Gimme Shelter
IT人材の今後の身の振り方。
AI時代、私たちはどこに避難する?
フロンティアモデルが急速に進化するなか、どんなポジションなら飲み込まれにくいか。
手元の違和感と公開データをもとに、後半60分のディスカッションの土台を並べます。
なぜ今、「避難先」を本気で考え始めたか
日々の実体験と、外の市場データの両方から見えている変化
自分でコードを書く機会が激減した
- 日常の開発・調査・運用を複数AIエージェントで回した結果、半年近く手書きのコードから離れていた。
- いざ基礎のファイル操作を書こうとして手が止まり、「実装力だけで勝負する時代」の終わりを肌で感じた。
「モデル前提の工夫」はすぐ陳腐化する
- 過去の自作エージェント運用を棚卸しすると、モデル世代ごとの回避策や薄い自作ラッパーは標準機能の進化で次々に役目を終えていた。
- 工夫を積み上げる場所を間違えると、半年ごとにゼロからやり直しになる。
外の市場でも二極化が進んでいる
- Projects / Change 領域は +30%(同 Hays 調査)。「書く人」から「変革・基盤を回す人」へ需要が移動。
- クラウドソーシングを観測しても、単発・定型の薄いAI案件には応募が殺到(1件に数十〜100件超)し、価格競争に陥りやすい。
「コードを書く・AIを叩くだけ」の先で、どこに軸足を移すべきか?
今日、テーブルに並べる4つの論点
後半60分のディスカッションに向けて、それぞれの現状と仮説を整理する
飲み込まれにくいポジション
何が陳腐化しやすく、逆に「モデルが賢くなるほど価値が残る境界」はどこにあるか。
現場仕事などへのリスクヘッジ
物理・現場寄りの強さと、純ソフト出身者が直面する参入コストの現実をどう見るか。
避難先になるのか?
AIによる脆弱性発見の自動化と、規制強化・AI由来の新脅威の綱引きをデータで見る。
それぞれの身の振り方
経験の活かし方、未経験の壁、「成長のはしご」が外れるジレンマと若手の強み。
フロンティアモデルに飲み込まれにくいポジション
モデル性能の進化で消える「薄い層」と、モデルの外側に残る「3つの境界」
モデルが賢くなると価値が溶ける
- モデル世代ごとの回避策
プロンプト小技や、当時の弱点を埋めるだけの複雑な固定手順。 - 単発の実装・定型テスト
仕様が閉じた部品づくりや、よくあるCRUD・スクリプト生成。 - 「AIにつなぐだけ」の薄いツール・入門
公式コネクタや標準エージェント機能が追いつくと一瞬で代替される。
正解データの定義、原本照合、欠損・重複の検知、失敗時の復旧や再送防止。複数サービスをまたいで仕事を終わらせる設計は、単発コードより圧倒的に資産になりやすい。
「どこまでAIに任せて、どこで人間が止めるか」。プロンプトのお願いではなく、実行環境・権限分離・承認フローとして強制する設計。
法人AI導入を調べても「入門」は飽和している一方、管理者設定(SSO/権限/監査)・稟議・セキュリティ審査・効果測定は供給が極端に薄い。
モデルの賢さと競争しない。「モデルの外側にある責任・境界・実運用」に立つ。
フィジカルAI・現場仕事などへのリスクヘッジ
物理世界の「代替されにくさ」と、IT人材が直面する「参入コストの壁」
なぜ物理・現場は置換されにくいのか
- 物理制約と例外処理の多さ:設置・配線・修繕・接客など、現場ごとに環境が違う作業は汎用ロボ化に時間がかかる。
- 長期保守と安全認証:組込み・IoT・OT(工場/インフラ制御)は、法規制・安全基準・長期サポートが参入障壁になる。
- 規制の追い風:欧州 EU CRA(製品セキュリティ規制、2027年本格適用)など、ハード×ソフトの要件も増加。
純ソフト出身者がぶつかるギャップ
- 距離と立ち上げコスト:機材・規格・資格・現場の商習慣をゼロから積むと、本業との相乗効果が出にくい。
- 「導入のラストワンマイル」の難しさ:現場向けツール(工事写真台帳、図面差分、端材管理など)は需要があっても、現場に定着させる信頼関係がボトルネック。
- フィジカルAIも進化中:単純な物理反復作業は、数年単位でロボット側の自動化リスクも残る。
電気工事・設備・店舗・農業など、デジタル景気と相関の低いリアルな手に職や資格を別軸で持つ。
現場の泥臭い業務(帳票・検品・在庫・現地運用)に入り込み、AIや仕組みを安全に橋渡しする。
セキュリティ領域は「AIで不要になる」のか?
