会計

コードが書ける人の価値が消える日。残るのは、世界を組み上げる人だ

みなさん、おはようございます！こんにちは！こんばんは。Jindyです。 　

AIがコードを書く時代になった。

この一文だけ聞くと、多くの人は少し怖くなる。
エンジニアの仕事がなくなるのか。
プログラミングを学ぶ意味は薄れるのか。

でも、話はそこまで単純ではない。

本当の変化は、もっと静かで、もっと深いところで起きている。
価値が消えるのは、コードそのものではない。
価値が移動している。

これまでソフトウェア開発では、作れる人に価値が集まった。
アプリを作れる。Webサービスを作れる。業務システムを作れる。
それだけで十分に希少だった。

ところが生成AIの登場で、作ることのハードルは一気に下がった。
簡単な画面、API連携、データ処理、プロトタイプ。
以前なら数日かかったものが、数時間で形になる。

ここで勘違いしてはいけない。
作れる人が不要になるわけではない。
作れるだけの人が、差別化しづらくなる。

このブログで得られるのは、AI時代のキャリア論だけではない。
どんな会社が伸びるのか。どんな人材が評価されるのか。どんな事業に投資妙味があるのか。
その見方までつながる。

会計で言えば、これは費用科目ではなく無形資産の話だ。
開発コストより、その会社がどんな顧客接点、データ、運用力、信頼、補完者ネットワークを積み上げているか。
そこに価値が移る。

AI時代に強い人は、キーボードを速く叩く人ではない。
人、業務、数字、デザイン、技術、感情、制度をつなげ、勝手に回る仕組みを作れる人だ。

地味に見える。
でも、最後に利益を持っていくのはこのタイプです。

作る力は値崩れする。だが、設計する力は値上がりする

ソフトウェアが作れることは、かつて強い武器だった。
今も武器ではある。
ただし、昔ほどレアではない。

GitHub Copilotを使った実験では、AI支援を受けた開発者が課題を大幅に速く完了した。別の実環境調査でも、AI支援で完了タスクが増えた。
コードを書く生産性はすでに上がっている。

これは良いニュースだ。
同時に、残酷なニュースでもある。生産性が上がる仕事は、単価が下がりやすい。

コードは、職人芸から半製品に近づく

昔のソフトウェア開発は、材料から手で削り出す仕事に近かった。
要件を聞き、設計し、コードを書き、テストし、修正する。
1行ずつ積むしかなかった。

ところがAIは、この工程の一部を半製品化する。
それっぽいコードを出す。
画面を出す。
テストコードも出す。
ドキュメントの下書きまで出す。

もちろん、そのまま使えるとは限らない。
それでも、ゼロから書く時間は減る。

ここで起きるのは、開発の民主化だ。
今まで作れなかった人も、ある程度までは作れるようになる。
小さなツールなら、非エンジニアでも作れる。

では、誰が高く売れるのか。

答えは単純で、半製品を完成品にできる人だ。
もっと言えば、完成品を事業にできる人だ。

AIが増やすのは成果物ではなく、検証すべきもの

AIがコードを増やすと、世の中は便利になる。
ただし、同時にバグも増える。
設計のズレも増える。
誰も責任を持っていない中途半端な機能も増える。

ここが落とし穴。

見た目は動く。
デモでは映える。
でも、本番運用で止まる。
権限管理が甘い。
データの意味が違う。
例外処理が抜けている。
担当者が退職した瞬間に誰も触れない。

AI時代の怖さは、作れないことではない。
作れすぎることだ。

会計で言うなら、安く取得した資産に見えて、実は後から減損が来る。
最初は開発費が下がったように見える。
でも、運用保守費、修正工数、セキュリティ対応、品質保証が後から乗ってくる。

