# AI時代のスピードで適応する技術人材組織の設計 ― Andela CEO キャロル・チャン氏との対話

- 番組: [The AI in Business Podcast](https://ai-curator.jp/podcasts/shows/cmv3z5c32001o5o100ot70lmn)（Daniel Faggella）
- 元のタイトル: Designing a Technical Workforce That Adapts at the Speed of AI - with Carrol Chang of Andela
- 配信日: 2026年10月19日
- 長さ: 28分
- 要約作成日: 2026年10月19日
- トピック: [#AIとスキル](https://ai-curator.jp/topics/AI%E3%81%A8%E3%82%B9%E3%82%AD%E3%83%AB) [#採用・評価](https://ai-curator.jp/topics/%E6%8E%A1%E7%94%A8%E3%83%BB%E8%A9%95%E4%BE%A1) [#リスキリング](https://ai-curator.jp/topics/%E3%83%AA%E3%82%B9%E3%82%AD%E3%83%AA%E3%83%B3%E3%82%B0) [#ソフトウェアエンジニアリング](https://ai-curator.jp/topics/%E3%82%BD%E3%83%95%E3%83%88%E3%82%A6%E3%82%A7%E3%82%A2%E3%82%A8%E3%83%B3%E3%82%B8%E3%83%8B%E3%82%A2%E3%83%AA%E3%83%B3%E3%82%B0) [#エージェント型コーディング](https://ai-curator.jp/topics/%E3%82%A8%E3%83%BC%E3%82%B8%E3%82%A7%E3%83%B3%E3%83%88%E5%9E%8B%E3%82%B3%E3%83%BC%E3%83%87%E3%82%A3%E3%83%B3%E3%82%B0) [#組織設計](https://ai-curator.jp/topics/%E7%B5%84%E7%B9%94%E8%A8%AD%E8%A8%88)
- URL: https://ai-curator.jp/podcasts/cmvf1hye300015f119a4dbint

## 要約

Andela の CEO キャロル・チャン氏が、AI によってソフトウェアエンジニアの仕事が変わり、職種名だけでは役割の中身が分からなくなっていると語る回。採用や評価では、ハードスキルよりも判断力・批判的思考・問題解決といった「squishy skills」を重視すべきだと述べている。また、職種ではなくタスク単位で人材を把握し、トップダウンとボトムアップの両面からリスキリングを進める方法や、5年後の組織像についての見通しも示された。

## ポイント

- チャン氏は、ソフトウェアエンジニアリングが AI に根本から変えられた最初の職種だと述べ、同じ「フルスタックエンジニア」でも AI の使い方が人によって大きく異なると指摘している。
- スキルはハード、ソフト、その中間の「squishy skills」（問題解決、戦略的思考、判断力）に分けられ、AI 時代は中間層が最も希少で価値が高いという見方を示した。
- 判断力の弱い人に AI を与えると、コードレビューやメールなど下流の人の負担を増やす成果物を量産しかねないと警告している。
- 採用評価の例として、長い資料の代わりに1ページのメモと対話形式の議論を検討中で、AI を使った箇所の申告も求める考えを示した。Andela の技術評価は AI 利用を前提にし、AI の出力をそのまま返すと0点になる設計だという。
- リスキリングは、職種ごとの AI 代替リスクを地図化するトップダウンと、早期導入者を見つけて称えるボトムアップを同時に進めるべきだと述べ、個人評価は監視目的でなく本人の成長のために使うべきだとした。
- 5年後は AI ワーカーが定型業務を担い、人間は関係構築や戦略に集中し、ボトルネックが移動し続け、仕事はタスク単位に分解されて世界中に分散すると予測している。

## 章立て

- [01:05] **職種名が意味を失う背景** — AI でソフトウェアエンジニアの仕事が変わり、同じ職種名でも期待される内容が大きく異なる状況をチャン氏が説明する。
- [06:00] **スキルの3分類とsquishy skills** — ハード、ソフト、その中間の3種類にスキルを分け、判断力や問題解決が AI 時代に最も希少だと語る。
- [08:36] **採用・評価の見直し方** — 最終プレゼンの課題が AI 生成で読みにくくなった経験や、Andela の AI 前提の技術評価の設計を紹介する。
- [14:40] **評価後のスキル補完** — 判断力があればハードスキルの習得は比較的容易であり、Andela が継続学習を重視していると述べる。
- [16:46] **トップダウンとボトムアップの進め方** — 職種ごとのリスク地図と70-20-10の学習モデル、早期導入者の称賛、個人評価の注意点を説明する。
- [21:55] **5年後の組織とボトルネック** — AI ワーカーが定型業務を担い、人間は関係構築や戦略に注力し、ボトルネックが移動していくという予測を語る。
- [25:02] **タスク化され分散する仕事** — 仕事が細かく分解されて世界中に分散する未来と、エピソードの締めくくりの要点整理。

