AI活用で10倍の成果を出せるエンジニアか？見極める新時代の基準と手法

Qiita Conference 2026 SESSION AI活用で”10倍”の成果を出 せるエンジニアか？ ~ 見極める新時代の基準と手法 ~ SPEAKER 葛岡 宏祐 株式会社ハイヤールー CEO 2026.05

“ かつては大規模なチームを必要としたプロジェクト が、今では ”非常に優秀な一人のエンジニア ” に よって達成できる。 Mark Zuckerberg CEO, Meta · 2026.01

“ かつては大規模なチームを必要としたプロジェクト が、今では ”非常に優秀な一人のエンジニア ” に よって達成できる。 Mark Zuckerberg CEO, Meta · 2026.01 ＋AI Agent

THE SHIFT スーパーエンジニアの採用は、 一部の企業の特権 ↓ 全ての企業に開かれた。

PRESENTER AI研究 × 大規模AI実装 × エンジニア採用、 3つの実務経験 2018 ─ DeNA ／ AI Research Engineer 自動運転関連の研究開発に従事。大手自動車メーカーとの共同研究プロジェクトを本案件化 へ。 2020 ─ メルカリ ／ AIチーム テックリード AI画像検索機能の開発を牽引。秒間100リクエスト超の大規模システムに AIを実践導入。 2020.12 ─ ハイヤールー ／ 創業者・代表取締役 AI時代のエンジニアスキルを測定するプラットフォームを開発。累積 300社超に導入。 株式会社ハイヤールー 代表取締役

ABOUT HIREROO AI時代のコーディング試験を再定義

SAM ALTMAN · 3 LEVELS OF AI PROFICIENCY LEVEL 1 LEVEL 2 LEVEL 3 The Google Replacement The Augmented Worker The AI-Native +10% +30–50% 100%+ 気の利いた検索 隣に座る AI 同僚 Source: Sam Altman, via Fortune — “The 3 buckets of AI proficiency” (2026). fortune.com AI を中心に設計

SAM ALTMAN · 3 LEVELS OF AI PROFICIENCY LEVEL 1 LEVEL 2 LEVEL 3 The Google Replacement The Augmented Worker The AI-Native +10% +30–50% 100%+ 気の利いた検索 隣に座る AI 同僚 Source: Sam Altman, via Fortune — “The 3 buckets of AI proficiency” (2026). fortune.com AI を中心に設計

SAM ALTMAN · 3 LEVELS OF AI PROFICIENCY LEVEL 1 LEVEL 2 LEVEL 3 The Google Replacement The Augmented Worker The AI-Native +10% +30–50% 100%+ 気の利いた検索 隣に座る AI 同僚 Source: Sam Altman, via Fortune — “The 3 buckets of AI proficiency” (2026). fortune.com AI を中心に設計

SAM ALTMAN · 3 LEVELS OF AI PROFICIENCY LEVEL 1 LEVEL 2 LEVEL 3 The Google Replacement The Augmented Worker The AI-Native +10% +30–50% 100%+ 気の利いた検索 隣に座る AI 同僚 Source: Sam Altman, via Fortune — “The 3 buckets of AI proficiency” (2026). fortune.com AI を中心に設計

LEVEL 2 VS LEVEL 3 — WORKFLOW INVERSION LEVEL 2 — AI-AUGMENTED LEVEL 3 — AI-NATIVE 人がコードを書く 人が仕様を書き、 AIに書かせる → AI = 補完 人 = 設計者・検証者 Source: OpenAI — “Build an AI-native engineering team” Codex Guide (2026). developers.openai.com/codex/guides/build-ai-native-engineering-team

EXPONENTIAL — NOT LINEAR 生産性は 指数関数的 に向上する。 Source: Sam Altman, via Fortune — “The 3 buckets of AI proficiency” (2026). fortune.com

TEAM TRANSFORMATION — BEFORE / AFTER AI-Nativeは全工程にAIを取り入れる BEFORE — 従来の開発組織 人 人 人 人 人 人 Plan Design Build Test Deploy Operate AFTER — AI-NATIVE な開発組織 AI AI AI AI AI AI Plan Design Build Test Deploy Operate Source: OpenAI — “Build an AI-native engineering team” Codex Guide (2026). developers.openai.com/codex/guides/build-ai-native-engineering-team

