---
title: AI 協働力: 100 万件の評価データが示す、 優秀なエンジニアを測る軸の変化
tags: 
author: [1000ch](https://www.docswell.com/user/1000ch)
site: [Docswell](https://www.docswell.com/)
thumbnail: https://bcdn.docswell.com/page/5EGLQX2XJL.jpg?width=480
description: 2026年8月21日に開催された Developers Summit 2026 KANSAI ( https://event.shoeisha.jp/devsumi/20260821/ ) のセッション資料です。
published: August 21, 26
canonical: https://www.docswell.com/s/1000ch/ZN7NJ2-ai-collaboration-shift-in-engineer-metrics
---
# Page. 1

![Page Image](https://bcdn.docswell.com/page/5EGLQX2XJL.jpg)

Developers Summit 2026 KANSAI
AI COLLABORATION
AI 協働力: 100 万件の評価データが示す、
優秀なエンジニアを測る軸の変化
「AI を使えているか」を問う段階は、終わった
泉水 翔吾
株式会社ハイヤールー 取締役CTO
2026-08-21


# Page. 2

![Page Image](https://bcdn.docswell.com/page/4JQYK8P57P.jpg)

NOT ANOTHER "AI CHANGES EVERYTHING " TALK
「AI で変わる」 → 「どう測るか」
"変わる" という話はありふれているので、
変わった後を "どう測るか" の話をします。


# Page. 3

![Page Image](https://bcdn.docswell.com/page/K74WP2YVE1.jpg)

THE QUESTION
皆さんの組織は、
AI の "利用率" を測っていませんか？
導入率、稼働率、トークン消費量…。


# Page. 4

![Page Image](https://bcdn.docswell.com/page/LJ1Y9M64EG.jpg)

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。


# Page. 5

![Page Image](https://bcdn.docswell.com/page/GJWGQ3WZ72.jpg)

01
01
02
03
SECTION 01 · 測れていない
04
使っている。効いている気もする。
だが、測れていない。


# Page. 6

![Page Image](https://bcdn.docswell.com/page/4EZLWV5L73.jpg)

THE ADOPTION
9 割が使い、8 割が効果を実感している
90%
回答者の 90% が業務で AI を使用
導入は、終わった。ここまでは既知の話。
80%+
うち 80% 以上が生産性の向上を実感
出典：DORA — State of AI-assisted Software Development (2025)


# Page. 7

![Page Image](https://bcdn.docswell.com/page/Y76WG59M7V.jpg)

THE GAP
しかし、組織の成果には現れない
AI 導入が 25% 進むごとの、デリバリー指標の推定変化（DORA 2024）
−1.5%
+7.2%
スループット
不安定性
デプロイの頻度は低下、変更のリードタイムは増加
変更の失敗率と障害復旧時間は増加
出典：DORA — Accelerate State of DevOps Report (2024) の推定値


# Page. 8

![Page Image](https://bcdn.docswell.com/page/G75MVYNQ74.jpg)

PERCEPTION ≠ PERFORMANCE
実感は、指標にならない
個人の実感
「速くなった」↗
8 割以上が生産性向上を実感。実感自体は、本物
≠
「個人が速くなること」と「組織が成果を出すこと」は、別の現象
組織の成果
スループット低下 ↘
デリバリーはむしろ不安定に。実感と成果が乖離している


# Page. 9

![Page Image](https://bcdn.docswell.com/page/9J293G5WER.jpg)

TOKENMAXXING — DORA, JUNE 2026
利用量は、指標にならない
“AこのI のトークン消費量を、社内リーダーボードで競わせる——
"tokenmaxxing" は、危険な罠である。
消費量を業績指標として扱う潮流に対する、DORA の警告。
測る物差しがないから、測れるものを測ってしまう。多くの組織がいま陥っているのは、この状態
出典：DORA — Finding balance in the era of tokenmaxxing (2026-06)


# Page. 10

![Page Image](https://bcdn.docswell.com/page/DEY41VK9JM.jpg)

THE ADOPTION CURVE
いまは「発散」から「最適化」への移行期
Phase 2 · Optimization
Phase 1 · Divergence
発散期: とにかく使う
試す・広げる・量を増やす。新技術の受容期には、利用
量の拡大それ自体に意味がある。tokenmaxxing はこの
フェーズの現象
→
最適化期: 価値あたりで使う
トークンあたりにどれだけの価値を出すか。どこに使
い、どこに使わないか。問いが「量」から「質」へ移る
移行期に足りていないのは、質を測る物差し。だから利用率や消費量を測ってしまう