## 解説記事

AI の進化で技術職の中身が急速に変わるなか、採用や人材育成はどう変わるべきか。Andela の CEO キャロル・チャン氏が、The AI in Business Podcast で職種名ではなくスキルとタスクで人材を捉える考え方を語った。Andela は世界中の技術者を Fortune 500 企業に結びつける企業で、10年以上ソフトウェアエンジニアリングに特化してきたという。

#### 同じ職種名でも仕事は別物になった

チャン氏は、ソフトウェアエンジニアリングを AI が最初に根本から変えた知的労働だと位置づける。同氏によれば、先行するエンジニアはコードを一文字ずつ手書きせず、AI のコーディングエージェントに指示、ガードレール、文脈を与えて実行させ、出力をレビューして修正を求めるやり取りを繰り返す。一方、従来のように手書きで仕事を進める人もいる。

そのため「フルスタックエンジニア」という肩書だけでは、どの程度 AI を使うことを期待された役割なのか分からない。同氏は、AI をまったく使わない立場の技術リーダーはもう知らないと述べ、多くのリーダーは伝統的な訓練で判断力を持ちつつ新しいツールにも通じた人材を求めていると説明した。

#### 最も希少なのは「squishy skills」

チャン氏はスキルを三つに分ける。Python や Java などのハードスキル、コミュニケーションやチームワークなどのソフトスキル、そしてその中間にある問題解決、戦略的思考、判断力、センス（taste）だ。この中間層を同氏は「squishy skills」と呼び、いまプレミアムが付いていると述べる。

AI はハードスキルの重要度を下げつつあるが、AI を使いこなすには中間層のスキルが要る。強い基礎を持つ人は AI の出力の弱点を見抜いて形を整え、従来と同等以上の品質を圧倒的な速さで出せる。一方、判断力に欠ける人が AI を使うと、同僚が読み解かねばならない低品質な成果物（同氏の言う slop）を量産し、コードレビューやメールの確認といった下流の負担を増やすと警告している。

#### 評価プロセスを作り直す

同氏は、採用では squishy skills を測る設計が必要だと述べる。自社の最終プレゼン課題では、直近の10〜20件で提出資料の多くが明らかに AI 生成で、候補者自身の思考が見えなくなったという。そこで、重要な論点や前提をまとめた1ページのメモを求め、ライブで議論する形や、AI を使った箇所の申告を求める形を検討している。ただし、これは候補者の誠実さに依存するとも認めている。

Andela の技術評価は、AI の利用を前提にし、むしろ推奨する設計だ。Claude Code、Codex、GitHub Copilot などの出力をそのまま返し、追加の思考や問題解決がない回答は0点になる。問題解決の道筋から、熟練者か初心者かを見分けるという。判断力が高い人がハードスキルを欠く場合でも、その補完は比較的容易だと同氏は述べている。

#### 職種地図とボトムアップの両輪

既存の従業員については、トップダウンとボトムアップを同時に進めることを勧める。トップダウンでは職種群ごとに AI で代替されやすいものを洗い出し、優先順位を付けてリスキリングの学習成果とリソースを設計する。Andela は座学より実践を重視し、学びの70%は仕事そのものから得られるという70-20-10モデルを採用している。

ボトムアップでは、AI ツールを渡すと必ず5%以上は熱心な早期導入者が現れ、それは営業、マーケティング、財務など全社から出てくると述べる。彼らを見つけて称え、他の人を触発する場を与えるべきだという。個人の AI 習熟度の評価も有用だが、従業員が自分の立ち位置を知り成長するために使うべきで、監視目的だと信頼を失い、AI 導入が裏目に出ると警告した。

#### 5年後の組織像

チャン氏の予測では、5年後の組織は下層に多数の AI ワーカーがいて定型業務を担い、人間は顧客関係、カスタマーサクセス、アカウント管理、戦略的思考など AI にできない仕事に注力する。ボトルネックも移動し続ける。ある顧客は、エンジニアリングがボトルネックでなくなったことで過去1年で最高の QBR（四半期ビジネスレビュー）になったと語ったという。次は要件定義を担う製品部門に滞留が移り、そこも AI が支援すれば別の場所へ移る、という見立てだ。

さらに仕事はタスク単位に分解され、エージェントが担う部分と人間が担う部分に分かれ、人間の部分は世界中から最適な人を探す形になるとも述べた。ただし、AI ツールへのアクセス格差は解決すべき課題だとしている。

#### まとめ

本エピソードの核心は、職種名ではなくスキルとタスクで人材を捉えるという発想だ。日本企業でも、職務記述書や肩書に基づく採用・評価は同じ課題に直面しうる。AI 利用を前提に、判断力や批判的思考をどう測るかが評価設計の焦点になる。また、リスキリングを職種群ごとの優先順位とボトムアップの推進役で進める点、個人評価を監視でなく支援に使う点は、導入時の実務上の示唆となる。なお、語られている予測や自社の評価方法は番組内での本人の見解であり、客観的な検証データは示されていない点には留意したい。

> この要約・解説記事は、元の音声の文字起こしをもとに AI（Claude）が日本語で作成したものです。出典: The AI in Business Podcast「Designing a Technical Workforce That Adapts at the Speed of AI - with Carrol Chang of Andela」