つまり、AIで安く作ったソフトウェアは、負債にもなる。
資産になるか負債になるかは、設計と運用で決まる。

差がつくのは、何を作らないかを決める力

AIがあると、人はすぐ作りたくなる。
思いついた機能を追加する。
ユーザーの要望を全部拾う。
社内の偉い人の一言で画面が増える。

そして、気づいたらプロダクトが重くなる。
誰のためのものか分からなくなる。

価値がある人は、作る前に止める。

この機能は顧客の行動を変えるのか。
この画面は毎日開かれるのか。
この自動化は、現場の例外処理まで吸収できるのか。

作れるから作る。
それはAI時代の負け筋だ。

作れるけど、作らない。
作るなら、業務の流れと利益の流れまで変える。
この判断ができる人に価値が集まる。

ソフトウェア開発の価値は、実装量から意思決定の質へ移っている。
コードを書く手が速い人より、何を作るべきか、何を作らないべきか、作った後に誰がどう使うのかを読める人が強い。

これはエンジニアだけの話ではない。
企画、経理、営業、管理職、投資家。
全員に刺さる。

AI時代は、作業者に厳しい。
でも、設計者にはかなり面白い時代になる。

価値はプロダクト単体ではなく、エコシステムで生まれる

良いアプリを作れば売れる。
この考え方は、もうかなり危ない。

もちろん、プロダクトの質は必要だ。
でも、それだけでは足りない。
なぜなら、顧客は機能だけを買っているわけではないからだ。

顧客が本当に買っているのは、面倒が減ること。
失敗しなくなること。
社内説明が通ること。
既存業務に自然に入り込むこと。
使い続けても破綻しない安心感。

価値はプロダクトの内側だけでは完結しない。
外側に広がる。

エコシステムとは、周辺が勝手に味方になる構造

エコシステムという言葉は、少しふわっとしている。
でも、事業を見るうえではかなり使える。

単体の商品ではなく、周辺プレイヤーとの関係性まで含めて価値を作る仕組みだ。

顧客。
代理店。
開発者。
データ提供者。
既存システム。
規制当局。
教育コンテンツ。
コミュニティ。

これらがバラバラに存在しているうちは弱い。
それぞれがつながり、使うほど便利になり、参加者が増えるほど価値が上がると強い。

たとえば、会計ソフトなら、仕訳入力機能だけでは弱い。
銀行口座、クレジットカード、請求書、税理士、監査、経営レポート、資金繰り、給与、ワークフローまでつながると、一気に抜けにくくなる。

機能ではなく、生活圏に入り込む。
業務の血管に入る。
ここまで来ると、単なるソフトではなくなる。

投資家が見るべきは、売上よりも抜けにくさ

AI時代のソフトウェア企業を見るとき、売上成長だけを見ていると危ない。
売上は広告費でも作れる。
値引きでも作れる。
一時的なブームでも作れる。

見たいのは、抜けにくさだ。

解約率はどうか。
既存顧客の利用範囲は広がっているか。
データが蓄積されるほど便利になるか。
他社連携が増えているか。
運用支援まで握っているか。

ここに答えがある会社は強い。

会計的に言えば、これは見えない資産の蓄積だ。
貸借対照表にはきれいに出てこない。
でも、投資家はそこを見ないといけない。

顧客基盤。
データ資産。
運用ノウハウ。
補完者ネットワーク。
ブランド信頼。

これらは、工場や在庫のように数字で見えない。
でも、利益率と継続率ににじみ出る。

会計は、エコシステムの強さを読む補助線になる

会計は過去の数字をまとめる道具だと思われがちだ。
でも、本当は事業構造を読むレントゲンだ。

粗利率が高いのに営業利益が出ない会社は、獲得コストが重いのかもしれない。
売上は伸びているのにキャッシュが残らない会社は、顧客を無理に取りにいっているのかもしれない。
研究開発費が増えている会社は、未来への投資なのか、既存製品の穴埋めなのかを見ないといけない。

AI時代は、ここがさらに難しくなる。

なぜなら、開発コストが下がる一方で、運用、検証、顧客支援、データ管理の比重が上がるからだ。
費用の名前だけ見ても分からない。
その費用が資産を作っているのか、火消しで消えているのか。
ここを読む必要がある。

たとえば、カスタマーサクセス費用が大きい会社。
一見、重たい。
でも、その支出によって解約率が下がり、利用範囲が広がり、顧客の業務に深く入り込んでいるなら、それは将来の収益力を作っている。

