---
title: "新人と先輩の対話：AI時代の学び方"
url: https://www.thinnd.site/ja/taiwa/shinjin-to-senpai-no-taiwa-ai-jidai-no-manabi/
language: ja
author: "Nhu Duy Thin (Thinnd)"
published: 2026-10-29
updated: 2026-10-29
section: "対話"
tags: ["新人", "先輩", "AI", "学習", "メンタリング", "対話"]
summary: "新人と先輩の作り直した対話から、4つのことが分かります：市場がAIで変わらないと約束できる人はいませんが、理解、デバッグ、コードの説明は今も確かめられる。AIに練習問題を書かせると学びが減りうる（Anthropicの小さな試験では、AI群のテストは約50%、自分で書いた群は約67%）。先輩に聞くのは自分で試した後で、試したことを持っていく。そして先輩もAIを確かめるべきで、速く感じることは測定ではない。"
license: "Cite with the author name and the canonical URL above."
---

# 新人と先輩の対話：AI時代の学び方

> 業界に入ったばかりの人と、その人たちを導く先輩のための記事です。
>
> **マイ**と**コア**は、イメージしやすいように作った人物で、実在の人物ではありません。会話は例で、数字は末尾の公開研究によります。どこがデータで、どこが登場人物の意見かを明記します。多くの研究は小さいか、ベンダーの発表なので、慎重に読んでください。

---

## 先に要点

- 市場が変わらないと約束できる人はいません。けれど、**理解、デバッグ、コードの説明**は、今も採用で確かめられます。
- **AIに練習問題を書かせると、学びが減りうる**。先に自分で書き、AIには後で説明してもらう。
- **先輩に聞くのは、自分で試した後**。試したことを持っていく。
- **先輩もAIを確かめるべき**。速く感じることは測定ではありません。
- 毎月3つの問いを自分にして、本当に進歩しているかを確かめる。

---

## 場面

金曜の午後、会社の近くのカフェ。**マイ**は入社3か月で、試用期間中です。**コア**はマイのチームの先輩で、この仕事を8年しています。

---

## 1. 「AIに仕事を奪われるのが怖いです」

**マイ：** コアさん、正直に言うと、すごく不安です。友達が、AIがコードを書けるから、新人の採用を減らす会社が増えていると言うんです。

**コア：** 確かなことは約束できないよ。分からないから。でも、読んだことを共有するね。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%減っていた。

**マイ：** じゃあ、やっぱり本当なんですね？

**コア：** 待って。それはアメリカのデータで、**相関**なんだ。2つのものが一緒に動いただけで、一方が他方の原因とは証明していない。報道ではプログラミングがよく名指しされるけど、論文の要旨はこの職種だけを挙げてはいない。ベトナムで同等の数字も、僕は見ていない。だから僕の考えは：**適度な心配は当然。でも、それに学び方を決めさせないこと**。

> **学び：** 入り口は狭くなるかもしれませんが、データは相関にすぎず、よその国のものです。自分で動かせるものに集中しましょう：自分の力です。

---

## 2. 「練習問題を全部AIにやらせています。速いです」

**マイ：** ちょっと恥ずかしいことがあって。課題をAIに貼ると、すぐ動くコードを書いてくれて、それを提出しているんです。すごく速くて。

**コア：** 先週のレビュー、覚えてる？ なぜ二重ループにしたのか聞いたら、説明できなかったよね。

**マイ：** はい、動くことしか分かりませんでした。

**コア：** 2026年初めに公表された、Anthropicの試験の話をするよ。52人のプログラマー、多くは経験が浅い人に、見慣れないPythonのライブラリを学んでもらった。その後の知識テストで、AIを使った群は約50%、自分で書いた群は約67%。差が最も大きかったのは**デバッグ**の問題だった。

**マイ：** AIで私はバカになるんですか？

**コア：** 断言はできない。標本は小さくて各群26人だし、僕は要旨を読んだだけで、論文全体は読んでいない。AI群は約2分速かったけど、その差は統計的に有意ではなかった。でも、**僕が見ていることと合う**んだ。学ぶべき部分そのものをAIに書かせる人は、デバッグが足りなくなる。

**マイ：** じゃあ、どうすればいいですか？

**コア：** この規則を試してみて：**先に20分、自分で書いて、それからAIに説明や間違いの指摘を頼む**。新しいコードは頼まない。説明を頼む。

> **学び：** AIは、代わりに学ぶより、説明するほうが得意です。比べるための自分の版を持つために、先に書きましょう。

---

## 3. 「じゃあ、何を学べばいいですか？」

**マイ：** AIが簡単なコードを書けるなら、何を学べばいいですか？

**コア：** 5つあると思う。ただ、これは僕の意見で、検証済みの事実ではないよ：

1. **他人のコードを読む。** 毎週、知らないファイルを1つ読み、何をするか言葉で言い直す。
2. **体系的にデバッグする。** 再現、絞る、仮説、検証。当てずっぽうはだめ。
3. **テストを書く。** テストは「正しい」の意味を教えてくれる。
4. **Gitとレビューを使う。** 人と働くのは日常だから。
5. **判断を説明する。** なぜこのやり方で、あのやり方ではないのか。

**マイ：** どれもAIにもできることじゃないですか？

**コア：** AIは一部をやる。でも、**結果に責任を持つ人**は理解していないといけない。[新人のための12か月計画](https://www.thinnd.site/ja/ayumi/ai-jidai-no-shinjin-12kagetsu-keikaku/)の記事を読んでみて。僕より詳しく書いてある。

