2026年1月、MITテクノロジーレビューが25年間続けている「世界を変える10大技術」リストに「Generative Coding」が選ばれた。AIコーディングを「今年の注目技術」としてではなく、「社会そのものを変える技術」として公式に認定した、という意味だ。
MITが選んだということの重み
MITテクノロジーレビューの「10大技術」は、1999年から続く。量子コンピューティング、CRISPR遺伝子編集、mRNAワクチン——このリストに載ったものは、その後、社会の当たり前になってきた。2026年のリストには「Generative Coding」以外にも、商業宇宙ステーション、消えた種の遺伝子復活、高精度がん治療などが並んでいる。AIコーディングはこれらと同じ水準の「社会を変える技術」として位置づけられた。
重要なのは、このリストが「話題になっている技術」を選ぶわけではない点だ。「技術的成熟度」と「社会への実際の影響」の両方を基準にする。MITがGenerative Codingを取り上げた記事（Rhiannon Williams、2026年1月）は、その採用の背景をこう描写している——「エントリーレベルのコーディング職を犠牲にしてでも」、業界はAIコーディングを採用し続けている、と。選出が示しているのは技術の存在ではなく、その技術がすでに人の雇用と経済に影響を与えているという現実だ。
ビッグテックのコードは「もう人間だけが書いていない」
数字から見ていく。
MicrosoftのCEO Satya Nadellaは、自社のコードの20〜30%がAIによって生成されているとTechCrunchのインタビュー（2025年4月）で述べた。GoogleのCEO Sundar Pichaiは新規コードの30%超がAI生成だとEntrepreneurへのインタビューで明かしている。MetaのMark Zuckerbergは、近い将来50%をAIが担う目標をTechTimes（2025年4月）で公言した。
さらに踏み込んだ動きをしているのがSalesforceだ。CEO Marc Benioffは「2025年はソフトウェアエンジニアを新規採用しない」と宣言した。AIによって生産性が30%向上したためという説明で、同時に営業職を1,000〜2,000人増員している（SalesforceBen、2025年2月）。
注意が必要なのは、これを「コードが書けなくていい時代が来た」と読み違えないことだ。「コードを書く人間の絶対数」が変化し、「誰が、何ができる人間として求められるか」が変化している。生成されたコードを承認するだけの存在では、この変化には乗れない。
エントリーレベルの仕事が消えている現実
最も直接的な影響を受けているのは、業界に入ろうとしている若い世代だ。
Stanfordの研究によれば、22〜25歳の開発者の雇用は2022年のピーク時から約20%減少した（Rest of World、2025年）。大手IT企業15社のエントリーレベル採用は2023年から2024年の1年間で25%減少（SignalFire調査、同ソース）。Googleとメタの新卒採用は2021年比で50%減とも報告されている（同ソース）。
求人数の落ち込みはさらに急だ。2022年のピークと比較して全体で70%減、エントリーレベルだけ取り出すと60%減という調査がある（Rezi、2026年）。22〜27歳の失業率は7.4%で、国全体の4.2%の約2倍。コンピュータエンジニア専攻の失業率が美術専攻を上回るという逆転現象まで起きている（Rezi、前掲）。
「プログラミングを学べば就職できる」という前提が崩れつつある。エントリーレベルの採用減少は2026年時点で明確なトレンドとして確認されている。
ATMが普及したとき、「銀行員がいなくなる」と言われた。実際には、銀行員の仕事の中身が変わった。出納係が減り、相談職や営業職が増えた。「仕事が消える」ではなく「仕事の中身が変わる」というのは概ね正しい。
問題は「変われなかった人」だ。出納係として採用されて、相談職のスキルを身につけていなかった人には仕事がなくなった。AIコーディングでも、同じことが起きている。「コードを書く」という単一のスキルだけを持ち込もうとすると、統計の通りの結果になる。
市民開発者が増えることの光と影
「コードが書けなくてもアプリが作れる時代」が現実になりつつある。調査会社Gartnerは、2026年には市民開発者（コーディング経験のない業務ユーザーによる開発者）がプロ開発者の4倍に達すると予測している（Integrate.io）。自分のビジネス課題を、自分でツールを作って解決できる人が増える——これはシンプルに良い変化だ。
ただし、裏がある。2025年に書かれたコードの41%がAI生成だという統計がある（Netcorp Software Development）。そして、AIが生成したコードの約45%にセキュリティ上の脆弱性が含まれているというデータもある（Veracode GenAI Code Security Report、2025年）。動くことと安全であることは、まったく別の話だ。
たとえば、こういうことが起きる。
// ❌ 「商品の割引クーポン機能を作って」とAIに丸投げした場合
// 動くが、ビジネスルールが抜け落ちている
function applyDiscount(price: number, couponCode: string) {
if (couponCode === "SALE20") {
return price * 0.8; // 20%OFF
}
return price;
}
// 問題1: マイナス価格になっても止まらない（price=0でも計算が走る）
// 問題2: 小数点が発生して請求書の金額がずれる（例: 999円の20%OFF = 799.2円）
// 問題3: クーポンコードが平文なので容易に推測される
// ✅ 「このシステムの前提条件」を明示してからAIに依頼した場合
function applyDiscount(
price: number,
couponCode: string
): { finalPrice: number; error?: string } {
if (price <= 0) return { finalPrice: price, error: "INVALID_PRICE" };
const VALID_COUPONS: Record<string, number> = {
SALE20: 0.2,
};
const discountRate = VALID_COUPONS[couponCode];