# Page. 11

![Page Image](https://bcdn.docswell.com/page/VJNY2MRD78.jpg)

THE REAL QUESTION
「使っているか」 → 「どう使っているか」
差を生むのは、AI の出力のどこに手を入れ、なにを任せるかという判断の質。
「利用率を上げること」と「成果が出ること」は、同じではない。


# Page. 12

![Page Image](https://bcdn.docswell.com/page/YE9P1NM8J3.jpg)

02
01
02
03
SECTION 02 · 何を測るのか
04
利用率でも利用量でもないなら、
何を測るのか


# Page. 13

![Page Image](https://bcdn.docswell.com/page/GE8D4KLZED.jpg)

THE PROBLEM
従来の物差しでは、測れない
学歴・資格
"使い倒す質"とは、相関しな
い。
コードの量
AI を使えば、誰でも増やせる。
「作って当てる」「AI を使い倒す」質は、履歴書に載らない
アルゴリズム試験
"暗記"を測っても、協働は測れ
ない。
職務経歴
過去の実績は、AI 時代の力を保
証しない。


# Page. 14

![Page Image](https://bcdn.docswell.com/page/LELM6ZL17R.jpg)

PROCESS OVER OUTPUT
能力は、成果物ではなく"過程"に宿る
見えるもの — 成果物
差が出るもの — 過程
AI が書けば、誰のものでも似てくる。差が出ない。
AI の出力のどこに手を入れ、どこを任せたか。ここに質が表れ
る。
完成したコード
重要なのは「測る対象を、成果物から過程へ」という点
どう問い、疑い、判断したか


# Page. 15

![Page Image](https://bcdn.docswell.com/page/4JMY5VM5JW.jpg)

THE CONVERGENCE
ベンダー各社の主張は、一点に収束する
Anthropic · AI Fluency — 4D
Delegation — 人と AI の役割分担を決める
Description — 目的を言語化し、AI を導く
Discernment — 出力の妥当性を見抜く
Diligence — 利用と結果に責任を持つ
CoderPad · 5 Skills of the Future Developer
Strategic Use — 明確な意図で AI を統制する
Problem Framing — 課題を自力で分解する
Critical Evaluation — 出力を疑い、修正する
Problem Solving — AI を自然に統合し課題を解く
表現は違えど、同じ「AI を使った量ではなく、AI との協働の質」を指す
出典：Anthropic AI Fluency (2025) / CoderPad 5 Skills of the Future Developer (2026)


# Page. 16

![Page Image](https://bcdn.docswell.com/page/PJR932VZ79.jpg)

THREE AXES OF AI COLLABORATION
AI 協働力 ＝ 統制・分解・検証
統制
明確な意図で、AI を操る。何を任せ、
何を任せないかを決める。
分解
課題を、自力で構造化する。AI に渡せ
る形まで問題を刻む。
ベンダー各社の枠組みを一般化した、測るための 3 軸。以降の話はすべてこの軸
検証
出力を疑い、責任を持つ。どこに手を入
れるかを判断する。


# Page. 17

![Page Image](https://bcdn.docswell.com/page/PEXQ4DZ1JX.jpg)

OPERATIONALIZATION — 測定器への落とし込み
測るために、3 軸を5 領域に分解する
統制
分解
検証
→
実行の統制 ・ 環境構築
AI が動く条件を整え、作業の進行を握る。
→
意図の仕様化
意図を分解し、AI に渡せる仕様に落とす。
→
出力の品質保証
出力を疑い、どこに手を入れるかを判断する。
3 軸を貫く芯
→
共同推論
どれか 1 軸ではなく、3 軸を「考えながら」回す統合運用。AI と仮説
を往復させる。
3 軸は概念、5 領域はその測定器。次のセクションで、この 5 領域を実測する


# Page. 18

![Page Image](https://bcdn.docswell.com/page/3EK9ZX8MED.jpg)