US LABOR MARKET ジュニアは停滞、 シニアは復調 。 Source: Citadel Securities · Indeed Job Postings Index — “Software Engineer postings, Jan 2024–Jan 2026”. via Firdosh Tangri (LinkedIn, Nov 2025)

BOOMERANG HIRING 解雇したシニアを、 呼び戻している 。 /10 ↑54 2025 年のGoogle新規採 米テック新規開発者の 4 企業の54%がシニア採用 用 ＝ 元従業員 割がブーメラン採用 を増やす計画 20 % 4 % Source: CNBC “Google’s boomerang year” (Dec 2025) · ADP Research Institute — Boomerang hires (Mar 2025) · SignalFire State of Talent Report 2025 · WIRED “Experienced Engineers Remain Essential Despite AI Coding” (Apr 2026)

SECTION RECAP — AI 時代の構造変化 スーパーエンジニアは、 全企業に開かれる 。 01 SHIFT 02 AI-NATIVE AI 時代の地殻変動 LEVEL 3 = スーパーエンジニア ・かつて大規模チームが必要だったプロジェクト = 1 人 + AI で達成可能 （Zuckerberg） ・Sam Altman の 3 LEVELS：L1 検索置換 ／ L2 補助 ／ L3 AI-Native ・人がコードを書く（ L2）→ AI に書かせる （L3） ・SDLC の全工程 （Plan / Design / Build / Test / Deploy / Operate）に AI が浸 透 ・生産性は 100%+、線形ではなく 指数関数的 03 EVIDENCE 04 DEMOCRATIZED 市場がそれを証明している 採用は 特権ではなく権利 へ ・米国：シニア雇用が +40% 復調、ジュニアは横ばい （Citadel / Indeed） ・かつての Meta/Googleだけの世界から、 AI-Nativeは全ての企業で採用可能 ・Google / Meta は解雇したシニアを再雇用 （CNBC / SignalFire） に ・必要なのは 見極め術。所属・規模・国を問わない

SECTION RECAP — AI 時代の構造変化 スーパーエンジニアは、 全企業に開かれる 。 01 SHIFT 02 AI-NATIVE AI 時代の地殻変動 LEVEL 3 = スーパーエンジニア ・かつて大規模チームが必要だったプロジェクト = 1 人 + AI で達成可能 （Zuckerberg） ・Sam Altman の 3 LEVELS：L1 検索置換 ／ L2 補助 ／ L3 AI-Native ・人がコードを書く（ L2）→ AI に書かせる （L3） ・SDLC の全工程 （Plan / Design / Build / Test / Deploy / Operate）に AI が浸 透 ・生産性は 100%+、線形ではなく 指数関数的 03 EVIDENCE 04 DEMOCRATIZED 市場がそれを証明している 採用は 特権ではなく権利 へ ・米国：シニア雇用が +40% 復調、ジュニアは横ばい （Citadel / Indeed） ・かつての Meta/Googleだけの世界から、 AI-Nativeは全ての企業で採用可能 ・Google / Meta は解雇したシニアを再雇用 （CNBC / SignalFire） に ・必要なのは 見極め術。所属・規模・国を問わない

SECTION RECAP — AI 時代の構造変化 スーパーエンジニアは、 全企業に開かれる 。 01 SHIFT 02 AI-NATIVE AI 時代の地殻変動 LEVEL 3 = スーパーエンジニア ・かつて大規模チームが必要だったプロジェクト = 1 人 + AI で達成可能 （Zuckerberg） ・Sam Altman の 3 LEVELS：L1 検索置換 ／ L2 補助 ／ L3 AI-Native ・人がコードを書く（ L2）→ AI に書かせる（ L3） ・SDLC の全工程（ Plan / Design / Build / Test / Deploy / Operate）に AI が浸 透 ・生産性は 100%+、線形ではなく 指数関数的 03 EVIDENCE 04 DEMOCRATIZED 市場がそれを証明している 採用は 特権ではなく権利 へ ・米国：シニア雇用が +40% 復調、ジュニアは横ばい （Citadel / Indeed） ・かつての Meta/Googleだけの世界から、 AI-Nativeは全ての企業で採用可能 ・Google / Meta は解雇したシニアを再雇用 （CNBC / SignalFire） に ・必要なのは 見極め術。所属・規模・国を問わない

