AI協働力: 100万件の評価データが示す、 モノづくりで問われる力の行方

Developers Summit 2026 FUKUOKA AI COLLABORATION · CAREER & RO LE AI協働力: 100万件の評価データが示す、 モノづくりで問われる力の行方 判断は、自分から始まっているか ─ AI 協働の実測から読む、キャリアとロール 泉水 翔吾 株式会社ハイヤールー 取締役CTO 2026-09-11

PRESENTER 泉水 翔吾 株式会社ハイヤールー 取締役CTO Shogo SENSUI サイバーエージェント メルカリ デジタル庁 ハウテレビジョン SIer での受託開発を経て、株式会社サイバーエージェントに入社。様々なプロダク ト開発の傍ら、立ち上げた横断組織で Web 技術の推進に従事。株式会社メルカリ に入社後は Web やアプリのフルリプレイスを牽引し、執行役員 VP としてメルペイ のエンジニアリング部門を管掌。 デジタル庁では行政のデジタル化に貢献し、株式会社ハウテレビジョンでは執行役 員プロダクト本部長として事業と組織の成長を主導。西日本旅客鉄道株式会社・三 井住友カード株式会社等の顧問として、事業や組織の幅広い課題解決を推進。 2025 年、株式会社ハイヤールーにジョイン。

AI 導入の現在地 ── 個人の実感と、組織の成果 90% 80%+ 個人の実感 業務で AI を使用 生産性向上を実感 −1.5% +7.2% 組織の成果 · AI 導入が 25% 進むごと デリバリーのスループット 実感と成果がずれている。問いは「使っているか」ではなく、どう使っているか デリバリーの不安定性 出典：DORA — State of AI-assisted Software Development (2025) / Accelerate State of DevOps (2024)

• https://dora.dev/research/2025/dora-report/
• https://dora.dev/research/2024/dora-report/

実装するコストがゼロに近づくと、 ボトルネックは判断に移る これまで これから 要求 設計 要求 何を作るか 実装 検証 運用 正しさをどう確かめるか 運用 ボトルネック ── 評価は実装力に寄る 設計 どの案にするか 実装 求められる能力は「書く」から「判断する」へ。以後「左に移る」はこの図のこと 検証

THE QUESTION 評価される軸が移ったのなら、 キャリアとロールはどう動くのか 01 測った話 02 読みの話

01 01 02 01 · 測った話 評価される軸は、 どこへ移ったのか

企業はもう選び始めている AI 協働形式を選んだ企業数の推移（累計） 32社 / 97 39社 / 105 21社 / 90 11社 / 79 2026-05 · 13.9% 2026-06 · 23.3% 2026-07 · 33.0% 2026-08 · 37.1%

何が要るとされたか ── 成り立ちの違う 4 つの出典 1指標 2採用実務 3論文 · 枠組み 4査読論文 · ICML 2026 anthropic.com/ai-fluency coderpad.io/survey-reports arXiv 2606.03394 arXiv 2512.04111v3 Anthropic AI Fluency CoderPad State of Tech Hiring FSE-CF CentaurEval

• https://www.anthropic.com/ai-fluency
• https://coderpad.io/survey-reports/coderpad-state-of-tech-hiring-2026/
• https://arxiv.org/abs/2606.03394
• https://arxiv.org/abs/2512.04111

Anthropic の AI Fluency ─ 4 つのコンピテンシー Delegation Description Discernment Diligence 委譲 記述 見極め 誠実さ 何を任せ、何を自分でやるかを決める 意図と文脈を、AI に伝わる形にする 出てきたものを評価し、自分で判断する 倫理・透明性・説明責任を引き受ける 出典：Anthropic × Ringling College × University College Cork — AI Fluency: Framework & Foundations

• https://www.anthropic.com/ai-fluency

CoderPad ─ AI 利用可の面接で見る 5 つのシグナル 02 トレードオフと正しさを説 明できる Explain trade-offs and correctness 01 · 筆頭のシグナル 03 反復し、出力を改善できる Improve AI output through iteration Catch and fix AI mistakes 04 エッジケースを扱える Handle edge cases 05 セキュリティ・プライバシ ーに配慮できる Consider security and privacy AI の誤りを捕まえ直せる 上位二つはどちらも「出てきたものを疑い、説明できるか」 出典：CoderPad — State of Tech Hiring 2026

• https://coderpad.io/survey-reports/coderpad-state-of-tech-hiring-2026/

FSE-CF ─ AI と働く力のうち、AI に代替されにくいもの 02 批判的に評価し、判断する Critical evaluation & judgment 01 · 協働の中心にあるスキル 03 全体をシステムとして見る Systems thinking いつ頼り、いつ検証し、いつ上書きするか 04 AI にどこまで任せるかを決 める AI governance — プロンプト設計は、AI に代替されていく側 Trust calibration 「頼み方」と「疑い方」は、別の能力として扱われている 出典：Alenezi (2026) — arXiv 2606.03394

