Claude Codeにコーディングを任せた日、自分が17年かけて磨いた速度を数分で抜かれました。
これは、その後に起きたことの記録です。
Claude Codeにコーディング速度で負けた日
きっかけは、あるLPの実装でした。
いつも通りFigmaのデザインカンプを見ながらコーディングを始めようとしたとき、ふと思い立ってClaude Codeに任せてみた。
デザインの構造を伝えて、レスポンシブ込みのHTML/CSSを出力させる。
3分。
正直、手が止まりました。
自分なら2時間はかかるコーディングが、3分で8割できている。
微調整に30分かかったとしても、圧倒的な差です。
同じ週に、後輩がAIでバナーを量産しているのを見ました。
1日で20枚。
以前ならAdobe製品がAIでどう変わったか、ツール側の変化の実例を読んで「ツールが変わったんだな」程度に思っていたのが、急に自分ごとになった。
17年の経験が、数分で追い抜かれる。
その夜、「AI 影響 40代」で検索していました。
以前AI時代のキャリア不安を体験ベースで語った記録を書いたときは、まだどこか他人事だったんです。
今回は違いました。
「自分の仕事、なくなるのでは」という恐怖が、腹の底にありました。
「リスキリング」で本当に解決するのか
検索結果に並ぶ記事の多くは、こう言っています。
「プログラミングを学びましょう」「AIエンジニアに転職しましょう」「40代でもリスキリングは遅くない！」
ハーバード大とBCGの共同研究（Dell’Acqua et al., 2023）によると、AIを使うことで経験の浅いジュニアコンサルタントのパフォーマンスは43%向上し、シニアは17%向上しました。
つまりAIは、新人を一気にベテランの近くまで押し上げる装置として機能する。
この数字を見て思ったんです。
40代が今からプログラミングを覚えて、AIを使いこなす20代と同じ土俵で戦う。
それ、本当に効率が良いのか？と。
実際、AI向けのリスキリングに取り組んでいる労働者は6.9%しかいません（労働政策研究・研修機構 JILPT調査シリーズNo.256, 2025年）。
約14〜15人に1人。
「リスキリングしなきゃ」という声と、実態のギャップが大きい。
焦ってリスキリング記事を読むほど不安が増す構造は、AIについていけないと感じる心理構造を分解した記事で書いた通りです。
情報が多すぎて動けなくなっている人は、AI情報が多すぎて疲れる原因を構造で分解した話も読んでみてください。
プログラミング学習自体を否定するつもりはありません。
ただ、「何を学ぶか」の前に「自分が何を持っているか」を整理していないと、永遠に焦り続けることになります。
実際にAIと組んでみた — 何が起きたか
リスキリング記事に答えを見つけられなかったので、別のことを試しました。
AIと実際のプロジェクトで組んでみる。
Claude Codeをコーディングパートナーとして、クライアントワークに投入したんです。
1ヶ月間、できるだけ多くの作業をAIに任せてみました。
AIに任せてうまくいったこと:
- HTML/CSSのコーディング（構造を指示すれば8割は出る）
- レスポンシブ対応の実装
- JavaScriptの定型処理
- コードレビューでのバグ発見
AIに任せてうまくいかなかったこと:
- クライアントの「いい感じにして」を形にすること
- デザインカンプに書かれていない意図の読み取り
- 「このプロジェクトでは何を優先すべきか」の判断
- 過去案件の経験から「ここは後でトラブルになる」と気づくこと
ぶっちゃけ、この差に驚きました。
コーディング速度ではまったく勝てない。
でも「いい感じにして」という曖昧な指示をデザインに落とす作業は、AIには渡せなかった。
17年の間に何百回と聞いてきた「いい感じに」の裏にある意味を、経験が翻訳していたんです。
ちなみにAIにコーディングを任せて失敗した体験から学んだことで書いた通り、AIに丸投げすると別の問題が起きます。
任せるところと、自分がやるところの線引きが必要でした。
AIを活用して時間配分を変えた具体的な記録にもまとめていますが、AIと組んだことで開発時間の配分自体が変わりました。
40代の経験が活きる3つの領域
実験を通して見えた、AIが苦手で40代の経験が活きる領域が3つあります。
これは自分の体験から見えたフレームワークです。
研究の裏付けもありますが、あくまで個人の実験ログとして読んでください。
1. 文脈理解 — プロジェクト全体を読む力
