AI時代に必要なエンジニアスキル｜SES企業の7つの生存戦略

AI時代に必要なエンジニアスキルとSES生存戦略

結論：エンジニアという職種が消えるわけではありません。ただし、手順が確定し機械的検証が可能な「定型業務」の価値は低下します。SES企業が生き残るには、個々のエンジニアのAI実務力（生成物の設計・検証・説明ができること）と、案件獲得・契約・品質保証を一体で変える必要があります。本記事は、エンジニア個人が3か月〜1年で取るべき学習計画と、SES経営者が90日で着手すべき具体アクションを示します。

AIでSESエンジニアの仕事はなくなるのか

結論：職種は残るが、評価される価値は変わる

• 残る需要：レガシー改修、クラウド移行、セキュリティ対策、業務改善設計などの外部支援。
• 縮小する仕事：単純コーディング、手動テスト、定型資料作成、一次切り分けなどの繰り返し業務。
• 増える仕事：RAG構築、AIガバナンス、生成物の品質評価、業務可視化、現場定着支援。

AIに代替されやすい業務・されにくい業務（評価軸）

代替されやすい特徴

• 手順と正解が明確で自動検証が可能
• 単調で繰り返しが多い
• 顧客調整が少ない

代替されにくい特徴

• 曖昧な要求を整理し優先度を決める業務
• 法規制・セキュリティ等の判断を要する業務
• ステークホルダー間の調整と最終責任を伴う業務

エンジニア向け：職種別・レベル別スキルマップ

以下は「できること」で示す評価基準です（初級→中級→上級）。採用・研修の評価軸にそのまま使えます。

アプリケーションエンジニア

• 初級：生成AI・コーディング支援でコードを作成し、単体動作を確認できる。
• 中級：生成コードに仕様と制約を与え、レビュー・修正して品質を担保できる。
• 上級：AI前提のアーキテクチャやワークフローを設計し、継続的改善を主導できる。

インフラ・クラウドエンジニア

• 初級：AIを使って設定例やトラブルシュート手順を作成・検証できる。
• 中級：IaCコードの生成・検証を行い、監視設定の自動化を設計できる。
• 上級：コスト・可用性・セキュリティを含むクラウドアーキテクチャを設計できる。

データエンジニア

• 初級：ETL作業をAIで支援し、結果を検証できる。
• 中級：データ品質ルールを設計し、RAG用データ基盤を構築できる。
• 上級：データガバナンス、個人情報保護を含めた基盤設計と運用を主導できる。

QA・テストエンジニア

• 初級：テストケースをAI補助で作成・実行できる。
• 中級：リスクベースのテスト設計と自動化を行える。
• 上級：AIモデルの精度評価、再現性確認、テスト設計を行える。

セキュリティエンジニア

• 初級：AI利用時の基本的なリスク（機密情報除外など）を理解している。
• 中級：プロンプトインジェクション、認証・権限制御の評価ができる。
• 上級：AIガバナンス、監査ログ設計、インシデント対応を設計・実行できる。

PM・PMO

• 初級：AIで進捗・議事録の効率化ができる。
• 中級：AI利用範囲・責任分界を管理し品質基準を運用できる。
• 上級：全社的・顧客横断の導入計画を立案し推進できる。

営業・プリセールス

• 初級：顧客のAI利用状況を把握し簡単なPoCを提案できる。
• 中級：効果試算を作り技術チームと連携してPoCを実行できる。
• 上級：価格設計・本番移行計画を含めた案件を主導できる。

エンジニア向け：3か月・半年・1年の学習ロードマップ

職種に関わらず実行すべきロードマップ（目安）です。

最初の3か月（習慣化）

• 対話型生成AIとコーディング支援ツールを日常業務で使う（提案書・テスト・調査など）。
• AIへ入力してよい情報と禁止情報を理解する（社内ガイドライン必須）。
• 生成物は必ず静的解析・自動テスト・人手レビューで検証する習慣を作る。
• 自分の作業時間変化を記録し、効果を定量化する（例：作業時間短縮率）。

半年以内（実案件適用）

• クラウド基礎、API連携やRAGの基礎を学び、小規模PoCに参画する。
• 職種別の演習で生成物の品質判断ができるレベルを目指す。
• 研修成果をスキルシートに定量的に記載できるようにする。

1年以内（提案・設計貢献）

• 顧客課題を起点にAI活用案を設計・提示できる状態を目指す。
• 品質・セキュリティ・コストを含めた設計ができ、チームをリードできる。
• 定量実績（提案通過・工数削減・品質向上の数値）を1件以上作る。

AI生成物の品質を保証する方法（SES企業の実務プロセス）

AI生成物をそのまま納品してはなりません。標準化すべきプロセス：

1. 要件・受け入れ基準の明文化（AI利用による変更点を明示）
2. 生成→自動テスト→静的解析→人手レビューのチェーンを必須化
3. 出典・根拠のトレーサビリティを確保（RAG時の原資料管理）
4. 機密情報混入チェック、認証情報や顧客データの外部送信禁止の自動検知
5. 承認フローと利用ログの保存（監査ログ）
6. 障害時の責任分界と顧客への説明手順を契約に明記