SECTION RECAP — AI 時代の構造変化 スーパーエンジニアは、 全企業に開かれる 。 01 SHIFT 02 AI-NATIVE AI 時代の地殻変動 LEVEL 3 = スーパーエンジニア ・かつて大規模チームが必要だったプロジェクト = 1 人 + AI で達成可能 （Zuckerberg） ・人がコードを書く（ L2）→ AI に書かせる （L3） ・SDLC の全工程 （Plan / Design / Build / Test / Deploy / Operate）に AI が浸 ・Sam Altman の 3 LEVELS：L1 検索置換 ／ L2 補助 ／ L3 AI-Native 透 ・生産性は 100%+、線形ではなく 指数関数的 03 EVIDENCE 04 DEMOCRATIZED 市場がそれを証明している 採用は 特権ではなく権利 へ ・米国：シニア雇用が +40% 復調、ジュニアは横ばい （Citadel / Indeed） ・かつての Meta/Googleだけの世界から、 AI-Nativeは全ての企業で採用可能 ・Google / Meta は解雇したシニアを再雇用 に （CNBC / SignalFire） ・必要なのは 見極め術。所属・規模・国を問わない

SECTION RECAP — AI 時代の構造変化 スーパーエンジニアは、 全企業に開かれる 。 01 SHIFT 02 AI-NATIVE AI 時代の地殻変動 LEVEL 3 = スーパーエンジニア ・かつて大規模チームが必要だったプロジェクト = 1 人 + AI で達成可能 （Zuckerberg） ・Sam Altman の 3 LEVELS：L1 検索置換 ／ L2 補助 ／ L3 AI-Native ・人がコードを書く（ L2）→ AI に書かせる （L3） ・SDLC の全工程 （Plan / Design / Build / Test / Deploy / Operate）に AI が浸 透 ・生産性は 100%+、線形ではなく 指数関数的 03 EVIDENCE 04 DEMOCRATIZED 市場がそれを証明している 採用は 特権ではなく権利 へ ・米国：シニア雇用が +40% 復調、ジュニアは横ばい （Citadel / Indeed） ・かつての Meta/Googleだけの世界から、 AI-Nativeは全ての企業で採用可能 ・Google / Meta は解雇したシニアを再雇用 （CNBC / SignalFire） に ・必要なのは 見極め術。所属・規模・国を問わない

DORA 2025 ↓ 90 20 + % のエンジニアが AI を使い、 80%が効果を体感 % の生産性向上に留まる ＝ Level 2 で頭打ち Source: DORA — “State of AI-Assisted Software Development 2025” (Google Cloud, dora.dev) · METR — “Early 2025 AI-Experienced OS Dev Study” (metr.org, Jul 2025)

TOKEN MAXING — ANTI-PATTERN 量≠質 Token を使った 「量」 ではなく、 AI 活用の 「質」を測る。

ANTHROPIC · AI FLUENCY INDEX AI活用の4つのD。 |D1 |D2 |D3 |D4 Delegation Description Discernment Diligence 人とAIの役割分担を決める 目的を簡潔に言語化してAI 出力の妙当性を見抜く 利用と結果に責任を持つ を導く Source: Anthropic — “AI Fluency Index” (anthropic.com/research/AI-fluency-index)

ANTHROPIC · AI FLUENCY INDEX AI活用の4つのD。 |D1 |D2 |D3 |D4 Delegation Description Discernment Diligence 人とAIの役割分担を決める 目的を簡潔に言語化してAI 出力の妙当性を見抜く 利用と結果に責任を持つ を導く Source: Anthropic — “AI Fluency Index” (anthropic.com/research/AI-fluency-index)

ANTHROPIC · AI FLUENCY INDEX AI活用の4つのD。 |D1 |D2 |D3 |D4 Delegation Description Discernment Diligence 人とAIの役割分担を決める 目的を簡潔に言語化してAI 出力の妙当性を見抜く 利用と結果に責任を持つ を導く Source: Anthropic — “AI Fluency Index” (anthropic.com/research/AI-fluency-index)

