アンドリュー・ング氏（DeepLearning.AIの創設者）が、「エージェント型AIコーディングによってソフトウェアエンジニアリングの基礎はどう変わったのか」という問いとともに、AIエンジニアリングのスキルマップを公開しました。技術職でなくても、この問いは他人事ではありません。AIが「指示を受けて動くツール」から「自律的に動くエージェント」へと変わりつつある今、職場でAIと関わる会社員が押さえておくべき変化が、このスキルマップには凝縮されています。この記事では、その内容を非エンジニア向けに読み解きながら、30〜40代の会社員にとって何が変わり、何を準備すべきかを整理します。
「エージェント型AI」とは何が違うのか
これまでのAI活用は、「質問したら答えが返ってくる」という一往復のやりとりが基本でした。ChatGPTに「このメールを要約して」と頼み、結果を受け取る。そこで終わりです。ところが、エージェント型AIはそうではありません。目標だけ伝えると、AIが自分でタスクを分解し、ツールを呼び出し、結果を確認しながら次の行動を決める。人間が都度指示を出さなくても、一連の作業を連続してこなす仕組みです。たとえば「競合他社の価格を調べてExcelにまとめ、変化が大きい項目を赤字でハイライトして」という指示一つで、検索・整理・書式設定まで自動でやり切るイメージです。ここが、従来の「呼んだら答えるAI」との根本的な違いです。
この変化は、エンジニアだけに影響するわけではありません。エージェント型AIが社内ツールや業務フローに組み込まれ始めると、使う側の会社員も「どう動くものか」「何を任せて何を確認すべきか」を理解していないと、AIの出した結果をそのまま鵜呑みにするリスクが生まれます。スキルマップは「エンジニア向け」とされていますが、その構造を知ることは、AIと協働する会社員全員にとって読む価値があります。
スキルマップが示す3つの変化
アンドリュー・ング氏が公開したスキルマップは、エージェント型AI時代に必要なスキルを体系的に整理したものです。技術的な詳細は専門家に委ねるとして、ここでは非エンジニアにも関わる変化を3点に絞って見ていきます。
プロンプト設計が「一文」から「設計書」になった
これまでは「わかりやすく説明して」と一行書けばAIが動きました。エージェント型AIでは、どのツールを使うか、どの順で処理するか、失敗したときはどう対処するか、といった「AIへの指示書」を設計する発想が求められます。プロンプトの書き方ガイドでも触れているように、プロンプトは「お願い文」から「仕様書」へとその性質が変わりつつあります。エンジニアでなくても、社内のAI活用を推進する立場にある会社員は、この発想の転換を理解しておくと現場での議論に参加しやすくなります。
「結果の正しさ」を自分で検証する力が必須になった
エージェントが自律的に動くということは、AIがどういう手順で結果を出したのかが見えにくくなるということです。一往復のやりとりなら結果の確認は簡単ですが、エージェントが10ステップかけて出したレポートの「正しさ」をどう担保するか。スキルマップではこの検証能力（テストや評価の仕組みを設計する力）が、エージェント時代に新たに重要視されているスキルとして位置づけられています。業務でAIの出力を使う会社員にとっては、「AIが言ったから正しい」という依存の姿勢が、以前より大きなリスクになるということです。
「ツールを知っていること」より「ツールを組み合わせられること」
ChatGPTが使える、Copilotが使える、というスキルは今後もベースとして重要ですが、エージェント型AIの世界ではそれだけでは不十分になります。複数のAIツールや外部サービスを組み合わせてワークフローを設計する発想、つまり「何をどう繋げるか」を考える力がスキルマップでは中核に位置づけられています。エンジニアが実装するにしても、会社員が要件を定義するにしても、この「組み合わせ設計」の視点がなければ、エージェントを活用した業務改善の議論に参加できなくなる可能性があります。
非エンジニアの会社員にとっての「読み替え方」
下の表は、スキルマップの要素を「エンジニアが担うこと」と「非エンジニアの会社員が関わること」に分けて整理したものです。スキルマップはエンジニア向けに書かれていますが、業務上の接点はこのように読み替えられます。
| スキルマップの要素 | エンジニアが担うこと | 会社員が関わること |
|---|---|---|
| エージェント設計 | ツールの実装・API連携 | 「何をどの順でやらせるか」の要件定義 |
| プロンプトエンジニアリング | 複雑な指示構造の設計 | 目的と制約の言語化 |
| 評価・テスト | 自動テストの構築 | 「この結果は正しいか」の判断基準を持つ |
| ツール統合 | コードでの連携実装 | どのツールを使うべきかの選定・承認 |
| セキュリティ・ガバナンス | 技術的な制御 | 何を任せてはいけないかのルール策定 |
たとえば、経理部門でAIを使った請求書処理の自動化を検討する場合、実装はエンジニアが行うとしても、「どの項目は人間が必ず確認する」「AIが判断を誤ったときの差し戻し基準は何か」を決めるのは業務側です。スキルマップが示す「評価・テスト」や「ガバナンス」の要素は、非エンジニアの会社員が担う役割として現実的に存在しています。
30〜40代の会社員が今から動けること
AIエンジニアリングのスキルマップを見て「自分には関係ない」と感じた方も多いかもしれません。ただ、エージェント型AIが現場に入ってくると、その影響は「使う人」だけでなく「業務を設計する人」「結果を判断する人」にも広がります。
営業企画を担当する40代のマネージャーを例に挙げると、来期の予算シミュレーションをエージェント型AIに任せるとして、「どこまでを任せ、最終確認は誰がどう行うか」を決める役割は人間が担います。AIが出したシミュレーション結果の前提条件が間違っていたとき、それに気づけるかどうかは、ツールの操作スキルではなく「AIの動き方を理解しているか」にかかっています。ChatGPTの使い方ガイドを起点に基本操作を身につけた上で、次のステップとしてエージェントの考え方に触れておくと、現場での議論に参加しやすくなります。
また、AI副業やフリーランス的な仕事の組み合わせを考えている方にとっても、エージェント型AIは無視できません。AI副業ガイドでも整理しているように、AIを「使える人」から「AIを使った仕組みを設計できる人」への移行が、今後のスキル市場での差別化につながる可能性があります。
まとめ
アンドリュー・ング氏のスキルマップが問いかけているのは、「エンジニアが何を学ぶべきか」だけではありません。AIが自律的に動く世界で、人間はどこに関与し、何を判断し、何を委ねるのかという問いです。会社員として業務にAIが入ってきたとき、その設計や判断に関われるかどうかは、スキルマップの中身を「自分の仕事にどう当てはまるか」という視点で読めるかどうかにかかっています。エンジニアでなくても、この問いを自分の職場に置き換えてみる価値はあります。あなたの業務の中で、「AIに任せてよい部分」と「人間が必ず判断すべき部分」の境界線はどこにありますか。
