エンジニアの仕事に関わる人なら、最近こんな声を聞かない日はないかもしれません。
- 「AIが開発者を置き換える」
- 「コーディングはもう機械の仕事」
- 「適応できないエンジニアは脱落する」
ニュースを開いても、SNSを見ても、同じような言葉が次々に流れてきます。
そして気づくと、多くの人がこう感じています。
「このまま、自分のキャリアは大丈夫なのだろうか」
そんな空気感に対して、現役の開発者であるLama Dev氏は、動画『AI Is Coming for Developers… They Said』のなかで、興味深い視点を提示しています。
本記事は、その動画で展開された論点を順に紹介しながら、それぞれに対する一読者としての感想を綴っていくものです。
「AIプレッシャー」の正体
目次
まずLama Dev氏は、AIをめぐる現在の空気をこう描写します。
(※1引用・要約) AIはもともと、生産性を上げる便利な道具だったはず。オートコンプリートやStack Overflow代わりの質問応答は、確かに開発者を助けていた。しかし、いつのまにかコーディングや創作からフォーカスを奪う存在になり、企業からは「AIがあなたを置き換える」という恐怖まで押し付けられるようになってしまった。(Lama Dev “AI Is Coming for Developers… They Said”）
この指摘には、深く頷くところがあります。
道具だったはずのものが、いつのまにかこちらを追い立てる存在になる——これは技術の歴史で何度か繰り返されてきたパターンです。
スマホもそうでした。
SNSもそうでした。
便利さの裏側には、必ず「使われる側」になるリスクが潜んでいます。
だからこそ、いま私たちを振り回しているのは「技術そのもの」ではなく、「その技術を使ってお金や注目を得ようとする業界の動き」なのかもしれません。
「CEOたちの言葉は脚本」というLama Dev氏の見立て
次にLama Dev氏は、テック業界のCEOたちの発言の意味を読み解きます。
(※2引用・要約) 大手テック企業は、巨額の投資を集めるために強い「物語(ストーリー)」を語る必要がある。だから「AIがすべてを代替する」といった派手な予測が繰り返される。彼らの言葉ひとつで市場は数百億ドル単位で動く。例えば中国DeepSeekの発表で1日に約6,000億ドル下落したNVIDIAや、AIブラウザの噂で株価が数百億ドル下落しすぐに戻したGoogleのケースがそれを示している。（Lama Dev “AI Is Coming for Developers… They Said”）
これも、なるほどと感じる視点です。
ただ、ここでは少し冷静に考えたい部分もあります。
CEOの発言には、確かに資金調達の意図が含まれます。
しかし、すべてが「脚本」というわけでもないのかもしれません。
なかには本気でそう信じている経営者もいるでしょうし、
発言したとおりの未来が、後から技術によって追いついていったケースもあります。
つまり、「CEOの言葉=広報」と一刀両断するのではなく、
「どの発言が広報で、どの発言が技術的見立てか」を、
受け手の私たち自身が見分ける目を持つこと。
それが、AI時代のリテラシーの第一歩なのかもしれません。
「採用減はAIではなく、バブル調整」という分析
雇用市場の話題に移ります。
Lama Dev氏は、「AIのせいで採用が減っている」という言説に対して、データに基づいた反論を示します。
(※3引用・要約) パンデミック中(2020-2022)、企業は「オンライン需要が永遠に続く」と信じて過剰採用を行った。生活が正常化した2023年以降、その反動で大規模なレイオフが始まった。これはChatGPT流行以前から起きていた構造変化であり、AIによる置き換えではない。実際、2025年には採用が回復し、2026年の求人数は前年比約10%増の見込み。（Lama Dev “AI Is Coming for Developers… They Said”）
この分析は、数字に裏打ちされていて、説得力があります。
特に「ChatGPT流行前からレイオフは始まっていた」という時系列の指摘は重要です。
冷静に並べ直してみると、AIと採用減の因果は、思っていたほど直接的ではないのかもしれません。
ただし、Lama Dev氏も認めているように、
「AIで誰一人として仕事を失っていない」とまでは言えません。
小さなプロジェクトでデザイナーや開発者が減らされ、
残った人に負担が集中する。
そうした局所的な影響は、確かに起きています。
「全体ではバブル調整、局所ではAIによる削減」
この二重構造を意識すること。
それが、過度に怖がらず、しかし楽観もしすぎない、ちょうどよい距離感につながっていくのではないでしょうか。
「AIスロップ」というLama Dev氏の警告
技術的な質の話に進みます。
Lama Dev氏は、AIが大量生産するコードの実態を、具体例を挙げて示します。
(※4引用・要約) ある開発者がSNSで報告した、AI生成のブログサイトの実態は、合計78,000行、ホームページ表示で169リクエスト・6MBのダウンロード、重複した未最適化の画像、未使用のリッチテキストエディタなどのライブラリ、クライアントサイドに送出される28個のテストファイル、というありさまだった。「動くこと」と「高品質であること」は、まったく別の話だ。（Lama Dev “AI Is Coming for Developers… They Said”）
氏はこれを「AIスロップ(ゴミ)」と呼び、警鐘を鳴らしています。
数字の生々しさに、ぞっとさせられます。
ブログサイトで78,000行という事実は、笑い話で済む話ではありません。
「動く」と「良い」が違う——これはエンジニアリングの根本にある真理です。
それが、AIによって急速に忘れられつつあるのかもしれません。
ただ、ここで別の見方も加えるなら、
このスロップの責任の半分は「AIに丸投げした人間」にもあります。
AIは指示通りに動いただけです。
仕様を曖昧にしたまま「とりあえず動くものを作って」と頼めば、
こういう結果が返ってくるのは、ある意味で当然です。
つまり「AIスロップ問題」は、
AIの限界の問題であると同時に、
人間側のディレクション能力の問題でもあるのです。
「基礎が武器になる」という結論
最後にLama Dev氏は、開発者が取るべき行動指針を提示します。
(※5引用・要約) AIを正しく使いこなすための5つのルールがある。(1)雰囲気でコードを書かせない、つまりバイブ・コーディングを仕事に持ち込まない (2)生成されたコードは1行残らずレビューする (3)初期設定・ファイル構造・依存関係は手動で定義する (4)AIに「なぜ」を問い詰める (5)タスクに応じて安価なモデルと高性能モデルを使い分ける。基礎知識のある人ほど、AIの「知ったかぶり」を見抜き、正しく指揮できる。（Lama Dev “AI Is Coming for Developers… They Said”）
これらのルールは、極めて実践的で同意できる内容ばかりです。
特に(4)の「なぜを問い詰める」は、AIに対してだけでなく、
人間同士のコードレビューでも昔から大切にされてきた姿勢です。
つまり、Lama Dev氏が言っていることは、
まったく新しい教えではなく、
ソフトウェア開発の古典的なよさを、AI時代に再確認する内容なのです。
そう考えると、AIに揺さぶられて感じる不安の正体は、
こんなところにあるのかもしれません。
・基礎をおろそかにしてきた人ほど、AIに脅威を感じる
・基礎を積み上げてきた人ほど、AIを道具として使いこなせる
