AIコーディングツールが普及すれば、まずソフトウェアエンジニアの仕事が削られる。ここ数年、その見方は技術業界の前提のように語られてきた。SignalFireが公開した「State of Tech Talent Report 2026」は、少なくとも2025年の採用データでは別の光景を映し出している。大手テック企業の採用総量は2019年比で大きく落ち込んだが、エンジニア採用の落ち込みは他の職能より浅く、採用全体に占める比率はむしろ上がっているのだ。
だがこれは「AIはエンジニアの仕事を奪わない」という安心材料ではない。SignalFireのデータが示すのは、テック企業が人を減らしながら、残す採用枠をより技術職へ寄せているという変化だ。AIでコードを書く速度が上がった分、企業はソフトウェアを作る人数をただ減らしているのではなく、少人数でより広い範囲を動かせる熟練エンジニアを中心に組織を組み替えている。
そしてその裏側では、入口が細っている。新卒やエントリーレベルの採用は大手で2019年比約65%減、初期スタートアップでは約76%減とされる。AI時代のエンジニア市場で最も危ういのは、すでに現場経験を持つ開発者の即時失業ではなく、次の世代が実務へ入る訓練経路が失われることだ。
採用総量は減っても、エンジニアの比率は上がった
SignalFireは、Alphabet、Meta、Apple、Amazon、Microsoft、Netflix、NVIDIA、Tesla、Uber、Airbnb、Block、Stripeの12社を「Tech Majors」と定義し、2019年を基準に採用の動きを追っている。同社によると、これら大手の直近12カ月ベースの採用ペースは2019年比で25%低い。2022年の過剰採用、2023年の急落を経て、テック業界の採用は元の成長曲線には戻っていない。
エンジニアだけを見ると落ち込みは11%にとどまる。採用の総量が縮む中で、ソフトウェアエンジニアは2025年の大手新規採用の55%を占めた。2019年の46%から9ポイント上がっており、縮小した採用枠の中で技術職の重みが増したことになる。
初期スタートアップでは、傾向はさらに強い。SignalFireは、主要VCからSeedからSeries Bまでの資金調達をした企業群を初期スタートアップとして見ている。その集団では、2025年のエンジニア採用が2019年比で7%増えた。デザインは22%減、マーケティングは18%減だった。AI導入で企業が最初に削っているのは、少なくともこのデータ上では開発者そのものではなく、開発の周囲にあった支援職能や調整職能だ。
エンジニアの離職率も低い。SignalFireは、エンジニアの離職率を約9%とし、営業やデザインの約13%より低いとする。採用だけでなく定着の面でも、企業が技術職を手放しにくくなっている様子が出ている。
AIを理由にしたレイオフと、技術職への採用集中は同時に進む
この見方は、AIによる人員削減の不安を否定するものではない。Challenger, Gray & Christmasの2026年5月レポートによると、米国企業が5月に発表した人員削減は97,006件で、5月としては2020年以来の高水準だった。テクノロジー業界だけで38,242件の削減が発表され、2026年累計では123,653件に達している。
同じレポートでは、AIを理由に挙げた削減が5月だけで38,579件あり、月間削減全体の40%を占めた。2026年初から5月まででは87,714件で、全体の22%である。企業がAIを人員削減の理由として使い始めていることは、数字としてはっきり出ている。
削減理由としてのAIと、実際にどの職能を採用するかは同じ指標ではない。Challengerの数字は企業が発表した削減とその理由を集計する。SignalFireの数字は採用の中身を見る。両方を重ねると、テック企業はAIを理由に組織を小さくしつつ、残る採用枠をエンジニアへ集中させている、という読み方になる。
「AIがエンジニアを置き換えたか」という問いだけでは現象を捉えきれない。現場では、AIがコードの作成や修正を速くしても、仕様を決め、既存システムへ組み込み、品質とセキュリティを見て、顧客の要求に合わせて動かす仕事は残る。出力が増えれば、判断、統合、検証を担う人の価値が上がる。
Anthropicの研究チームらがClaude.aiの400万件超の会話を分析した論文でも、AI利用はソフトウェア開発と文章作成に集中し、この2分野で総利用のほぼ半分を占めるとされた。利用形態は人間能力の拡張と見られるものが57%、最小限の人間関与で依頼を満たす自動化が43%だった。開発分野はAI利用の中心でありながら、全面的な置換だけで動いているわけではない。
組織は少人数の技術中核へ組み替わっている