if (discountRate === undefined) return { finalPrice: price, error: "INVALID_COUPON" };
// 円単位で切り捨てて小数点誤差を排除する
const finalPrice = Math.floor(price * (1 - discountRate));
return { finalPrice };
}
AIは「動くコード」を生成する。しかし「このビジネスで何がエラーになり得るか」を知らない。その知識は人間が持ち込む必要がある。これは非エンジニアが市民開発者として使う場合でも、経験豊富な開発者がAIを使う場合でも変わらない。
「AIに全振り」した企業の末路
企業レベルでも、同じ構造の失敗が起きた。
フィンテック企業のKlarnaは、カスタマーサービス部門の700人をAIに置き換えた。一時的にコストは下がった。しかし顧客満足度が低下し、CEO自身が「コストを優先しすぎた、品質が下がった」と認めて人間の再雇用を始めた（Reworked、2025年）。Forresterの調査によれば、AIを理由にレイオフを実施した企業の55%がその決定を後悔している（HR Executive）。
ハンコを押す係が100人いた会社が電子署名を導入したとする。ハンコ係は0人になった。しかし電子署名システムの管理・運用を担える人間がいなければ、システムのトラブル時に対応できない。「代替した」のではなく「別のスキルが必要になった」だけだ。Klarnaの失敗は、速度とコストだけを見てこの構造を無視した結果だ。
次のコードで見てみよう。在庫管理という、非エンジニアが作りがちな機能を例にする。
// ❌ 「在庫管理と購入処理を作って」とAIに丸投げした場合
// 同時に複数人が同じ商品を購入するとデータが壊れる
async function purchaseItem(itemId: string, quantity: number) {
const item = await db.item.findUnique({ where: { id: itemId } });
// ここで別の人が同時に購入するとitem.stockが古い値になる（競合状態）
if (!item || item.stock < quantity) throw new Error("在庫不足");
await db.item.update({
where: { id: itemId },
data: { stock: item.stock - quantity }, // 同時購入で在庫がマイナスになりうる
});
await db.order.create({ data: { itemId, quantity } });
// 問題: 在庫更新が成功して注文作成が失敗すると在庫だけ減って注文がない状態になる
}
// ✅ 「同時購入や処理の一貫性」という前提を伝えてからAIに依頼した場合
async function purchaseItem(itemId: string, quantity: number, userId: string) {
// トランザクションで「在庫更新と注文作成を必ずセットで実行」を保証する
return await db.$transaction(async (tx) => {
const item = await tx.item.findUnique({
where: { id: itemId },
// select for updateで他のトランザクションと競合しないようにロックする
});
if (!item || item.stock < quantity) {
throw new Error("INSUFFICIENT_STOCK");
}
const [, order] = await Promise.all([
tx.item.update({
where: { id: itemId },
data: { stock: { decrement: quantity } }, // 現在値から安全に引く
}),
tx.order.create({ data: { itemId, quantity, userId } }),
]);
return order;
});
}
この差は、コードの長さではない。「同時に複数人が購入したらどうなるか」「処理の途中で失敗したらどうなるか」という「ビジネスで起きうること」を先に考えたかどうかだ。AIはこの判断を自動では行わない。
需要が集中している場所
暗い話ばかりではない。需要が集中している場所がある。
AI/MLエンジニアというポジションが、2023年から2025年の2年間でIT転職市場の10%から50%に増加した（Rezi、前掲）。「AI Engineer」という肩書きのポジションは2024年5月以降143%増加している（Code Conductor、2025年）。世界経済フォーラムも、AI自動化で40%の雇用主が人員削減を見込む一方で、AI関連スキルを持つ人材の需要は増加すると予測している（Rezi、前掲）。
Stack Overflow 2025年の調査（Stack Overflow Developer Survey 2025）では、AIツールの出力を「信頼しない」開発者が46%に達した。84%の開発者はAIツールを使っているか使う予定があると答えている。つまり、「使いながら信頼しきれない」状態で現場は動いている。
この矛盾が示しているのは、「AIの出力を検証できる人間」の価値だ。ツールを使えることと、ツールの出力が正しいかどうかを判断できることは、別のスキルだ。Anthropic CEOのDario Amodeiは「AIが5年以内にジュニアホワイトカラー職の半分に影響を与える」と警告しているが、それは全部を代替するという意味ではない。代替されるのは、判断なしに実行できる仕事の部分だ。
状況を正確に把握することが出発点
MITの選出が教えていることは、「AIコーディングが主流になった」という既成事実だ。「まだそこまで影響はない」でも「全部なくなる」でもなく、統計が示す変化はすでに進行中だ。
エントリー採用が70%減った現実は、「プログラミングを学んでも無駄」を意味しない。しかし「コードを書けるようになれば仕事がある」という単純な前提も、もう通用しない。必要なのは、この構造を正確に把握した上で、自分がどこに向かうかを決めることだ。
バイブコーディングで「動くもの」が作れるようになった人も、エントリー採用の壁にぶつかっている若い人も——「動いた」の先に何があるかを考える出発点として、ここで見てきた数字と事例を使ってほしい。
