AIがコードを書ける時代でも、新人はプログラミングを学ぶべきですか

はい。ただし学び方を変えます。AIは小さく明確な作業が得意で、新人の役割は問題を理解し、コードを読んで検証し、判断を説明することです。給与データを使ったスタンフォード大学の研究では、AIの影響を強く受ける職種の22〜25歳の雇用が他の層より約13%減っており、競争は厳しくなっていますが、これは相関であり原因の証明ではありません。

力を失わないために、学習中はAIをどう使えばよいですか

先に自分で書き、そのあとでAIに説明、比較、誤りの指摘をしてもらいます。学ぼうとしている部分を書かせないでください。Anthropicの試験では、新しいPythonライブラリを学ぶ52人のうち、AIを使った群のテストは約50%、自分で書いた群は約67%で、差が最も大きかったのはデバッグの問題でした。小さな研究なので、確かな結論ではなく警告として扱ってください。

ジュニアになるまでどのくらいかかりますか

確かな数字はありません。週の学習時間と市場によります。この記事の計画は、12か月、週15〜20時間ほどを想定しています。これは筆者の推論で、多くの人で検証してはいないため、出発点として扱い、毎月の自己点検で調整してください。

AI時代の新人のポートフォリオには何が要りますか

動く小さなプロジェクトを2、3個（なぜその設計にしたかの説明つき）、実際の貢献（不具合修正、文書、レビュー）をいくつか、そして学習ログです。採用側はAIが書いたコードと本人のコードを見分けにくいので、最良の証明は、目の前でコードを説明し、デバッグできることです。

歩み

AI時代の新人：ジュニアになるための12か月計画

新人の採用は厳しくなり、AIは簡単なコードを多く書けます。この記事は、4つの四半期に分けた12か月計画、AIに代わりに学ばれるのではなくAIで学ぶ方法、毎週の習慣、進み具合の確かめ方を示します。

Nhu Duy Thin (Thinnd)2026年10月29日, 15:209分で読めます

#新人
#ジュニア
#AI
#ロードマップ
#プログラミング学習
#キャリア

スライド

スライドをクリックし、矢印キーでページを移動します。Lキーで言語、Fキーで全画面表示を切り替えます。

全画面で開く

学生、新入社員、転職する人のための記事です。技術用語には短い説明を付けます。

この計画は、末尾の公開研究をもとにした私の推論で、多くの人では検証していません。登場する「ミン」は、イメージしやすいように作った例で、実在の人物ではありません。出発点として扱い、自分に合わせて調整してください。

先に要点#

業界の入り口は狭くなっています：スタンフォード大学の研究では、AIの影響を強く受ける職種の22〜25歳の雇用が、他の層より約13%減っていました。相関であり、原因とは限りません。
12か月計画は4つの四半期です：手で書く基礎、AIを家庭教師にした小さなプロジェクト、実践に近い環境、ポートフォリオと面接。
一貫した規則は、先に自分で書き、AIには後で説明してもらうこと。そして自分のコードをいつも言葉で説明できること。
AIに書かせると、学びが弱くなりかねません。Anthropicの小さな試験では、AIを使った群は、自分で書いた群よりテストの成績が低かったのです。
毎月、3つの問い（6章）で自分を確かめます。感覚には頼りません。

むずかしい言葉をやさしく#

用語	やさしい意味
新人 / ジュニア	入ったばかりの人 / 指導を受けながら小さな作業ができる人。
オープンソース	誰でも読めて、貢献できるプロジェクト。実践に近い練習の場。
コードレビュー	他の人のコードを読み、プロジェクトに入る前に意見を言うこと。
デバッグ	プログラムが間違える理由を突き止めて直すこと。
AIの家庭教師	宿題を任せるのではなく、説明、逆質問、誤りの指摘のためにAIを使うこと。
相関	2つのものが一緒に動くこと。一方が他方の原因とは限らない。