このシンプルな事実を直視できるかどうか。
それが、これからの時代を生きる開発者の、いちばん大切な分岐点なのかもしれません。
参考文献
Lama Dev “AI Is Coming for Developers… They Said” [YouTube]
※1 (出典: Lama Dev “AI Is Coming for Developers… They Said”
I’m so tired of seeing AI news and content everywhere. This isn’t even AI fatigue anymore, it’s overload. AI was supposed to be a tool that makes our lives easier and helps us be more productive. And at first, it actually was. It helped us write code faster with auto-completion. It saved us time by answering questions instead of trying to find a solution on Stack Overflow. But then it started taking all the focus away from coding and building projects. And on top of that, companies keep pushing this fear that “AI is going to replace you.”
※2 (同上)
Because of that, these companies are constantly trying to attract more investment. And to do that, they need to tell a strong story. So even if they’re losing money right now, they have to convince investors that their technology will be huge in the future. That’s why you often hear unrealistic promises and predictions from CEOs. What they say and what they release can move billions of dollars in the market. For example, after China’s DeepSeek announcement, NVIDIA’s market cap dropped by almost $600 billion in a single day. When OpenAI announced an AI web browser, Google’s stock dropped tens of billions in just a couple of hours. But a few hours later, when people realized it was just a Chromium-based browser with AI features, Google’s stock recovered its losses.
※3 (同上)
When the pandemic slowed down, people went back to normal life. Online activity stabilized, and growth slowed down. Now companies looked at their situation and realized: “We hired for a future that didn’t happen.” Suddenly, they had too many employees, costs were too high, and profits were under pressure. So they started cutting back. … If you look at 2025, when tools like Claude Code became the new trend, you can see that hiring actually increased. In fact, in 2026, there are about 10% more job postings than in the previous year.
※4 (同上)
And another developer on social media revealed the AI slop in his blog website, which has 78.000 lines of code. According to him, the homepage downloads 6 MB of data across 169 requests, including duplicated and unoptimized images. It also ships 28 test files on the client side. And it loads some controllers and a rich text editor that are not used on the homepage. Does the website work? Yes, it works. But this is not how a developer should code.
※5 (同上)
Here are my recommendations: Firstly, no vibe coding. Unless you’re just building a tool for your personal use. Second, you need to understand what it generates. You should review every single line to avoid vulnerabilities and AI slop. … Don’t generate an entire project from scratch with AI. Initialize the application. Create the file structure, naming conventions, styling approach, and install dependencies upfront. … Keep asking questions: “Why did you make this decision?” “What are the alternatives?” “Can you compare this solution with that one?” Tokens are expensive. Don’t use the most advanced models for every task. For simple tasks, use cheaper models. Reserve the best models for complex reasoning and optimization.
