AIに仕事を取られる?IT業界の現状と今から身につけたい力

キャリア・転職・副業

「AIがプログラムを書けるなら、エンジニアの仕事はなくなるの?」
「今からITを勉強しても、身につけたスキルが使えなくなるかもしれない」

AIの進化を見て、これからの働き方に不安を感じることはありませんか。

ITの仕事には、AIによって自動化・効率化できる作業があります。ただし、一部の作業が自動化できることだけで、職業全体がなくなるとはいえません。 仕事内容が変わる可能性と、雇用への影響を分けて考える必要があります。

これから備えるなら、自分が関わりたい仕事について「AIを使える部分」と「確認や判断に必要な知識」を具体的に見ていきましょう。

この記事では、公的資料や研究をもとにIT業界の現状を整理し、AIで変わる仕事の例と、今から身につけたい力を解説します。

※掲載情報は2026年10月22日時点です。調査の実施時期や対象は、各項目に記載しています。

AIに仕事を取られる?まずは「仕事の中身」から考えよう

AIの影響を考えるときは、仕事を構成する作業に分けると整理しやすくなります。

例えば、Webサービスを作る仕事には、次のような工程があります。

  • 利用する人の困りごとを聞く。
  • 必要な機能や条件を決める。
  • プログラムを書く。
  • 想定どおりに動くか確認する。
  • 公開後の不具合を調べ、修正する。

このうち、プログラムの下書きが速くなったとしても、それだけでサービスを安全に運用できるとは限りません。使う人の要望や、既存の仕組みとの関係、問題が起きたときの対応も考える必要があります。

ILO(国際労働機関)が2025年に公表した研究でも、多くの職業には人の関与が必要な作業が含まれており、生成AIの主な影響として仕事内容の変化を挙げています。

一方で、一部の作業の自動化でも、必要な人数が減る可能性はあると説明しています。「人が担う仕事が残ること」と「現在の雇用人数が維持されること」は、同じではありません。

なお、この研究は生成AIが作業に関われる可能性を分析したもので、日本のIT業界で将来何人が失業するかを予測したものではありません。

参考:ILO「Generative AI and Jobs: A Refined Global Index of Occupational Exposure」

自分の将来を考える際は、職種名だけで判断せず、「その仕事では、何を作り、何を確認し、どんな判断をするのか」まで見ていきましょう。

2026年のIT業界の現状|AI活用と人手不足のデータ

AIの利用状況と、人材の過不足は、それぞれ別の資料から確認できます。

国内企業では、AIの導入・試験利用が広がっている

IPA(情報処理推進機構)の「DX動向2026」では、2026年4〜6月に実施した企業調査の結果が公表されています。

AIの導入状況について回答した1,794社の内訳は、次のとおりです。

AIの利用状況回答割合
導入している42.3%
現在、試験利用をしている15.7%
上記の合計58.0%

この設問の対象はIT企業に限らず、ここでのAIは生成AIを含むAI全体です。回答企業における導入状況を表しており、仕事の自動化率や失業した人の割合を示す数字ではありません。

出典:IPA「DX動向2026」25ページ・図表3-1

学習の面では、知識を覚えるだけでなく、実際の作業のどこでAIを使い、結果をどう確認するかまで試しておくと、仕事へのつながりを考えやすくなります。

情報通信業には、人手不足感も残っている

厚生労働省の「労働経済動向調査(2026年8月)」は、常用労働者30人以上の民営事業所を対象とした調査です。

情報通信業の集計では、正社員等について「不足」とする事業所割合が54%、「過剰」が2%でした。両者の差である労働者過不足判断D.I.は、+52ポイントとなっています。

これは、情報通信業に人手不足感が残っていることを示します。ただし、情報通信業には技術職以外の職種も含まれ、未経験者の採用率や内定の取りやすさを示すものではありません。

出典:厚生労働省「労働経済動向調査(令和8年8月)の概況」7ページ・表3

人材を必要としている企業でも、求める経験や担当業務、育成できる体制は異なります。業界の動向を知ったうえで、個々の仕事に必要な知識や経験を確認することが大切です。

AIで変わるITの仕事と、人が確認・判断するポイント

AIを使う仕事では、作成する工程に加えて、出力を確かめる工程も考える必要があります。

DORAが2026年3月に公表した研究記事では、Googleのソフトウェアエンジニアから得た自由記述回答1,110件を分析しています。コードの下書きなどに役立つ一方、出力の検証やレビューの負担も報告されました。