ANTHROPIC · AI FLUENCY INDEX AI活用の4つのD。 |D1 |D2 |D3 |D4 Delegation Description Discernment Diligence 人とAIの役割分担を決める 目的を簡潔に言語化してAI 出力の妙当性を見抜く 利用と結果に責任を持つ を導く Source: Anthropic — “AI Fluency Index” (anthropic.com/research/AI-fluency-index)

ANTHROPIC · AI FLUENCY INDEX AI活用の4つのD。 |D1 |D2 |D3 |D4 Delegation Description Discernment Diligence 人とAIの役割分担を決める 目的を簡潔に言語化してAI 出力の妙当性を見抜く 利用と結果に責任を持つ を導く Source: Anthropic — “AI Fluency Index” (anthropic.com/research/AI-fluency-index)

CODERPAD · 5 SKILLS OF THE FUTURE DEVELOPER エンジニア視点では、 5 つのスキル 。 01 Strategic Use of AI 明確な意図で AI を統制 02 Problem Framing 課題を自力で分解 03 Explanation & Architecture トレードオフを理解 04 Critical Evaluation & Edits 出力を疑い、修正する ★ MOST VALUED 05 Problem Solving AI を自然に統合 Source: CoderPad — “5 Skills of the Future Developer: A Framework for Evaluating AI Fluency” (2026). coderpad.io/blog

CODERPAD · 5 SKILLS OF THE FUTURE DEVELOPER エンジニア視点では、 5 つのスキル 。 01 Strategic Use of AI 明確な意図で AI を統制 02 Problem Framing 課題を自力で分解 03 Explanation & Architecture トレードオフを理解 04 Critical Evaluation & Edits 出力を疑い、修正する ★ MOST VALUED 05 Problem Solving AI を自然に統合 Source: CoderPad — “5 Skills of the Future Developer: A Framework for Evaluating AI Fluency” (2026). coderpad.io/blog

CODERPAD · 5 SKILLS OF THE FUTURE DEVELOPER エンジニア視点では、 5 つのスキル 。 01 Strategic Use of AI 明確な意図で AI を統制 02 Problem Framing 課題を自力で分解 03 Explanation & Architecture トレードオフを理解 04 Critical Evaluation & Edits 出力を疑い、修正する ★ MOST VALUED 05 Problem Solving AI を自然に統合 Source: CoderPad — “5 Skills of the Future Developer: A Framework for Evaluating AI Fluency” (2026). coderpad.io/blog

CODERPAD · 5 SKILLS OF THE FUTURE DEVELOPER エンジニア視点では、 5 つのスキル 。 01 Strategic Use of AI 明確な意図で AI を統制 02 Problem Framing 課題を自力で分解 03 Explanation & Architecture トレードオフを理解 04 Critical Evaluation & Edits 出力を疑い、修正する ★ MOST VALUED 05 Problem Solving AI を自然に統合 Source: CoderPad — “5 Skills of the Future Developer: A Framework for Evaluating AI Fluency” (2026). coderpad.io/blog

CODERPAD · 5 SKILLS OF THE FUTURE DEVELOPER エンジニア視点では、 5 つのスキル 。 01 Strategic Use of AI 明確な意図で AI を統制 02 Problem Framing 課題を自力で分解 03 Explanation & Architecture トレードオフを理解 04 Critical Evaluation & Edits 出力を疑い、修正する ★ MOST VALUED 05 Problem Solving AI を自然に統合 Source: CoderPad — “5 Skills of the Future Developer: A Framework for Evaluating AI Fluency” (2026). coderpad.io/blog

CODERPAD · 5 SKILLS OF THE FUTURE DEVELOPER エンジニア視点では、 5 つのスキル 。 01 Strategic Use of AI 明確な意図で AI を統制 02 Problem Framing 課題を自力で分解 03 Explanation & Architecture トレードオフを理解 04 Critical Evaluation & Edits 出力を疑い、修正する ★ MOST VALUED 05 Problem Solving AI を自然に統合 Source: CoderPad — “5 Skills of the Future Developer: A Framework for Evaluating AI Fluency” (2026). coderpad.io/blog

CHINA & US — TECHNICAL ASSESSMENT MIX AI 許可は、もはや 主流。 󰑔 US 󰎩 China Live technical 70% interviews KEY INSIGHT 75% Allow AI use in 面接でAIを許可する企業 は 30% technical interviews 55% Automated code test 55% 中国で55%、米国で 30% AI禁止は、もはや 少数派 。 40% Take home project 見極めの最先端は AI許可へ。 38% 15% 0% 25% 50% 75% 100% Source: Karat — “2026 AI Workforce Transformation Report” (400 engineering leaders, US / India / China). karat.com