---

## 4. 「AIとコアさん、どちらに聞けばいいですか？」

**マイ：** AIに聞くべきか、コアさんの邪魔をするべきか、迷うことがあります。

**コア：** こう分けてる。**AIに聞く**のは概念と例：「ポインタを説明して」「ループの例を出して」。**僕に聞く**のは文脈と判断：「うちのプロジェクトはなぜこのやり方か」「ここは直すべきか」。

**マイ：** 聞き方はどうすればいいですか？

**コア：** まず15分ほど自分で試して。それから3つ持ってきて：**何を試したか、何を期待したか、何を見たか**。そうすれば僕は早く答えられるし、君の考え方も見える。

**マイ：** でも、バカな質問が怖くて。

**コア：** その3つがある質問は、バカじゃない。バカな質問は、先に試さず、何を試したか言えない質問。

---

## 5. 「コアさんはAIをどう使っているんですか？」

**マイ：** コアさんはAIを使いますか？

**コア：** 毎日使う。骨組みの作成、サンプルのテスト、変なコードの説明みたいな繰り返しの部分にね。でも**変更は全部読む**し、レビュー用のチェックリストもある。僕がよく使う[15項目チェックリスト](https://www.thinnd.site/ja/gijutsu/ai-ga-kaita-code-no-review/)を見てみて。

**マイ：** じゃあ、ずっと速くなったんですよね？

**コア：** そう思っていた。それから、2025年7月のMETRの研究を読んだ。経験豊富な16人の開発者が246の実際の作業をして、半分はAIあり、半分はなし。AI群は**約19%遅かった**。なのに本人たちは、約20%速くなったと信じていた。

**マイ：** えっ、じゃあAIは役に立たないんですか？

**コア：** 気をつけて、そうは言ってない。標本は小さいし、彼らはよく知っているプロジェクトで作業したし、ツールは2025年初めのもので、その後だいぶ変わった。僕が引き出す教訓は1つだけ：**速く感じることは測定ではない**。だから、いくつかの作業の時間を、AIありとなしで自分で測り始めた。

> **学び：** 先輩でも確かめる必要があります。感覚を信じず、測りましょう。

---

## 6. 「自分が進歩しているか、どう分かりますか？」

**マイ：** 本当に進歩しているのか、分かりません。

**コア：** 毎月、3つの問いを自分にして、紙に書いて：

1. **先月はできなかったことで、今月できるようになったのは何か**（AIなしで）？
2. **提出したコードのどれだけを、見返さずに説明できるか？**
3. **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て、自分で書くのを増やす。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する。

---

## 7. 「面接では何を見られますか？」

**マイ：** 将来の面接では、私の何を見られるんでしょう？

**コア：** 何人かの新人を面接したことがある。見るのは3つ：自分の**コードを説明できるか**、**目の前でデバッグできるか**、そして**AIがくれたものをどう確かめるか**。Stack Overflowの2025年調査は、回答者4万9千人超で、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」答えによく出会うと答えた。だから僕は、AIをどれだけ使うかより、どう**確かめる**かを気にする。

**マイ：** 「AIをどう使いますか」と聞くんですか？

**コア：** 聞く。良い答えには、たいてい3つの部分がある：何に使うか、どう確かめるか、いつ使わないか。

---

## 8. 会話が終わるころ

**マイ：** 宿題をください。

**コア：** 今週：小さな課題を1つ選んで、20分自分で書いて、それからAIに、どこが違うか説明してもらう。週末に、何を学んだか教えて。

**マイ：** コアさんは、何か心配していることはありますか？

**コア：** あるよ、いくつか。データがまだ薄いこと、どれが長く通用するか確信がないこと。僕もまだ学んでいる。僕の言うことを真実だと思わないで。**試して、自分で確かめるための出発点**だと思ってね。

---

## 学び

1. **適度に心配し、心配に学び方を決めさせない。** 雇用のデータは、よそから来た相関です。
2. **先に書き、AIには後で説明してもらう。** Anthropicの小さな試験は、AIに書かせるとデバッグに穴が空くことを示唆します。
3. **人に聞くのは自分で試した後。試したことを持っていく。**
4. **先輩でも、確かめ、測る。** METRの研究は、速く感じることは測定ではないと思い出させます。
5. **毎月3つの問いを自分にして**、本当に進歩しているのか、速く感じているだけなのかを知る。

---

## バランスの取れた見方

- これは**作り直した対話**です。コアの意見は登場人物のもので、検証済みの結論ではありません。
- 触れた研究は**小さいか、ベンダーの発表**です。雇用のデータはアメリカのもの。ツールと市場が変われば、どちらも変わりえます。
- 学び方は人それぞれです。この提案は、固い規則ではなく出発点として使ってください。

---

## 参考資料

- [Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of AI（Stanford Digital Economy Lab）](https://digitaleconomy.stanford.edu/publications/canaries-in-the-coal-mine/) と [The Registerの報道](https://www.theregister.com/2025/08/26/ai_hurts_recent_college_grads_jobs/)
- [Anthropic：AI assistance and coding skills（2026年1月）](https://www.anthropic.com/research/AI-assistance-coding-skills)
- [METRの生産性研究についてのSimon Willisonの解説](https://simonwillison.net/2025/Jul/12/ai-open-source-productivity/)
- [Stack Overflow Developer Survey 2025、AIの章](https://survey.stackoverflow.co/2025/ai)
- ブログ内の関連記事：[AI時代の新人：ジュニアになるための12か月計画](https://www.thinnd.site/ja/ayumi/ai-jidai-no-shinjin-12kagetsu-keikaku/)、[AIが書いたコードのレビュー](https://www.thinnd.site/ja/gijutsu/ai-ga-kaita-code-no-review/)