THE CONSTANT
課題解決力は、普遍
コードを書く → 課題を、解決する
統制・分解・検証を貫く芯。AI はこの向き合い方を、良い意味で強制する


# Page. 19

![Page Image](https://bcdn.docswell.com/page/L73WD52275.jpg)

03
01
02
03
04
SECTION 03 · AI 協働力の実測
AI 協働力を、
実測すると何が見えるか
ここからは、他では見られない数字の話


# Page. 20

![Page Image](https://bcdn.docswell.com/page/87DKPDZ6JG.jpg)

DATA DEFINITIONS
今日の数字は 3 つ。それぞれ別のもの
300 社超
100 万件超
25,115 件
累計導入企業数。HireRoo を技術評価に使う企業の数。
累計評価データ件数。候補者が課題をどう解いたか、その"過程"の蓄積。
今回の分析対象。AI 協働力を Software Engineering Index (SEI) でスコア化した評価件数。以降の
スコアはすべてこれが母数。
公開カンファレンスのため、3 つの数字の関係をここで明示しています。


# Page. 21

![Page Image](https://bcdn.docswell.com/page/VJPKNXYZE8.jpg)

THE NUMBERS — SOFTWARE ENG INEE RING INDEX
25,115 件の実測データ
25,115
58.3
5 領域 · 13 観点
評価件数
全体スコア（100 点満点）
測定の構造
AI 協働力をスコア化した評価の全件。基準
日 2026-07-29 の断面。
25,115 件の平均。ただし、平均は入口にす
ぎない。
AI 協働のプロセスを 5 領域 13 観点に分解
して採点。
出典：HireRoo — Software Engineering Index / AI 協働力 (2026-07-29)


# Page. 22

![Page Image](https://bcdn.docswell.com/page/2EVVKLGMEQ.jpg)

THE BREAKDOWN — 5 領域の実測ス コア
「使う」は高く、「考える」は低い
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
AI に指示する力は 68.5pt。AI と考える力は 45.5pt、その差 23pt
68.5
64.4
58.7
54.6
45.5
出所：HireRoo — Software Engineering Index / AI 協働力 (2026-07-29)


# Page. 23

![Page Image](https://bcdn.docswell.com/page/57GLQX8XEL.jpg)

FINDING 01
平均の内側に、23 ポイントの段差
23
pt
最高 — 実行の統制
最低 — 共同推論
68.5
45.5
平均 58.3 の内側はフラットではない。「使う」系が高く、「考える」系が低
い凸凹。
出所：HireRoo — Software Engineering Index / AI 協働力 (2026-07-29)


# Page. 24

![Page Image](https://bcdn.docswell.com/page/4EQYK895JP.jpg)

FINDING 02
凸凹の底は、「AI と考える」力
共同推論
5 領域の最下位
45.5
25,115 件の断面で、最も低いのは
仮説を往復させ、AI と共に考える力。
一部の人の偏りではなく、
市場全体に共通する構図。
出所：HireRoo — Software Engineering Index / AI 協働力 (2026-07-29)


# Page. 25

![Page Image](https://bcdn.docswell.com/page/KJ4WP2XV71.jpg)

FINDING 03
「使う」は差がつかず、「考える」で差がつく
AI を"使う"力 — 実行の統制 68.5
AI と"考える"力 — 共同推論 45.5
指示を出し、作業を進めさせる力は多くの候補者が高水準。も
はや前提スキル。
仮説を往復させ、AI と共に考える力。スコアのばらつきが最大
＝優秀層を分ける軸。
高水準に集中し、
差がつかない
優秀さを識別する軸は、「使う」から「考える」へ
最も低く、
最も個人差が出る


# Page. 26

![Page Image](https://bcdn.docswell.com/page/LE1Y9MN47G.jpg)

THE TIMELINE — 試験形式の推移
AI 利用前提の出題は 2024 年に現れ、いま 3 件に 1 件
32%
21%
13%
0%
2023 Q4
2%
2024 Q2
6%
2024 Q4
2025 Q2
従来のアルゴリズム試験で測っていた企業が、AI 協働型へ切り替えている
2025 Q4
2026 Q2
（四半期あたりの実施比率・2026-07-29 時点）


# Page. 27

![Page Image](https://bcdn.docswell.com/page/GEWGQ34ZJ2.jpg)