CASE — META AI-enabled Coding — 候補者と一緒に AIを使う。

CASE — GOOGLE · 2026 PILOT

Code Comprehension — バグを特定し、 AIと直す。
🔒 docs.google.com/document/d/1aB2c…/edit

📄

Code Comprehension — Candidate #L6-0421

📁 ファイル

編集中

def calculate_total(items, discount_code=None):

24

total = 0

25

for item in items:

26

total += item.price * item.qty# ⚠ tax never applied

27

if discount_code:

28

表示

挿入

共有

Gemini assistant

order_service.py — 1 of 5 files

23

編集

CANDIDATE

関数で、税金が計算されていない。安全に修正するには？
i

Interviewer

バグを特定して修正してみ
て

GEMINI

3 つの問題が見つかりました：
1.

tax 未適用

discount = apply_discount(discount_code)

2.

discount で負値の可能性

29

total = total - discount # ⚠ no clamp ≥ 0

3.

未知の code で KeyError

30

return total

31
32

def apply_discount(code):

33

codes = {"SAVE10": 10, "SAVE20": 20}

34

return codes[code] # ⚠ KeyError risk
Gemini に聞く…

↑

SENIOR-FIRST AI見極めは、 シニアに集中している。 GOOGLE L3 – L4 GOOGLE L6 · ENG MGR 従来の試験 AI 活用試験 ＝ AIを前提としない ＝ シニアから先に見極める

JAPAN — CURRENT STATE 日本のライブコーディング試験は、 ほぼゼロ 。 99%+ アルゴリズムコーディング試験 GitHub提出の自作課題 <1% ライブコーディング試験

BANNING AI — DOESN'T WORK AI を禁止しても、 無意味。 禁止されても AIを使っている実態 禁止 62% 許可 38% Source: Karat — “2026 AI Workforce Transformation Report” (400 engineering leaders, US / India / China). karat.com 使用 71% 遵守 29%

GITHUB TAKE-HOME — LIMITATION 成果物 ≠ 過 程 GitHub 提出では、最終コード しか見えない。 評価すべき 「AI と組む過程」 が 記録に残らない 。

SECTION RECAP — 見るべき指標 ／ 海外のベストプラクティス 何を測り 、どう測るか — 海外の答え。 01 METRICS 02 BROKEN 何を測るか 従来の試験は 破綻している ・Anthropic 4D：Delegation / Description / Discernment / Diligence ・従来のコーディング試験は ・CoderPad 5 Skills：Strategic / Framing / Architecture / Critical ・禁止しても候補者は使う、 過程は見えない AI で全員 100 点に Evaluation ★ / Solving ・業界の答え： AI 許可 × 過程評価 ・4D と 5 Skills は大枠が一致 — 業界の収束点 03 CASES 04 PATTERN 先頭を走る Meta / Google AI許可 × 過程評価が見極めの鍵 ・Meta AI-enabled Coding — 候補者と一緒に AI を使う ・Google L6・Eng Mgr など、上位ポジションから AI 試験を導入 ・Google Code Comprehension — Prompting・Context・出力検証を対話評 ・パターンは共通： AI 許可 ＋ 過程評価 価

SECTION RECAP — 見るべき指標 ／ 海外のベストプラクティス 何を測り 、どう測るか — 海外の答え。 01 METRICS 02 BROKEN 何を測るか 従来の試験は 破綻している ・Anthropic 4D：Delegation / Description / Discernment / Diligence ・従来のコーディング試験は ・CoderPad 5 Skills：Strategic / Framing / Architecture / Critical ・禁止しても候補者は使う、 過程は見えない AI で全員 100 点に Evaluation ★ / Solving ・業界の答え： AI 許可 × 過程評価 ・4D と 5 Skills は大枠が一致 — 業界の収束点 03 CASES 04 PATTERN 先頭を走る Meta / Google AI許可 × 過程評価が見極めの鍵 ・Meta AI-enabled Coding — 候補者と一緒に AI を使う ・Google L6・Eng Mgr など、上位ポジションから AI 試験を導入 ・Google Code Comprehension — Prompting・Context・出力検証を対話評 ・パターンは共通： AI 許可 ＋ 過程評価 価