逆に、AIで作った機能を大量に並べているだけなら危ない。
見た目は派手でも、顧客の習慣になっていない。
この差は、時間とともに利益率に出る。

プロダクト単体の時代は、出来で勝負できた。
エコシステムの時代は、作ったものの周りにどんな関係性を生むかで勝負が決まる。

良い機能は真似される。
良いUIも真似される。
でも、顧客の業務に入り込み、データが積み上がり、周辺プレイヤーが参加し、使うほど抜けにくくなる構造は簡単には真似できない。

そこに堀ができる。
投資家が見るべき堀も、たぶんそこにある。

マルチモーダルな人が、秩序を自然発生させる

これから価値を出す人は、ひとつの専門だけで勝つ人ではない。
専門を捨てるという話ではない。
むしろ逆だ。
深い専門を持ちながら、別の世界と接続できる人が強い。

言語で説明できる。
数字で構造化できる。
画面で見せられる。
業務文脈に落とせる。
人の感情も読める。

この統合感覚がある人は、少し不思議に見える。
なぜか人が集まる。
なぜか話が前に進む。
なぜか偶然が起きる。

でも、それは魔法ではない。
構造です。

マルチモーダルとは、人間の現実に近づくこと

AI研究でマルチモーダルと言うと、テキスト、画像、音声、動画など複数の情報形式を扱う話になる。
人間も同じだ。

私たちは、文章だけで仕事をしていない。
数字だけで判断していない。
資料の見た目、会議の空気、相手の表情、現場の違和感、売上の動き、チャットの温度。
いろいろな情報を同時に見ている。

だから、AI時代に人間が強みを出すなら、この統合力が武器になる。

数字だけ見ている人は、現場の痛みを見落とす。
現場だけ見ている人は、利益の構造を見落とす。
技術だけ見ている人は、顧客がなぜ使わないのかを見落とす。

全部を完璧にできる必要はない。
でも、翻訳できる人は強い。

経理の言葉を営業に翻訳する。
技術の制約を経営に翻訳する。
顧客の不満を要件に翻訳する。
投資家の期待を社内KPIに翻訳する。

この翻訳者が、組織の詰まりをほどく。

秩序は命令ではなく、条件設計から生まれる

仕事ができる人ほど、全部を自分で動かそうとしない。
人が動く条件を作る。

情報の置き場所をそろえる。
判断基準を明確にする。
誰に相談すればいいかを見えるようにする。
小さな成功が共有される流れを作る。
失敗しても修正できる余白を残す。

こういう人がいると、組織は少しずつ勝手に整う。
会議が短くなる。
手戻りが減る。
誰かが詰まる前に、別の誰かが助ける。

外から見ると、運がいい人に見える。
たまたま良い人に恵まれているように見える。
なぜか良い案件が回ってくる人に見える。

でも実際には、偶然が起きる確率を上げている。
人と情報がぶつかる場所を作っている。
孤立していた知識をつないでいる。

これは、管理ではなく設計だ。

よく分からない人は、境界線をまたいでいる

周囲からよく分からない人と言われる人がいる。
職種で説明しづらい。
肩書きに収まらない。
会議では技術の話もするし、数字の話もする。
ユーザー体験にも口を出すし、採算にも口を出す。

面倒な人に見えることもある。
でも、変化の時代にはこのタイプが要る。

新しい価値は境界線の上で生まれやすい。
営業と開発の間。
経理と事業の間。
顧客とプロダクトの間。
現場と経営の間。

ひとつの部署の中だけで完結する課題は、AIと既存ツールでかなり処理できる。
でも、部署をまたぐ問題は残る。
むしろ増える。

AIが作業を速くするほど、組織のズレも速く表面化する。
技術はできるのに、現場が使わない。
売れるのに、サポートが崩れる。
数字は伸びるのに、利益が残らない。
導入は進むのに、統制が効かない。