• https://arxiv.org/abs/2606.03394

CentaurEval ─ 協働でしか解けない問題の正答率 18.89% 0.67% LLM 単独 AI に丸ごと任せる 人間単独 AI を使わない 突破口は人間からも AI からも出る ── 介在の余地は実在する 31.11% 協働 人が判断し、AI と往復する 出典：ICML 2026 — arXiv 2512.04111v3

• https://arxiv.org/abs/2512.04111

別の出典が同じ論点に収束する 別々の 4 つの出典が、それぞれ指したもの 指標 Anthropic AI Fluency 見極め（Discernment） 採用実務 CoderPad AI の誤りを捕まえ、直せるか State of Tech Hiring 論文 · 枠組み FSE-CF · Alenezi (2026) 論文 · 査読 批判的判断 ／ trust calibration は代替されにくい CentaurEval · ICML 突破口は人間からも出る（協働 31.11%） 2026 共通して指したもの 出てきたものを、 自分で評価し、自分 で決める 頼み方ではなく、受け取り方と決め方

IDE チャット 74,998 メッセージの発言を分類 Code Authoring コードの作成・修正 34.5% Inquiry 質問・相談 Delegation コマンド実行・文書作成の委任 Context Specification 前提や制約の提示 Workflow Control 「続けて」などの進行指示 19.2% 16.5% 14.1% 11.5% Failure Reporting 壊れたと知らせる Validation 自分から確かめる 24.0% 3.99% 出典：Programming by Chat — arXiv 2604.00436 (ASE 2026)

• https://arxiv.org/abs/2604.00436

実際の行動を読み解く 「壊れてから直す」「自分から検証する」 ── 何が違うか 時間で見ると どちらも出力の後であり、 差がない 起点で見ると 失敗の知らせが起点か、 自分が起点か

採用試験で計測する AI の指標 AI 協働力 ─ 成果物ではなく、AI と作業した過程を採点する 統制 何を任せ、 どう進めたか 実行の統制 環境構築 共同推論 どこで、何を決めたか 分解 検証 意図の仕様化 出力の品質保証 どう伝えたか 成果物は誰のものでも似てくる。差が出るのは過程 何を確かめたか 三つを、考えながら回す 出所：HireRoo — Software Engineering Index / AI 協働力 (2026-07)

• https://hireroo.io/sei
• https://hireroo.io/sei/ai_collaboration/

AI 協働力 5 指標の平均スコア（100 点満点 · N = 25,115） 実行の統制 意図の仕様化 出力の品質保証 環境構築 共同推論 68.5 64.4 58.7 54.6 45.5 出所：HireRoo — Software Engineering Index / AI 協働力 (2026-07)

• https://hireroo.io/sei
• https://hireroo.io/sei/ai_collaboration/

共同推論の採点基準 共同推論を構成する 3 指標 ─ 採点基準の原文と中央値 案の段 案の段 代替案の引き出し 提案の評価と採択 0.5 = 標準 0 0.25 出力の段 批判的評価 0.5 = 標準 1.0 「探索が形式的で、 最初の案にすぐ収束している」 0 0.50 1.0 「比較・評価なしに 『それで進めて』と採用している」 0 0.5 = 標準 0.50 1.0 「外部シグナルを受けてから対処、 自力検出はない」 採点の較正：0.5 ＝ 標準行動 ／ 1 ＝ 熟練者にしか観測されない行動

「最初の案にすぐ収束している」 ＋ 「外部シグナルを受けてから対処」 早く決めて、 遅く気づく 失われているのは時間ではない。探索されなかった選択肢と、誤りに気づくまでの距離。

求められたこと・実際の行動・ 測った能力の 3 つが指したもの 求められたこと 実際の行動 測った能力 4 出典の収束 行動ログ · 24.00% 対 3.99% 採点基準 · 共同推論 45.5pt いつ頼り、いつ検証し、いつ 上書きするかを自分で決める 壊れてから直す 外部シグナルを受けてから対 処

ACT 01 — 結論 判断が、自分から始まっていない。 案は、AI が出したものから始まる 気づきは、失敗が来てから始まる 能力の欠如ではなく、「比べること」と「疑うこと」を外に預けている。

02 01 02 02 · 読みの話 ここまでが測った話、 ここからは読み

差は、自然には埋まらない 頼み方と疑う力の差は、 なぜ自然には埋まらないのか ── 3 つの仮説 (a) なぜ生まれるか 丁寧に頼むのに、出てきたものは 疑わない (b) なぜ消えないか 頼み方は伸びるが、疑う力は伸び ない (c) なぜ強まるか 組織は、測れるものを測ってしま う

アーティファクト効果 ─ 成果物がある会話とない会話の差 受け取り方は雑になる（−pp） 頼み方は上手くなる（+pp） 目的の明確化 −3.7pp −5.2pp 形式の指定 事実確認 文脈の欠落への気づき 成果物がある会話 − ない会話の差（11 指標・50,000 会話超の観察）。pp = パーセントポイント 仕上がって見えるものは、仕上がったものとして扱われる +14.7pp +14.5pp