SECTION RECAP — 見るべき指標 ／ 海外のベストプラクティス 何を測り 、どう測るか — 海外の答え。 01 METRICS 02 BROKEN 何を測るか 従来の試験は破綻している ・Anthropic 4D：Delegation / Description / Discernment / Diligence ・従来のコーディング試験は ・CoderPad 5 Skills：Strategic / Framing / Architecture / Critical ・禁止しても候補者は使う、過程は見えない AI で全員 100 点に Evaluation ★ / Solving ・業界の答え： AI 許可 × 過程評価 ・4D と 5 Skills は大枠が一致 — 業界の収束点 03 CASES 04 PATTERN 先頭を走る Meta / Google AI許可 × 過程評価が見極めの鍵 ・Meta AI-enabled Coding — 候補者と一緒に AI を使う ・Google L6・Eng Mgr など、上位ポジションから AI 試験を導入 ・Google Code Comprehension — Prompting・Context・出力検証を対話評 ・パターンは共通： AI 許可 ＋ 過程評価 価

SECTION RECAP — 見るべき指標 ／ 海外のベストプラクティス 何を測り 、どう測るか — 海外の答え。 01 METRICS 02 BROKEN 何を測るか 従来の試験は 破綻している ・Anthropic 4D：Delegation / Description / Discernment / Diligence ・従来のコーディング試験は ・CoderPad 5 Skills：Strategic / Framing / Architecture / Critical ・禁止しても候補者は使う、 過程は見えない AI で全員 100 点に Evaluation ★ / Solving ・業界の答え： AI 許可 × 過程評価 ・4D と 5 Skills は大枠が一致 — 業界の収束点 03 CASES 04 PATTERN 先頭を走る Meta / Google AI許可 × 過程評価が見極めの鍵 ・Meta AI-enabled Coding — 候補者と一緒に AI を使う ・Google L6・Eng Mgr など、上位ポジションから AI 試験を導入 ・Google Code Comprehension — Prompting・Context・出力検証を対話評 ・パターンは共通： AI 許可 ＋ 過程評価 価

SECTION RECAP — 見るべき指標 ／ 海外のベストプラクティス 何を測り 、どう測るか — 海外の答え。 01 METRICS 02 BROKEN 何を測るか 従来の試験は 破綻している ・Anthropic 4D：Delegation / Description / Discernment / Diligence ・従来のコーディング試験は ・CoderPad 5 Skills：Strategic / Framing / Architecture / Critical ・禁止しても候補者は使う、 過程は見えない AI で全員 100 点に Evaluation ★ / Solving ・業界の答え： AI 許可 × 過程評価 ・4D と 5 Skills は大枠が一致 — 業界の収束点 03 CASES 04 PATTERN 先頭を走る Meta / Google AI許可 × 過程評価が見極めの鍵 ・Meta AI-enabled Coding — 候補者と一緒に AI を使う ・Google L6・Eng Mgr など、上位ポジションから AI 試験を導入 ・Google Code Comprehension — Prompting・Context・出力検証を対話評 ・パターンは共通： AI 許可 ＋ 過程評価 価

THE ANSWER AI許可 × 過程評価 「AI協働課題」がAI 時代の 唯一の見極め方 。

AI 協働課題 — 2 つの転換 禁止から許可 へ。過程から測る。 01 AGENTIC CODING 02 AI ACTIVITY VISIBILITY AI 禁止 → AI 許可 成果物 → 過程評価 Agentic Coding を前提に、 AI を使った上で スキルを測 宿題形式では見えない AI 活用の「質」を、 プロンプト・差 る。 Meta / Google が踏み出した、新しい標準。 分・ターン数から測定する。

SOFTWARE ENGINEERING INDEX 6つの指標 で、スキルを再定義。 NEW 計算機科学基礎 実装力 AI 協働力 システム設計力 コミュニケーション能力 課題解決能力

AI 協働力 — 4 COMPONENTS 4つの構成要素 で評価する。 1 環境構築力 3 対話効率化 AI が動ける環境を整える 最小ターンで解く 2 指示伝達力 4 出力検証力 的確な指示を出す AI の出力を疑う