このズレをつなぐ人が、次の時代の希少人材になる。

マルチモーダルな人とは、何でも屋ではない。
異なる世界の言葉を聞き分け、つなぎ直し、動ける形に変える人だ。

この人は、派手なスキル名で説明しにくい。
でも、現場ではすぐ分かる。
その人が入ると、止まっていた話が動く。
バラバラだった情報が線になる。
誰も責任を取れなかった曖昧な問題に、前進する足場ができる。

AI時代に残る価値は、単独の能力ではなく、接続する能力に宿る。

結論

これからの時代、作れることだけに価値を置くと苦しくなる。

コードは速く書けるようになる。
資料も速く作れる。
画像も動画も、分析も、かなりのところまでAIが助けてくれる。

でも、便利になるほど、人間の仕事は消えるのではなく、むしろ逃げ場がなくなる。
何を作るのか。
なぜ作るのか。
誰の行動を変えるのか。
どう続けるのか。
どこで利益を取るのか。
誰が責任を持つのか。

この問いから逃げられなくなる。

AIは、手を動かす人を減らすかもしれない。
でも、世界を組み上げる人の価値は上がる。

プロダクトを作るだけでは足りない。
使われる理由を作る。
続く仕組みを作る。
周囲が参加したくなる余白を作る。
数字に残る利益と、数字に出る前の信頼を見る。

それができる人は、たぶん周囲から少し変に見える。
何をしているのか分かりにくい。
あちこちに顔を出しているだけに見える。
でも、気づけば人がつながり、情報が流れ、場が動き始める。

それを運と呼ぶ人もいる。
センスと呼ぶ人もいる。
でも、正確には、秩序を生む設計力だ。

AI時代に必要なのは、機械より速く手を動かすことではない。
機械、人間、組織、市場が、それぞれの力を出せる場所を作ること。

コードを書く人から、世界を編む人へ。
作業者から、構造を生む人へ。
機能を足す人から、意味をつなぐ人へ。

そこに、これからの仕事の美しさがある。
そして、そこにこそ投資する価値がある。

見えないものを見て、まだ形のないものに輪郭を与える。
その力は、AIが進化しても、簡単には安売りされない。

人間の価値は消えない。
ただ、置き場所が変わるだけだ。

あわせて読みたい本

1. 『ソフトウェアファースト第2版　あらゆるビジネスを一変させる最強戦略』

AI時代に、なぜソフトウェアが企業戦略そのものになるのかを考えるなら、まず読みたい一冊。

この本の面白さは、ソフトウェアを単なるシステム部門の話で終わらせないところにあります。
作る、導入する、効率化する。そこ止まりではなく、ソフトウェアをどう事業価値や顧客体験につなげるかまで踏み込んでいる。

この記事で書いた、コードが書けることより、何を作り、どう使われ、どう利益につながるかが問われるという話と相性がいいです。

DXがうまくいかない理由を、ツール不足ではなく、会社の構造や意思決定の問題として見たい人には刺さるはずです。


2. 『プロダクトマネジメントの教科書　PMの仕事を極める　スキル、フレームワーク、プラクティス』

AIで作るスピードが上がるほど、プロダクトマネジメントの価値は上がります。

なぜなら、早く作れる時代ほど、何を作らないかを決める力が問われるからです。
機能を足すことは簡単になる。
でも、顧客の課題を見極め、優先順位をつけ、チームを動かし、事業成果につなげるのは簡単ではない。