公開データで見る「自動化が進む現実」と「需要が増え続ける現実」
既知パターンの発見・修正は機械化へ
- DARPA AIxCC 決勝(2025):AIが5,400万行超のコードを解析し、実在脆弱性も18件発見・11件パッチ。
- 既知CVEスキャン、定型SOCの一次トリアージ、単純なコード修正は急速にAI側へ移行する。
法規制・国策・需給ギャップが拡大
- 日本の制度強化:能動的サイバー防御関連法(2026年10月主要施行)、経済安保クリアランス(2025年5月施行)。
- WEF Future of Jobs 2025:最速成長スキル上位に「AI」と「サイバーセキュリティ」が並立。
セキュリティ知識は消えない。消えるのは定型手作業で、設計・判断・規制対応へ重心が移る。
AI自身が「新しい攻撃面」を広げている
AIを使うほど、「何をどこまで許可するか」の設計責任が人間側に跳ね返る
便利さの裏で広がる攻撃面
- OWASP LLM / Agentic Top 10:プロンプトインジェクション、ツール濫用、過剰な自律・権限暴走を公式リスクとして定義。
- 「鍵を隠す」と「操作を絞る」は別問題:画面上で伏字にしても、AIが使える窓口に万能権限があれば誤操作・漏えいは止まらない。
- 使う側が当事者:ツールやMCPをつなぐ開発者・運用者ほど、防御の知識がないと自分で穴を開けやすい。
業務仕様に根ざした認可は人が決める
- 画面上の制御はサーバー側認可の代わりにならない。
- 「誰が・どのデータに・何をしてよいか」の境界は、AIに丸投げせず人が仕様化し、コードで強制・テストするしかない。
資格や防御の「単体勝負」より、AI運用・開発力 × 権限・認可・説明責任の掛け算が強い。
シニア世代のキャリアと身の振り方
「年齢の壁」のリアルを踏まえ、AI時代にむしろ活きる経験を見極める
40代以上は主流だが選ばれ方が違う
- 業務委託・フリーランスでは主流層:40代以上が大きな割合を占める(フリーランス全体で40代が最多層、IT系エージェントでも40代前後〜後半が中核)。
- 一方、正社員転職は若年寄り:IT・通信系転職成功者の平均は32.2歳、40歳以上は15.5%(doda 2025)。
- 評価軸はポテンシャルではなく即戦力・実績・再現性。
分が悪くなりやすい戦い方
- 完全未経験からのゼロ転換:どの領域でも「40代・実務ゼロ」の壁は極めて高い。
- 実装スピード単体の勝負:AI+若手の組み合わせに対して、純粋なコーディング量だけでは差別化しにくい。
- 過去の成功体験への固執:古いやり方を守るだけのマネジメントは、AI導入のボトルネックになりやすい。
既存経験 × AI の掛け算
- 失敗と復旧の勘所:障害・炎上・移行の経験があるからこそ、AIが出した案の「危ない匂い」に気づける。
- 業務・利害調整・責任:顧客・経営・現場の曖昧な要求を仕様に落とし、最終判断を引き受ける力。
- 守備範囲の拡張:自分の専門軸を保ったまま、AIを使って周辺領域(設計・調査・運用・提案)まで一人で回せる。
シニア世代が「あえて手放すべき過去のやり方」と、「むしろAI時代に武器になる経験」の境目はどこ?
ジュニア世代のジレンマと強み
「成長のはしご」が変わりつつある今、若手の戦い方はどう変わるか
「成長のはしご」が外される問題
- 登竜門だった作業の消滅:かつてジュニアが手を動かして体得していた「定型実装・テスト・簡単な調査」をAIが真っ先に代替している。
- レビューする側の難しさ:基礎の失敗を十分に踏む前に、「AIの出力が正しいか見極める役割」を求められやすい。
- 「AIが動いた=理解した」の罠:動くものがすぐ作れるぶん、裏側の仕組み(DB・認証・ネットワーク・エラー原因)がブラックボックスになりがち。
AIネイティブの速度と身軽さ
- 過去のやり方に縛られない:既存ツールや古いワークフローへの愛着がないぶん、新しいエージェント・音声・自律運用を最初から前提に組める。
- 圧倒的な試行回数:小さく作って壊して発信するサイクルを、一人でかつてのチーム並みの速度で回せる。
- 市場の学習投資枠は厚い:正社員採用のポテンシャル枠・リスキリング投資は依然として若年層に大きく開かれている。
これから学ぶ人は、「あえて自分の手でやるべき基礎」と「最初からAIに任せてよいこと」をどう線引きすべき?
さあ、みんなで話しましょう
結論や正解は不要。気になっていること・試していることを持ち寄る60分
「避難」は逃げるだけでなく、
軸足を置き直すこと
- ポジション:モデルの賢さと戦わず、実運用・権限・責任の「外側の境界」に立つ。
- フィジカル/現場:参入コストを見極めつつ、別腹の保険か「現場接続」を選ぶ。
- セキュリティ:定型自動化を前提に、AI運用 × 境界設計・説明責任を掛け算する。
- 世代別:シニアは既存経験×AIで拡張、ジュニアは基礎の踏み方×AIネイティブの速度。
20:00〜21:00 ディスカッション