AI 協働力 — 4 COMPONENTS 4つの構成要素 で評価する。 1 環境構築力 3 対話効率化 AI が動ける環境を整える 最小ターンで解く 2 指示伝達力 4 出力検証力 的確な指示を出す AI の出力を疑う

AI 協働力 — 4 COMPONENTS 4つの構成要素 で評価する。 1 環境構築力 3 対話効率化 AI が動ける環境を整える 最小ターンで解く 2 指示伝達力 4 出力検証力 的確な指示を出す AI の出力を疑う

AI 協働力 — 4 COMPONENTS 4つの構成要素 で評価する。 1 環境構築力 3 対話効率化 AI が動ける環境を整える 最小ターンで解く 2 指示伝達力 4 出力検証力 的確な指示を出す AI の出力を疑う

AI 協働力 — 4 COMPONENTS 4つの構成要素 で評価する。 1 環境構築力 3 対話効率化 AI が動ける環境を整える 最小ターンで解く 2 指示伝達力 4 出力検証力 的確な指示を出す AI の出力を疑う

SUMMARY AI協働力 × AI協働課題 これが、 AI時代の見極め術 。

KEY TAKEAWAYS — 本日の振り返り AI 時代の見極め術 を、4 つの視点で。 01 CONTEXT 02 PROFICIENCY AI 時代の地殻変動 AI 活用には 3 LEVEL。多くは LEVEL 2 で頭打ち ・1 人 + AI = かつての大規模チームに匹敵 （Zuckerberg） ・L1 検索置換（ +10%）／ L2 補助（ +30〜50%）／ L3 AI-Native（100%+） ・米国はシニア雇用が +40% 復調、ジュニアは横ばい ・90%がAIを使うが、生産性向上は +20%に留まる （DORA） ・Google / Meta は解雇したシニアを再雇用 ・差を生むのは AI協働力 — 4D （Delegation/Description/Discernment/Diligence） 03 CHALLENGE 04 OUR ANSWER 従来の見極めは 破綻している HireRoo の解 = AI協働課題 ・従来のコーディング試験は AIで全員 100点に ・成果物ではなく「 Aと解く過程」を評価する新しい試験 ・AI禁止は機能しない —62%が禁止 するが 71%の候補者が AIを使う （Karat） ・Software Engineering Index（SEI）—6指標／ AI協働力 をCore に ・米中の答え = AI許可 × 過程評価 （Meta AI-enabled/Google Code ・環境構築／指示伝達／対話効率／出力検証の Comprehension） 4観点でスコア化

KEY TAKEAWAYS — 本日の振り返り AI 時代の見極め術 を、4 つの視点で。 01 CONTEXT 02 PROFICIENCY AI 時代の地殻変動 AI 活用には 3 LEVEL。多くは LEVEL 2 で頭打ち ・1 人 + AI = かつての大規模チームに匹敵 （Zuckerberg） ・L1 検索置換（ +10%）／ L2 補助（ +30〜50%）／ L3 AI-Native（100%+） ・米国はシニア雇用が +40% 復調、ジュニアは横ばい ・90%がAIを使うが、生産性向上は +20%に留まる （DORA） ・Google / Meta は解雇したシニアを再雇用 ・差を生むのは AI協働力 — 4D （Delegation/Description/Discernment/Diligence） 03 CHALLENGE 04 OUR ANSWER 従来の見極めは 破綻している HireRoo の解 = AI協働課題 ・従来のコーディング試験は AIで全員 100点に ・成果物ではなく「 Aと解く過程」を評価する新しい試験 ・AI禁止は機能しない —62%が禁止 するが 71%の候補者が AIを使う （Karat） ・Software Engineering Index（SEI）—6指標／ AI協働力 をCore に ・米中の答え = AI許可 × 過程評価 （Meta AI-enabled/Google Code ・環境構築／指示伝達／対話効率／出力検証の Comprehension） 4観点でスコア化