この本は、プロダクトマネージャーに必要な考え方や実務の型を押さえるのに向いています。

エンジニアだけでなく、企画、営業、マーケティング、経営企画、管理部門の人にもおすすめです。
プロダクトを見る目が変わると、会社の数字の見え方も変わります。


3. 『ビジネスエコシステム　概念の理解からデザインの実践まで』

この記事の中心テーマに一番近いのが、この本です。

良い製品を作れば勝てる。
この考え方は、もうかなり危ない。

実際の競争優位は、製品単体ではなく、顧客、パートナー、補完サービス、データ、運用体制、コミュニティがどうつながるかで決まります。

この本は、ビジネスエコシステムという言葉を雰囲気で終わらせず、どう理解し、どう設計するかに踏み込んでくれます。

AI時代に価値を出す人は、単体の機能を作る人ではなく、周囲が自然に参加したくなる場を作る人。
その感覚を鍛えたい人には、かなり相性のいい一冊です。


4. 『AIプラットフォーム企業のデータネットワーク効果　データの規模と範囲・持続可能性』

AI企業やプラットフォーム企業を投資目線で見るなら、読んでおきたい本です。

AI時代の強さは、モデルの性能だけでは決まりません。
どんなデータが集まり、どの範囲で使われ、使われるほど改善する仕組みがあるのか。
ここが本丸です。

データが増えるほど便利になる。
利用者が増えるほど価値が増す。
一度入り込むと抜けにくくなる。

こうした構造は、決算書だけを見ていても見落としやすい。
でも、長期的な利益率や競争優位を考えるなら、避けて通れない論点です。

AI関連株やSaaS企業を見るとき、売上成長だけでなく、データとネットワークの質を見たい人におすすめです。


5. 『現場で活用するためのAIエージェント実践入門』

AIエージェントを、流行語ではなく実務の道具として見たい人に向いている一冊です。

AIエージェントは、単にチャットで答えるAIではありません。
情報を集め、判断し、ツールを使い、タスクを進める存在になっていく。
そうなると、仕事の作り方そのものが変わります。

ただし、ここでも大事なのは、作れることではありません。
現場で使えるか。
評価できるか。
改善できるか。
業務フローに組み込めるか。

この本は、AIエージェントを作って終わりにしないための視点を持つのに役立ちます。

AIを触っているだけの人から、AIを業務や事業に組み込める人へ。
その一歩を踏み出したい人におすすめです。


それでは、またっ！！

引用論文等

  1. Sida Peng, Eirini Kalliamvakou, Peter Cihon, Mert Demirer, The Impact of AI on Developer Productivity: Evidence from GitHub Copilot。GitHub Copilotを使った実験で、AI支援を受けた開発者が課題を55.8%速く完了した研究。本文では、コードを書く生産性が上がっている根拠として使用。
  2. Kevin Zheyuan Cui, Mert Demirer, Sonia Jaffe, Leon Musolff, Sida Peng, Tobias Salz, The Effects of Generative AI on High-Skilled Work: Evidence from Three Field Experiments with Software Developers。Microsoft、Accenture、匿名のFortune 100企業で行われたフィールド実験。AI支援が高技能労働に与える影響を見る根拠として使用。
  3. DORA / Google Cloud, State of AI-assisted Software Development 2025。AIは組織の強みと弱みを増幅し、リターンはツール単体ではなく組織システムから生まれるという整理。本文では、AI導入が組織設計の問題になる根拠として使用。
  4. Feiyang Xu et al., AI-assisted Programming May Decrease the Productivity of Experienced Developers by Increasing Maintenance Burden。AI支援により生産性が上がる一方、再作業やレビュー負担が熟練者に寄る可能性を示す研究。本文では、AI生成コードが資産にも負債にもなるという論点の根拠として使用。
  5. Ron Adner, Ecosystem as Structure: An Actionable Construct for Strategy。エコシステムを、複数主体と活動の相互依存構造として整理した戦略論文。本文では、価値がプロダクト単体ではなく周辺関係から生まれるという整理に使用。
  6. Tadas Baltrušaitis, Chaitanya Ahuja, Louis-Philippe Morency, Multimodal Machine Learning: A Survey and Taxonomy。マルチモーダル機械学習の主要課題を、表現・翻訳・整合・融合・共学習として整理したレビュー論文。本文では、言語・数字・視覚・文脈を統合する力の説明に使用。
  7. Ronald S. Burt, Structural Holes and Good Ideas。ネットワークの隙間に立つ人が、良いアイデア、評価、昇進、報酬と結びつきやすいことを示した研究。本文では、運がいい人に見える人の構造的説明に使用。

コメントを残す

メールアドレスが公開されることはありません。 ※ が付いている欄は必須項目です

RECOMMENDこちらの記事も人気です。