1. 新人に何が起きているか#

根拠は2種類あり、どちらも慎重に読む必要があります。

雇用。 ブリニョルフソン、チャンダー、チェンによる「Canaries in the Coal Mine」（スタンフォード大学、2025年8月）は、ADPの給与データを使っています。会社ごとの衝撃を除いたうえで、AIの影響を強く受ける職種の22〜25歳の雇用は他の層より約13%減り、同じ職種の年上の人は安定していました。報道ではプログラマーがよく挙げられますが、論文の要旨は特にこの職種だけを名指ししていません。データはアメリカのもので、相関です。ベトナムで同等の数字は見つけられていないので、身近な採用市場を自分で確かめてください。
学習。 Anthropicは、見慣れないPythonライブラリ「Trio」を学ぶ52人のプログラマー（多くは経験の浅い人）への無作為化試験を公表しました（2026年1月）。AIを使った群の知識テストは平均約50%、自分で書いた群は約67%で、差が最も大きかったのはデバッグの問題でした。AI群は約2分速かったものの、その差は統計的に有意ではありませんでした。標本は小さく（各群26人）、私は要旨を読んだだけで原文は読んでいません。

合わせて読むと：入り口は狭くなり、近道（AIに任せる）は、採用側が確かめる理解とデバッグそのものを欠かせるおそれがあります。

2. 学習中のAIの使い方の規則#

先に自分で書く。 20分でも。比べるための自分の版が必要です。
AIには書かせず、説明させる。 「1行ずつ説明して」「間違いうる所を指摘して」「似た練習を3つ出して」。
言葉で説明し直す。 なぜ動くのか言えないなら、動いていても学び終えていません。
先に手でデバッグする。 値を出力し、エラーメッセージを読み、仮説を試す。AIに聞くのは15分試してから。
記録する。 週に1行：今週できるようになって、先週はできなかったこと。

同じブログのAIを鵜呑みにしてはいけない理由は、AIが流暢でも間違えうる理由を説明しています。必ず確かめましょう。

3. 12か月計画、4つの四半期#

週15〜20時間ほどを想定します。時間が少ない場合は、手順を減らさず各四半期を延ばします。

第1四半期（1〜3か月）：手で書く基礎#

1つの言語を選び、そこに留まる。たとえばPythonかJavaScript。
学ぶこと：変数、関数、ループ、リストと辞書、ファイルの読み書き、エラー処理、コマンドライン、Git。
毎週：AIに書かせない小さな練習を5つ。終わった後にAIに説明してもらうのはかまいません。
他人のコードを読む：毎週、小さなプロジェクトの50〜100行のファイルを1つ読み、分かった部分を言葉で言い直す。
四半期の目標： 簡単なテストつきの100〜200行のコマンドラインプログラムを書き、Gitに上げる。

第2四半期（4〜6か月）：小さなプロジェクト、AIは家庭教師#

本当の利用者が自分と友人である小さなプロジェクトを2つ作る：データを持つWebアプリと、よくやる作業の自動化ツール。
さらに学ぶこと：HTTP、基本的なデータベース、API、テストの書き方、公式ドキュメントの読み方。
AIの使い方：設計は自分で描き、難しい部分は自分で書き、AIにはレビューと弱点の指摘を頼む。
各プロジェクトに、なぜその設計にしたか、試して失敗したことを説明するREADMEを付ける。
四半期の目標： 動くプロジェクトが2つあり、コードを見ずに各部分を説明できる。

第3四半期（7〜9か月）：実践に近い環境#

他人のコードを読んで直す練習：小さなオープンソースを選び、簡単な不具合や文書を直し、変更を送ってレビューを受ける。
レビューの練習：毎週他の人の変更を読み、15項目チェックリストで目を鍛える。
体系的なデバッグの練習：再現、範囲を絞る、仮説、検証。
インターン、短期の仕事、友人との共同制作を試す。人と働くことは、本が教えないことを教えます。
四半期の目標： 受け入れられた実際の貢献が3件以上、またはインターンを経験し、レビューを受けて直したことがある。

第4四半期（10〜12か月）：ポートフォリオと面接#

いちばん良い2、3個のプロジェクトを選び、整え、READMEを書き、説明の仕方をメモする。
面接の練習：自分のコードの説明、その場でのデバッグ、「仕事でAIをどう使うか」への答え。
継続して応募し、不採用のたびにフィードバックを求める。
四半期の目標： 整ったポートフォリオ、他の人との模擬面接3回、狙う職種のリスト。

4. 例：同じ課題の2つのやり方#

作った人物による例です。

ミンは、売上のCSVファイルを読み、月ごとの合計を出す課題を出されました。

やり方A。 ミンは課題をAIに貼り、30行のコードをもらい、結果は正しく、提出する。1週間後、日付の形式が違う似た課題が来て、どこを直すか分からない。
やり方B。 ミンは20分、自分で書き、日付の読み取りで間違え、新しいコードをもらう代わりにAIにエラーを説明してもらい、手で直し、AIに似た練習を2つ出してもらう。初日は3倍の時間がかかる。