KEY TAKEAWAYS — 本日の振り返り AI 時代の見極め術 を、4 つの視点で。 01 CONTEXT 02 PROFICIENCY AI 時代の地殻変動 AI 活用には 3 LEVEL。多くは LEVEL 2 で頭打ち ・1 人 + AI = かつての大規模チームに匹敵 （Zuckerberg） ・L1 検索置換（ +10%）／ L2 補助（ +30〜50%）／ L3 AI-Native（100%+） ・米国はシニア雇用が +40% 復調、ジュニアは横ばい ・90%がAIを使うが、生産性向上は +20%に留まる （DORA） ・Google / Meta は解雇したシニアを再雇用 ・差を生むのは AI協働力 — 4D （Delegation/Description/Discernment/Diligence） 03 CHALLENGE 04 OUR ANSWER 従来の見極めは 破綻している HireRoo の解 = AI協働課題 ・従来のコーディング試験は AIで全員 100点に ・成果物ではなく「 Aと解く過程」を評価する新しい試験 ・AI禁止は機能しない —62%が禁止 するが 71%の候補者が AIを使う （Karat） ・Software Engineering Index（SEI）—6指標／ AI協働力 をCore に ・米中の答え = AI許可 × 過程評価 （Meta AI-enabled/Google Code ・環境構築／指示伝達／対話効率／出力検証の Comprehension） 4観点でスコア化

KEY TAKEAWAYS — 本日の振り返り AI 時代の見極め術 を、4 つの視点で。 01 CONTEXT 02 PROFICIENCY AI 時代の地殻変動 AI 活用には 3 LEVEL。多くは LEVEL 2 で頭打ち ・1 人 + AI = かつての大規模チームに匹敵 （Zuckerberg） ・L1 検索置換（ +10%）／ L2 補助（ +30〜50%）／ L3 AI-Native（100%+） ・米国はシニア雇用が +40% 復調、ジュニアは横ばい ・90%がAIを使うが、生産性向上は +20%に留まる （DORA） ・Google / Meta は解雇したシニアを再雇用 ・差を生むのは AI協働力 — 4D （Delegation/Description/Discernment/Diligence） 03 CHALLENGE 04 OUR ANSWER 従来の見極めは 破綻している HireRoo の解 = AI協働課題 ・従来のコーディング試験は AIで全員 100点に ・成果物ではなく「 Aと解く過程」を評価する新しい試験 ・AI禁止は機能しない —62%が禁止するが 71%の候補者が AIを使う （Karat） ・Software Engineering Index（SEI）—6指標／ AI協働力 をCore に ・米中の答え = AI許可 × 過程評価（ Meta AI-enabled/Google Code ・環境構築／指示伝達／対話効率／出力検証の Comprehension） 4観点でスコア化

KEY TAKEAWAYS — 本日の振り返り AI 時代の見極め術 を、4 つの視点で。 01 CONTEXT 02 PROFICIENCY AI 時代の地殻変動 AI 活用には 3 LEVEL。多くは LEVEL 2 で頭打ち ・1 人 + AI = かつての大規模チームに匹敵 （Zuckerberg） ・L1 検索置換（ +10%）／ L2 補助（ +30〜50%）／ L3 AI-Native（100%+） ・米国はシニア雇用が +40% 復調、ジュニアは横ばい ・90%がAIを使うが、生産性向上は +20%に留まる （DORA） ・Google / Meta は解雇したシニアを再雇用 ・差を生むのは AI協働力 — 4D （Delegation/Description/Discernment/Diligence） 03 CHALLENGE 04 OUR ANSWER 従来の見極めは 破綻している HireRoo の解 = AI協働課題 ・従来のコーディング試験は AIで全員 100点に ・成果物ではなく「 Aと解く過程」を評価する新しい試験 ・AI禁止は機能しない —62%が禁止 するが 71%の候補者が AIを使う （Karat） ・Software Engineering Index（SEI）—6指標／ AI協働力を Core に ・米中の答え = AI許可 × 過程評価 （Meta AI-enabled/Google Code ・環境構築／指示伝達／対話効率／出力検証の Comprehension） 4観点でスコア化

PROMISE — DEMOCRATIZED Meta / Google だけの特権 スーパーエンジニアの採用は、 全ての企業に 開かれた。

Qiita Conference 2026 FIN. THANK YOU — ご清聴ありがとうございました AI協働力の可視化に 興味がある方 へ SPECIAL OFFER 初期費用無料 「Qiita Conference を見た」 とお伝えください SPEAKER 葛岡 宏祐 株式会社ハイヤールー SESSION AI活用で10倍の成果を出せるエンジニアか？