これは一企業の回答を分析したもので、すべての開発現場の時間短縮率を示す調査ではありません。

参考:DORA「Balancing AI tensions: Moving from AI adoption to effective SDLC use」

こうした視点を踏まえて、ITの仕事で考えられる活用例と確認事項を整理してみます。

仕事の場面AIを使う例人が確認・判断するポイント
システム・Web開発コードの下書き、修正案の作成要件に合うか、既存の機能に影響しないか
テスト・品質確認テスト項目や入力データの案を出す必要な確認が抜けていないか、不具合の影響は何か
運用・保守ログの要約、調査方法の候補を出す原因の裏付け、本番環境を変更してよいか
社内IT・サポート問い合わせ回答や手順書の下書き利用者の権限、例外対応、社内ルールとの整合性
データ活用集計処理や分析結果の説明案を作る元データの品質、計算条件、結果の解釈

※一般的な業務をもとにした活用・確認の例です。実際に任せられる範囲は、使用するAIや企業の運用によって変わります。

「動いた」後に確認することもある

例えば、予約管理の仕組みを作るとします。

予約を登録できるようになっても、次の点は確認したいところです。

  • 同じ時間帯に予約が重なったら、どう処理するか。
  • キャンセルが出たら、空き枠へ正しく戻るか。
  • 利用者の名前や連絡先を、誰が見られる状態にするか。
  • システムが止まったときに、どう業務を続けるか。

AIには、こうした確認項目の洗い出しも手伝ってもらえます。そのうえで、実際の運用に必要な条件を決め、結果を確かめることが必要です。

学ぶときは、完成品を作ることに加えて、「どの条件で確かめたか」を説明できる状態を目指してみましょう。

AI時代に身につけたい5つの力

経済産業省とIPAが2026年4月に公表した「デジタルスキル標準ver.2.0」では、データマネジメントの役割や、AIの実装・運用に関するスキルなどが見直されています。学習や人材育成の指針として使える資料です。

参考:IPA「デジタルスキル標準ver.2.0を公開」

ここからは、公的資料や研究を踏まえた学習の提案です。今の自分の経験に合わせて、次の5つを学ぶ内容の目安にしてみてください。

1.解決したいことと条件を言葉にする力

最初に考えたいのは、「何をできるようにしたいか」です。

例えば、「集計を自動化したい」だけでは、必要な処理を決めにくくなります。

「毎週の売上表から、店舗ごとの合計を出したい」
「返品分は差し引き、未入力の行は確認できるようにしたい」

このように、目的と条件を具体的にすると、作るものも確認方法も整理できます。AIへ依頼するときにも、人に相談するときにも使える考え方です。

2.仕組みを理解するためのITの基礎

AIの出力を確かめるには、扱っている仕組みの基礎が必要です。

開発を学ぶなら、データがどこから入り、どのように処理され、どこへ保存・表示されるのかを追ってみましょう。運用やサポートに関心があるなら、アカウント、権限、ネットワークなど、扱う業務に関係する基礎から学べます。

一度にすべて覚える必要はありません。小さな課題に取り組みながら、分からない仕組みを一つずつ調べる進め方でも大丈夫です。

3.AIの出力を検証する力

AIから回答やコードを受け取ったら、確認の工程を入れましょう。

  • 説明の根拠を、公式資料で確認する。
  • 想定した入力に対して、期待する結果になるか試す。
  • 空欄や重複など、普段と違う条件でも確認する。
  • エラーが出たら、何を変更したか記録する。

例えば合計金額を求める処理なら、数件のデータを使って手計算と比べてみる方法があります。

「AIがそう答えた」だけで終わらせず、自分で確かめた結果を残すことを習慣にしてみてください。

4.データや情報を適切に扱う力

仕事の資料をAIに入力する前に、勤務先や取引先の利用ルールを確認しましょう。

顧客情報、未公開の資料、ソースコードなど、扱う情報によって確認すべきことは変わります。利用するサービスのデータの扱いや、共有してよい範囲も把握しておく必要があります。