1か月後、Bのミンは別の日付形式を数分で直せます。Aは最初は速いのですが、Bが余分な時間で買うのはデバッグの力で、まさにAnthropicの試験で差が最も大きかった所です。

5. AI時代のポートフォリオに必要なもの#

採用側は、あなたが書いたのかAIが書いたのか見分けにくいので、最良の証拠は、目の前で説明とデバッグができることです。整ったポートフォリオには：

動く小さなプロジェクトを2、3個。 各READMEに目標、設計、失敗したことを書く。
実際の貢献： 不具合修正、文書、レビュー。小さくてもかまいません。
短い学習ログ： 毎月学んだこと。
AIの使い方の一段落： 何に使うか、どう確かめるか、いつ使わないか。

Stack Overflowの2025年調査（回答者4万9千人超）では、46%がAIの正確さを信頼せず、66%が「ほぼ正しいが完全ではない」回答に出会うと答えました。面接官はそれを知っているので、AIをどれだけ使うかより、どう確かめるかを気にします。

6. 毎月の自己点検#

3つの問いに答えて書き留めます：

今月、先月はできなかったことで、できるようになったのは何か（AIなしで）？
提出したコードのどれだけを、見返さずに説明できるか？
今月いちばん難しかった不具合をどう扱ったか、どのくらいかかったか、誰が助けたか？

2か月続けて1と2が進まないなら、AIに書かせるのを減らし、自分で書くのを増やします。3がいつも「AIに直してもらった」なら、手でのデバッグを練習します。

7. バランスの取れた見方#

計画は未検証です。 いくつかの小さな研究とアメリカのデータからの推論です。あなたには順番が違うかもしれません。
全員に12か月が要るわけではありません。 基礎がある人は第2、第3四半期から始められます。
市場は動きます。 雇用の数字は時とともに変わります。1つの数字を覚えるより、出典を追ってください。
AIを使うのは悪くありません。 避けたいのは、学ぶべき部分をAIにやらせること。習熟した後は、AIで大きく速くなれます。
経験者も、AIを場違いに使うと遅くなります。 METRの研究（2025年7月）では、経験豊富な16人の開発者が、2025年初めのAIツールで約19%遅くなりました。本人たちは速くなったと信じていました。標本は小さくツールも変わっていますが、速く感じることは測定ではないという注意になります。

8. 結論#

業界の入り口は狭くなっていますが、採用側が確かめるのは今も理解、デバッグ、説明です。AIは宿題をやる人ではなく、辛抱強い家庭教師として使いましょう。先に書き、後で聞き、言葉で説明し直し、毎週の進歩を記録します。

今週から：言語を1つ選び、小さな練習を1つ選び、20分、自分で書き、それからAIに聞いてください。

参考資料#

よくある質問

AIがコードを書ける時代でも、新人はプログラミングを学ぶべきですか: はい。ただし学び方を変えます。AIは小さく明確な作業が得意で、新人の役割は問題を理解し、コードを読んで検証し、判断を説明することです。給与データを使ったスタンフォード大学の研究では、AIの影響を強く受ける職種の22〜25歳の雇用が他の層より約13%減っており、競争は厳しくなっていますが、これは相関であり原因の証明ではありません。
力を失わないために、学習中はAIをどう使えばよいですか: 先に自分で書き、そのあとでAIに説明、比較、誤りの指摘をしてもらいます。学ぼうとしている部分を書かせないでください。Anthropicの試験では、新しいPythonライブラリを学ぶ52人のうち、AIを使った群のテストは約50%、自分で書いた群は約67%で、差が最も大きかったのはデバッグの問題でした。小さな研究なので、確かな結論ではなく警告として扱ってください。
ジュニアになるまでどのくらいかかりますか: 確かな数字はありません。週の学習時間と市場によります。この記事の計画は、12か月、週15〜20時間ほどを想定しています。これは筆者の推論で、多くの人で検証してはいないため、出発点として扱い、毎月の自己点検で調整してください。
AI時代の新人のポートフォリオには何が要りますか: 動く小さなプロジェクトを2、3個（なぜその設計にしたかの説明つき）、実際の貢献（不具合修正、文書、レビュー）をいくつか、そして学習ログです。採用側はAIが書いたコードと本人のコードを見分けにくいので、最良の証明は、目の前でコードを説明し、デバッグできることです。