WHY IT MATTERS
採用市場は、社内の評価制度より先に動いている
今日の多くのセッション
この 30 分
ツール、プロセス、組織——現場の変化の記録。
人を見極める投資が集中する入口が、先に動いた。
開発現場で、
どうなったか
採用市場という、
別の観測点からの記録
見極める側が動いた、ということは測る軸は、もう移り始めている


# Page. 28

![Page Image](https://bcdn.docswell.com/page/47ZLWV2LJ3.jpg)

04
01
02
03
04
SECTION 04 · 軸は、どこへ移ったか
優秀なエンジニアを測る軸は、
どこへ移ったか


# Page. 29

![Page Image](https://bcdn.docswell.com/page/YJ6WG5VMJV.jpg)

THE SHIFT
価値が下がった技術力、価値が上がった技術力
相対的に価値が下がった — AI が代替する
コードを速く書く力
記法・API の暗記
実装量そのもの
価値が上がった — AI が代替できない
課題を構造化する力 — 分解
意図を言語化し AI を導く力 — 統制
出力を疑い、責任を持つ力 — 検証
軸は「AI に指示してコードを書ける」から「AI と協働して解ける」へ移った


# Page. 30

![Page Image](https://bcdn.docswell.com/page/GJ5MVYDQJ4.jpg)

THREE TRAITS — 評価現場の所見
AI 協働力が高い人の、3 つの特徴
01 コードへのこだわりより、顧客の課題解決にこだわれる
02 AI に冗長な仕事を任せ、人にしか出せない価値に集中できる
03 「作って当てる」を、誰より速く回せる


# Page. 31

![Page Image](https://bcdn.docswell.com/page/LE3WD5MZE5.jpg)

THE LIMITS — 所見の限界
この所見で言えること、言えないこと
言えること
採用の評価現場で、
この 3 つの特徴が観測された
まだ言えないこと
入社後の現場の成果と、
どこまで接続するか
試験環境での観測であり、現場成果との接続は別途検証が要
る。私たちの次の課題。


# Page. 32

![Page Image](https://bcdn.docswell.com/page/8EDKPD647G.jpg)

FOR INDIVIDUALS — 明日から鍛える
個人が明日から着手できること
統制
任せる範囲と、完了の条件を先に決
める
AI は範囲を勝手に広げ、終わりを自分で判
断しない。境界と完了条件は、人が言葉で
渡す。
分解
依頼できる形になるまで、課題を刻
む
AI は大きすぎる依頼も断らず、もっともら
しい答えを返す。刻む単位を決めるのは人
の仕事。
検証
成果物は、壊れる条件から読む
AI の出力はたいてい動くので、動作確認で
は何も分からない。最も差が出る軸。


# Page. 33

![Page Image](https://bcdn.docswell.com/page/V7PKNXYVJ8.jpg)

FOR ORGANIZATIONS
組織へ持ち帰る問い
Q1 活躍している人の共通項は、統制・分解・検証のどこに現れているか？
Q2 自社の評価・登用の物差しは、「AI を使わせて測る」に追いついているか？
Q3 その質を、どう見極め、育てるか？


# Page. 34

![Page Image](https://bcdn.docswell.com/page/2JVVKLGRJQ.jpg)

THE UNDERLYING SHIFT
Learn to Ship から Ship to Learn へ
これまで — Learn to Ship（Agile・Lean・Scrum）
アイデア → 入念に仮説検証 → MVP → 開発 → PMF ／ 作る前にムダを潰しきる
これから — Ship to Learn（Code is Cheap）
作る → 当てる → 学ぶ ↺ 最低限の検証で本物を届け、行動から学ぶ
このサイクルを誰より速く回せる人を、統制・分解・検証で見極める。それが軸の変化の正体


# Page. 35

![Page Image](https://bcdn.docswell.com/page/5EGLQX86JL.jpg)

ONE LAST THING
その「質」は、測れる
AI 協働力を含む、優秀なエンジニアを表す指標 Software Engineering Index を開発し、
300 社超・累計 100 万件の評価現場で、その可視化に取り組んでいます


# Page. 36

![Page Image](https://bcdn.docswell.com/page/4JQYK8927P.jpg)

Developers Summit 2026 KANSAI
FIN.
ご清聴、ありがとうございました
泉水 翔吾
株式会社ハイヤールー 取締役CTO
Web: shogosensui.com X: @1000ch