学習では、架空の名前や数値を使ったデータから始めると取り組みやすくなります。自分で用意したデータなら、正しい結果も確認できます。

5.相手に説明し、改善する力

作ったものを、他の人が理解できるように説明する練習もしてみましょう。

伝えたいのは、次の4点です。

  • どんな困りごとを解決するために作ったか。
  • AIをどの部分で使ったか。
  • 自分で何を確認・修正したか。
  • まだ対応できていないことは何か。

例えば、「集計ツールを作りました」だけでなく、「重複した行を見つけられるようにし、3種類の入力パターンで確認しました」と伝えると、取り組んだ内容が具体的になります。

相手から質問や意見をもらい、必要に応じて直すところまでを学習に含めてみてください。

未経験からITを学ぶなら、小さな課題で試してみよう

「将来性があるか」を調べ続けても、自分に合う仕事かどうかまでは分かりません。

まずは、興味のある分野で小さな課題に取り組み、作ること・調べること・確かめることを経験してみましょう。

1.身近な困りごとを一つ選ぶ

例えば、次のような題材があります。

  • 架空の売上データを集計する。
  • 自分用の学習記録ページを作る。
  • よくある質問を、探しやすい一覧に整理する。

最初は、完成したかどうかを自分で判断できる題材にすると進めやすくなります。

2.必要な機能を絞って作る

「入力した内容を一覧にする」「合計を出す」など、最初に作る範囲を小さく決めます。

AIを使う場合は、完成形だけを求めるのではなく、「この処理は何をしているか」「どんな条件で失敗するか」も確認してみましょう。説明を受け取った後は、教材や公式資料、実際の動作で確かめます。

3.条件を変えて動かしてみる

一度動いたら、入力内容や使い方を変えて試します。

例えば集計なら、金額が0円の場合、項目が空欄の場合、同じデータが二重に入っている場合などを確認できます。

うまく動かなかった箇所は、学ぶ必要があることを見つける手がかりになります。

4.何ができて、どこで困ったか振り返る

最後に、短いメモを残しましょう。

「作る作業が楽しかった」
「エラーの原因を調べるのは苦ではなかった」
「人に使い方を説明するところに興味が持てた」

こうした気づきは、次に学ぶ分野を選ぶ材料になります。

すでに働いている方は、現在の業務でよくある入力ミスや、説明に時間がかかる作業を書き出してみる方法もあります。実務の情報を扱う場合は、職場のルールと相談体制を確認しながら進めましょう。

AIとITの仕事についてよくある質問

AIがコードを書けるなら、プログラミングを学ぶ意味はありますか?

作りたいものに合うコードかを理解し、修正や確認ができるようになるために、基礎を学ぶ意味があります。

例えば、保存先が適切か、計算条件が正しいか、エラー時にどう動くかは確認したい点です。AIの出力を読みながら、自分で条件を変えて試す学び方もできます。

未経験からIT業界を目指すのは、もう遅いですか?

AIの普及だけを理由に、遅いと決める必要はありません。

一方で、業界に人手不足感があることだけで、採用されやすいとも判断できません。興味のある仕事の内容、必要な基礎、学習に使える時間、企業の育成体制を具体的に確認しましょう。

AIに代替されにくいIT職種は何ですか?

職種名だけで、一律に判断するのは難しいところです。

同じ運用の仕事でも、決まった手順で行う確認と、障害の影響を調べて関係者と対応を決める仕事では、必要な判断が異なります。

「どの職種なら安心か」に加えて、実際に担当する作業や、経験を積める環境まで確認してみてください。

AIを使えば、仕事は必ず速くなりますか?

作業や使い方によって変わります。

下書きの作成が速くても、確認や修正に時間がかかれば、全体の所要時間は短くならない場合があります。試すときは、作成時間と確認時間の両方を記録すると、使いどころを判断しやすくなります。

まとめ|仕事の変化を知り、自分の学び方を選ぼう

AIによって、ITの仕事の進め方は変わっています。

これからの働き方を考える際は、次の3点を押さえておきましょう。

  • AIの影響を、仕事を構成する作業ごとに考える。
  • 業界の人手不足と、自分が応募する仕事の条件を分けて確認する。
  • AIを使う練習と、結果を理解・検証する学習を組み合わせる。

今日できる一歩として、今の仕事や興味のあるIT職の作業を3つ書き出してみてください。そのうえで、「AIに手伝ってもらいたいこと」「自分が確認すること」「これから学ぶこと」を整理してみましょう。

コメント

タイトルとURLをコピーしました