クライアントが「トップページを変えたい」と言ったとき、その背景には売上の課題があるのか、採用強化なのか、リブランディングなのか。
17年やっていると、3つの質問で見当がつきます。
AIは「トップページのデザイン案を5つ出して」には答えられます。
でも「なぜ変えたいのか」の文脈を読むことはできない。
日経ビジネスの記事でも、AIエージェントの最大のハードルは組織の暗黙知だと指摘されています。
「予算が限られているときは見栄えより導線を優先する」「この業界のクライアントはデザインより数字で納得する」。
こういう判断基準は、現場で何十回も失敗した人の中にしかありません。
2. 意図翻訳 — 曖昧な要望を具体に変換する力
「もうちょっとスタイリッシュに」「信頼感のあるデザインで」「若い人にも刺さる感じ」。
こういう言葉をデザインの具体的な要素（余白・フォント・カラー・レイアウト）に変換する力は、場数でしか身につかないものです。
AIに「スタイリッシュ」と言っても、そのクライアントにとっての「スタイリッシュ」は出てこない。
3. 全体設計 — 何を削るか決める力
納期2週間、予算50万円、クライアントの要望が15個。
全部はできない。
どこから手をつけて、何を削り、何を次フェーズに回すか。
この判断は、過去に100件のプロジェクトで「あのとき何を優先して、何が起きたか」を積み重ねた人にしかできません。
ハーバード/BCGの研究でも、AIの能力境界の「外」のタスクではAI利用者のほうが19ポイントも正解率が低かったというデータがあります。
つまり、AIが苦手な領域で「AIに従う」と判断を間違える。
人間の判断力が不可欠な場面は、確実にあります。
リスキリングの前に「棚卸し」をする
ここまでの実験を踏まえて、自分がやったのはリスキリングではなく棚卸しでした。
やり方はシンプルです。
ステップ1: 直近1ヶ月の仕事を書き出す
自分がやった作業をすべて付箋に書き出します。
「コーディング」「ミーティング」「デザイン修正」「クライアント対応」「見積もり作成」……。
30枚くらいになりました。
ステップ2: 2つに分ける
左に「AIに任せられる作業」、右に「自分の経験が必要な判断」を置く。
分けた瞬間に見えたのは、自分が日常的にやっている仕事の6割は「作業」で、4割は「判断」だったということです。
作業はAIに任せられる。でも判断は渡せない。
40代男性の生成AI利用率は37.8%（野村総合研究所 NRC 2025年調査）。
使っていない人のほうが多い。
でもこれは能力の問題じゃなく、「何に使えばいいかわからない」だけだと思います。
棚卸しをすれば、AIに渡す作業と自分が握る判断が見えます。
「完璧に準備してからAIを学ぼう」が動けない原因になる構造で書きましたが、棚卸しに完璧さは要りません。
付箋30枚を2つに分ける。
それだけで十分です。
まとめ: 経験は負債じゃない。資産だった
最初に感じた恐怖の正体は、「17年の経験が無意味になること」でした。
実際にAIと組んでみたら、逆だった。
コーディング速度では確実に負けます。
今後、もっと差は開くでしょう。
でもプロジェクト全体の文脈を読み、曖昧な要望を翻訳し、優先順位をつける力は、17年の現場経験でしか積めないものでした。
リスキリングが不要だとは言いません。
ただ、新しいスキルを学ぶ前に、今持っているものを棚卸しするほうが先です。
そのほうが、何を学ぶべきかも見えてきます。
これは自分の実験の途中経過です。
次の仮説は「消えるのは仕事そのものではなく工程単位ではないか」ということ。
消えるのは「仕事」ではなく「工程」だと気づいた話で、もう少し踏み込んで書いています。
どなたかの参考になれば幸いです。
参考文献
- Navigating the Jagged Technological Frontier（Dell’Acqua et al., 2023）Harvard Business School Working Paper
- Generative AI at Work（Brynjolfsson, Li, Raymond, 2023）NBER Working Paper
- JILPT調査シリーズNo.256「AIの職場導入による働き方への影響等に関する調査」（2025年）
- 内閣府「世界経済の潮流 2024年 I — AIで変わる労働市場」
- AIエージェントに立ちはだかる大量の「暗黙知」（日経ビジネス）
AI時代の不安を構造で分解するシリーズ
AI時代の不安・焦り・パフォーマンス低下を「構造」で分解し、対処の糸口を見つけるシリーズです。