記述と検証 ─ 11 指標 · 50,000 会話超の観察 記述（頼み方） 高 差は時間とともに広がる 低 検証（疑う力） ← 少ない AI との接触量・在籍年数 → 放っておくと片方だけ伸びる。頼み方と疑う力の差は時間とともに広がる 記述（頼み方） 時間と接触量で、 有機的に伸びる 検証（疑う力） 在籍年数でも伸びず、 機能習熟からも転移し ない

tokenmaxxing ── DORA が名指した、組織の罠 「AI のトークン消費量を、社内リーダーボードで競わせる ── こ DORA · 2026-06 の "tokenmaxxing" は、危険な罠である。」 判断の質の代わりに利用量を測る。個人は量に最適化され、検証の時間が削られる。

三つの答え 頼み方と疑う力の差は、なぜ自然には埋まらないのか (a) なぜ生まれるか ─ アーティファクト効果 (b) なぜ消えないか ─ 記述と検証 (c) なぜ強まるか ─ tokenmaxxing 仕上がって見えるものは、仕上がったもの として扱われる。予測できる失敗モード。 検証は在籍年数でも伸びず、機能習熟から も転移しない。片方だけ伸びる。 組織は測れるものを測り、個人は量に最適 化される。検証の時間が削られる。 個人の怠慢ではない 経験では解決しない 怠慢でも、経験不足でも、意志の問題でもない 意志の問題にできない

差はどこにあるか 「使う」はもう前提。差は「考える」側に集まっている 「使う」側 ─ 実行の統制 0 「考える」側 ─ 共同推論 50 68.5 100 5 指標で最も高い。誰の弱点でもなく、差にならない。時間 が解決する 0 50 45.5 100 5 指標で最も低い。弱点はここに集まっている。時間が解決 しない

差はどこにあるか 「考える」の核は「自ら」 ─ 判断を預けたまま回すと、気づくのが遅くなる 早く決める 0 遅く気づく 0.5 = 標準 0.25 1.0 代替案の引き出し · 中央値。試行回数 が増えても、試す先の幅は増えない 0 強まる仕組み (a) 仕上がって見えるものは疑わない (b) 検証は経験で伸びない (c) 組織は量を測る 0.5 = 標準 0.50 1.0 批判的評価 · 中央値。外部シグナルを 受けてから対処する 学ばない周回は、速いほど誤りを固定する

専門性の重心はどこへ移るか 専門性の重心は「書く」から「選ぶ」へ ─ 左に移るのは工程ではなく、決めごと うちのスコア · 5 指標 FSE-CF · AI に代替される可能性 書く 意図の仕様化 64.4 プロンプト設計 ─ Medium 選ぶ 共同推論 45.5 批判的判断 ─ Very low 相対的な強み ─ AI が最も得意な領域と重なる 相対的な弱点 ─ どの仕樮にするかを決め、責任を 持つ 実装から、意思決定へ 仕樮書は、AI も書ける 決めた責任は、人に残る

判断が価値になると、何が起きるか (1) 見えなくなる (2) 向かう道が細くなる (3) 見る側と合流する 判断の過程は試験で見える。何を選び、何 を引き受けたかは、成果物に痕跡を残さな い 判断には実装の理解が前提。その実装を AI が担うので、理解を得る機会が減る 4か月で 105社中 39社が、その形式を選ん だ 決めた責任は、成果物に残ら ない 判断の価値は上がるのに、判 断に至る経路が細くなる 成果物では差がつかないか ら、過程を見にいく

TAKEAWAY 仕様書は AI も書ける。 決めた責任は、移らない。

任せる前と、受け取った後 前 ─ どれを試すか 後 ─ 何が起きたかを読む 立つ場所 「他に 3 つ出して、向き不向きを教えて」。 何と何を比べるかを自分で決める。 テストが落ちる前に、どこを疑うかを決め て見る。通る diff でも、間違ったやり方が そのまま固まってしまう。 「なぜこの案か」を残すレビュー。育成は 基礎力 → 検証 → AI 協働の順。 岐路で、比較軸を自分から出す 失敗の知らせを待たず、自分で疑う 任せる量は足りている。足りないのは、任せた先の中身 判断が残る場所に立つ

測れていないもの この試験で測れていない 5 つ 01 02 03 04 05 候補者の属性 評価対象が本当に移ったか 求人側と候補者側の切り分け 領域どうしの比較 継続採用の定着 年齢・経験年数などは保持していない 分かるのは「形式を選んだ」まで どちらの変化かを分けて見られていない 同じ物差しで比べているのは平均スコアのみ あと一四半期で判定できる ── いちばん早く外れる条件 判断の起点は測れる。決めた責任は、この試験に映らない。

Developers Summit 2026 FUKUOKA FIN. ありがとうございました WHITEPAPER 泉水 翔吾 株式会社ハイヤールー 取締役CTO Web: shogosensui.com X: @1000ch AI 協働力ホワイトペーパー 100万件の評価データの全編をこちらから

• https://shogosensui.com/
• https://x.com/1000ch