が席に座っているために。

詳細はAI Efficiency Could Cost Us the Next Generation of Expertsを参照していただきたい。