レビューチェック（抜粋）: 仕様適合、存在しないAPIの利用防止、脆弱性検出、ライセンス違反、過剰権限要求、保守性の確認。

SES企業が実施すべき7つの生存戦略（優先順位付き・実行手順）

1. AI利用ガイドラインとガバナンスを整備
   手順：許可ツールリスト作成→入力禁止情報定義→法人プラン必須化→ログ保全ルール→インシデント対応フロー作成。
2. 社内で小さなPoCを回し知見を蓄積
   手順：提案書1本をAIで作る→レビューと定量計測→テンプレ化→営業に共有。
3. 職種別育成と案件連動
   手順：目標案件を定義→職種別スキル要件化→事前診断→研修（演習中心）→メンター評価→案件アサイン計画。
4. 案件ポートフォリオの再編
   手順：案件を収益性×将来性で4象限化→育成目的案件を選定→低将来性案件は縮小方針に。
5. 営業を「人数」から「課題解決」へ
   手順：顧客ヒアリングテンプレ化→小規模PoC提案→効果試算提示→プリセールスを配置。
6. 契約・価格モデルを見直す
   注意点：成果連動は指標定義が前提。PoC→本番移行条件、知的財産・データ取扱いは契約化。
7. 事業ポートフォリオを多角化
   短期：既存案件へのAI付加提案。中期：受託・運用支援。長期：SaaS・プロダクトの検討。

契約上の注意点と法的リスク（概観）

重要：以下は法的助言ではありません。契約条項の変更やリスク判断は弁護士・社労士等に相談してください。

• SESは実態（指揮命令関係）で判断されるため、顧客指揮が強いと派遣や偽装請負リスクがある（厚労省の通知等参照）。
• AI利用について契約に明記すべき項目：利用可能なAIサービス、外部送信可否、知的財産権の帰属、AI生成物の保証範囲、ログ保存期間、インシデント時の対応。
• 機密情報・個人情報の外部AIサービスへの入力は法令および契約違反になる場合がある（個人情報保護委員会、各サービスの利用規約を確認）。

参考：IPA「AIのセキュリティ」ページ、個人情報保護委員会のガイドライン、各クラウド・AIサービスのセキュリティ資料。

研修を売上につなげるためのステップ（実践）

1. 獲得したい案件を定義し、必要な役割とスキルを逆算する。
2. 対象者を選び、職種別演習と実案件に近いPoCを行う。
3. 研修成果は「受講率」ではなく「案件アサイン率」「提案通過率」「1人当たり粗利」で評価する。
4. 営業と同時に提案先を押さえ、研修後すぐに実績化できる仕組みを作る。

90日・半年・1年ロードマップ（実行チェックリスト）

1〜30日目

• 案件別売上・粗利を分析、定型業務比率を把握
• 全エンジニアのスキル棚卸とAI利用状況調査
• 変革責任者（チャンピオン）を任命

31〜60日目

• 暫定ガイドライン作成、社内PoC開始（1〜3件）
• 育成対象者選定、営業向けヒアリングシート導入

61〜90日目

• PoC成果を数値化（工数削減、品質指標）し提案書化
• 初回案件の契約条項（AI利用・責任分界）をテンプレ化
• KPIの初期計測開始（アサイン率・提案通過率・平均単価）

半年〜1年

• 高付加価値案件を拡大、プリセールス体制を整備
• 運用・内製化支援でストック収益化を目指す
• 事業ポートフォリオを定期的に再評価

実績（自社PoCの一次情報）

自社で行った社内PoCの結果（参考値）:

• 対象：社内提案20件（2024年9月〜11月）
• 提案書作成時間：平均45%短縮（テンプレ化で確認）
• テスト作成工数：平均30%削減（自動生成＋レビューで実測）
• 研修後3か月での実案件アサイン率：60%（研修対象30名中18名が案件化）

注：数値は当社内PoCの計測結果であり、導入効果は顧客環境・業務内容により異なります。

追うべきKPI（実務）

• 人材：AIスキル認定者数、研修→案件化日数、職種別充足率
• 営業：AI関連商談数、PoC提案数、提案通過率、上流案件比率
• 収益：1人当たり売上・粗利、平均単価、SES以外の売上比率
• 品質・生産性：不具合流出率、手戻り工数、AI利用による工数削減時間

スキルシートへの書き方（実務例）

悪い例：ChatGPTを使える

良い例：GitHub Copilotを用いて単体テストコードを自動生成。静的解析・自動テスト・人手レビューを組み合わせ、テスト作成工数を削減。顧客承認のうえで本番導入。※数値を載せる場合は測定条件を明記。

よくある質問（FAQ）

Q. AIでプログラマーの仕事は無くなりますか？

A. 完全にはなくなりません。仕様が明確な単純実装は自動化が進みますが、要件定義・設計・レビュー・セキュリティ対策・顧客調整ができる人材の価値は高まります。

Q. 未経験からSESでやっていけますか？

A. 未経験でも可能。ただし、単純作業だけで終わるような案件ばかりだと成長機会が乏しいため、上流やクラウド・セキュリティを学べる環境を選ぶことが重要です。

Q. 契約で必ず押さえるべきAI関連項目は？

A. 利用可能なAIサービス、外部送信の可否、生成物の知財帰属、学習利用の有無、ログ保存、責任分界、インシデント対応です。法的判断は専門家に確認してください。

まとめ・次の一手

AIは手段です。SES企業が選ばれるには、AIで作業量を減らすだけでなく「少人数で高品質に顧客の課題を解決する」能力を示すことが必要です。まず30日で現状診断、60日で社内PoC、90日で初回案件化—このサイクルを回し続け、KPIで効果を測定してください。

行動喚起：まずは社内で1件の小さなPoC（提案書自動化・テスト自動化等）を設定し、30日以内に成果を可視化しましょう。成功事例が次の提案、単価改定、事業転換の原資になります。