AIブームでも縮む、ジュニアエンジニアの就職市場

エージェント型コーディング——限られた人間の介入でコードを書き、テストし、修正するAIシステム——がジュニアソフトウェアエンジニアを置き換えつつあるのか、それとも単に企業が彼らに任せてきたタスクを置き換えているだけなのか、議論が激しさを増している。MarkTechPostによれば、この問いはたいてい逆の順序で立てられている。上昇するベンチマークスコアから労働市場の結論へと直接飛躍し、本来その間で成立すべき一つひとつの段階を飛ばしているというのだ。

ベンチマークは主張するほどのものを測っていない

MarkTechPostはMETRの「タイムホライズン」研究を引用する。これは熟練した人間があるタスクにかかる時間を計測し、AIモデルが半分の確率で成功するタスクの長さを特定するものだ。この時間軸は2019年以降おおよそ7カ月ごとに倍増しており、MarkTechPostによれば2024年から2026年にかけてその倍増ペースはさらに加速し、最先端システムの能力は今や分単位ではなく時間単位で測られるという。しかし50%の成功率は、雇用主が人員配置の基準にできる数字ではない。MarkTechPostが指摘するように、80%の信頼性基準で見ると、最先端モデルは人間が4分未満で終えるタスクではほぼ完璧である一方、4時間を超えるタスクでは成功率が10%未満に落ち込む。MarkTechPostが書くように、METR自身のタスクは意図的に自己完結型に設計されており、これはジュニアエンジニアの実際の入社初期とは正反対だ。その時期はほとんどが文脈の吸収に費やされる。どのチームがどのサービスを所有しているか、古い抽象化がなぜ今も残っているか、誰に尋ねればよいか、といったことだ。

広く引用される第二の数字については、状況はさらに悪化する。MarkTechPostがラボ自身の発表を伝えるところによれば、2026年2月、OpenAIはSWE-bench Verifiedでのスコア公表を停止し、他の研究機関にも同様の対応を勧告した。データセットの27.6%を対象にした監査では、監査対象となった問題のうち少なくとも59.4%に、機能的に正しい解答を不合格と判定してしまう欠陥のあるテストケースが含まれていたことが判明し、加えて学習データの汚染を示す証拠も見つかった。MarkTechPostの報道によれば、SWE-bench Proのような、より難易度が高く汚染されていないテストセットでは、企業が製品発表時に引用するVerifiedの数値に比べ、最先端モデルのスコアは大きく落ち込むという。

本当のボトルネックはコードを書くことではなく検証だ

コストに関する最も明確な証拠は、METRが16人の経験豊富なオープンソース開発者を対象に、それぞれの自分のリポジトリにおける246件の実タスクで実施した無作為化比較試験から得られている。MarkTechPostが引用するところによれば、AIの利用を無作為に許可・禁止したこの試験で、開発者たちは事前に24%の高速化を予測し、事後にも自分たちが20%速くなったと見積もった——しかし画面の録画記録は、実際には19%遅くなっていたことを示していた。MarkTechPostはこの試験の限界を指摘する。使われたツールは2025年初頭のもので、対象も自分がよく知るコードベースで作業する経験豊富な開発者という小さな集団だった。それでもMarkTechPostは、体感生産性と実測生産性のギャップこそがこの試験の最も揺るぎない発見だとし、それはまさに、あいまいにするのではなく明確に指摘すべき種類の食い違いだとしている。

より広範な調査も同じ方向を示している。MarkTechPostが引用するStack Overflowの2025年調査(開発者49,000人以上が対象)では、84%がAIコーディングツールを使用中または使用予定と回答した一方、46%が出力の正確性を積極的に疑っており、信頼すると答えたのは33%にとどまり、高い信頼を示したのはわずか3%だった。Googleの約5,000人のプロフェッショナルを対象としたDORA調査では、90%が仕事でAIを使用し、80%超が生産性を高めたと考えている一方、30%はAI生成コードをほとんど、あるいはまったく信頼していないと回答した。スループットは前年比で改善したものの、リリースの安定性は改善しなかったという。MarkTechPostは、AIエージェントがジュニアに取って代わるにはまだ満たされていない条件が三つあると主張する。

• 自己完結型のベンチマークタスクではなく、ジュニアの実際の業務が持つ長さと事前の文脈を伴うタスクでの信頼できる性能
• SWE-bench Verifiedのように使用停止となったテストセットではなく、より難易度が高く汚染されていないテストセットでも維持されるベンチマークスコア
• シニアがAIの出力をレビューする際の検証コストが、単純に人に仕事を委任するコストを下回ること

採用データはすでにこの変化を示している

MarkTechPostは、最初の三つに依存しない四つ目の条件があると主張する。それは、置き換えが実際に機能するかどうかにかかわらず、企業がジュニアエンジニアをシニアへと育てる自社の育成パイプラインを断ち切る用意があるかどうかだ。米国労働者のおよそ6人に1人をカバーするADPの給与データを追跡するスタンフォード大学のデジタル・エコノミー・ラボは、ソフトウェア開発を含むAIの影響を最も受けやすい職種において、22〜25歳の雇用が同じ職種の年長の労働者と比べて明確に乖離していることを見出した。2025年7月時点のデータでは差が15%、2026年6月までにその差は19%に広がっており、MarkTechPostの報道によれば、これは主に解雇ではなく採用の減少によって引き起こされているという。

CIOも採用側から同様の冷え込みを報じている。CIOが引用するニューヨーク連邦準備銀行の推計によれば、米国ではコンピュータ工学専攻の新卒者の失業率が7.5%、コンピュータサイエンス専攻の新卒者が6.1%に達しており、これは4.3%という全米の失業率を大きく上回り、看護学(1.4%)や土木工学(1%)専攻の新卒者と比べても著しく高い。Resume.orgが米国の経営幹部1,000人を対象に行った調査では、10社中6社が2026年に人員削減を行う可能性が高いと回答し、10社中4社がその一部をAIに置き換える計画があると答えたと、CIOは報じている。「9万ドルでジュニアを雇う理由がどこにある、GitHub Copilotなら10ドルで済むのに」と、シニアソフトウェアエンジニアのチラグ・アグラワル氏はCIOに語り、自身の仕事がコードを書くことから、エッジケースやセキュリティ上の欠陥についてAIの出力を検証することへと変わったと述べている。コンサルティング企業TredenceのAI責任者ラチット・グプタ氏もCIOに対し、バグ修正やテストの記述、ジュニアがかつて腕を磨いていた定型的なコーディングの多くを今やAIがこなしていると語る一方、アーキテクチャやコンプライアンス、セキュリティに関する判断は依然として経験豊富なエンジニアに委ねられていると述べた。

企業にとって、実際上の利害は差し迫っている。景気後退期にジュニアの採用を減らせばコストは節約できるが、MarkTechPostの根底にある主張は、ジュニアが入社時点ですでにこなせる定型化されたタスクこそがエージェントによって自動化されつつあるものであり、シニアエンジニアが持つ暗黙の判断力とは、まさにそうしたタスクを通じて現場で身につけるはずだったものだ、という点にある。これは雇用主に、ほとんど誰も予算計上していない問いを突きつける。もし最初の一段が消えてしまえば、次世代のレビュアーを誰が育てるのか、という問いだ。同じAIコーディングツールの普及が進む日本を含め、今まさに就職市場に入る新卒者にとって、両記事の読み解き方は一致している。定型的なコードを書くことを軸に組み立てられた職はやせ細っていく一方、実際に採用される人材には、AIが生成したコードをただ量産するのではなく、それを疑い、テストし、修正できる能力がますます求められている。