SignalFireのレポートで示唆的なのは、エンジニア採用の粘りだけではない。企業の組織図そのものが薄くなっている点だ。大手ではエンジニアリングマネージャー1人が見るエンジニア数が約12人となり、2019年から14%増えた。初期スタートアップでは約15人で、34%増である。
プロダクトマネージャーの役割も広がっている。大手では、PM1人が支えるエンジニア数が2019年より22%増えた。マネージャーやPMが不要になったというより、細かい調整やチケット分解に人を多く置く組織設計が維持しにくくなっていることを示す。
AIで実装の一部が速くなると、企業が欲しがるのは「指示された小さなタスクをこなす人」より、「曖昧な要求を製品やシステムへ落とし込める人」になる。SignalFireは、こうした上級の個人貢献者を「Super IC」と呼ぶ。肩書きとしての管理職ではなく、設計、実装、レビュー、顧客理解まで広く持てる技術者が、組織の中心に近づいている。
この変化は、労働市場の見え方を複雑にする。エンジニアという大分類では採用が粘っていても、仕事の中身は同じではない。AIを使って速く作る力だけでなく、AIの出力を疑い、直し、既存システムや顧客運用に合わせる力が評価される。生産性が上がった結果、企業は人を増やすより、少数の強い技術中核へ権限と責任を寄せている。
伸びる職種と細る職種が、エンジニアの中でも分かれ始めた
エンジニア採用が相対的に強いといっても、すべての専門領域が同じように伸びているわけではない。SignalFireによると、ChatGPT登場以降、AI/MLエンジニアの比率は39%増、リサーチエンジニアは28%増となった。顧客先で導入や運用を支えるSales Engineerは約11%増、Forward-Deployed Engineerは30%増である。
フロントエンドエンジニアの役割比率は約25%低下した。生成AIがUIの試作、修正、個別化を速くするほど、画面だけを専門に作る役割は、バックエンドやプロダクト設計を含む広い実装能力へ吸収されやすくなる。フロントエンドの仕事が消えたというより、単独の職能として採用される場面が減り、製品全体を動かす能力の一部として扱われ始めたということだ。
顧客導入に近い技術職が伸びている点も見逃せない。企業向けAI製品は、モデルやAPIを売るだけでは価値になりにくい。顧客のデータ、権限管理、既存ワークフロー、セキュリティ要件に合わせて初めて使える。Forward-Deployed EngineerやSales Engineerの伸びは、AI時代のエンジニア需要が「コードを書く人」から「顧客の現場で使える形にする人」へ広がっていることを示している。
一番細っているのは、次世代が入る入口だ
採用データで最も注意すべきなのは、新卒とエントリーレベルの減少だ。SignalFireは、大手テック企業の新卒・エントリーレベル採用が2019年比で約65%減、初期スタートアップでは約76%減とする。これは短期的な採用調整を超え、技術者の育成モデルそのものに関わる。
従来のソフトウェア企業は、若手に定型的な実装、テスト、バグ修正を任せ、レビューを通じて本番システムの勘所を覚えさせてきた。AIは、まさにその入口の仕事を速く処理できる。企業から見ると、経験の浅い人を育てるより、AIを使いこなす上級エンジニアに広い範囲を任せる方が短期的には効率が良い。
入口を閉じると数年後に別の問題が出る。中堅や上級エンジニアは、どこかの時点でジュニアとして現場に入っている。初期の失敗、レビュー、運用対応を経験する場が減れば、将来の設計判断を担う人材の厚みが失われる。AIで目先の実装効率を上げても、判断力を持つ人材を育てる仕組みまで置き換えられるわけではない。
BLSの職業見通しは、ソフトウェア開発者、QAアナリスト、テスター全体について、2024年から2034年まで15%の雇用増を予測している。年平均の求人は約129,200件とされ、長期の職業需要はなお平均より強い。この数字は職業全体の長期見通しであり、AI導入後の企業がどの経験レベルを採るかまでは示さない。SignalFireが映している近い将来のリスクは、雇用がゼロになることではなく、若手が最初の実務経験を得る座席が減ることにある。
エンジニアは守られたのではなく、より広い責任範囲を求められている
今回のデータから見えるのは、AIがエンジニア職をそのまま守ったという話ではない。採用の総量は減り、レイオフではAIが強い理由として挙げられ、若手の入口は狭くなっている。その一方で、企業が残す採用枠は、製品とシステムを直接動かせる技術職へ寄っている。
この構造では、エンジニアの価値は「コードを書けること」だけでは決まりにくい。AIに書かせたコードを製品に組み込み、破綻しない設計へ直し、顧客や運用の制約に合わせて責任を持つ力が問われる。AIが実装の速度を上げるほど、判断の失敗も速く広がるため、レビュー、設計、運用理解の重みはむしろ増す。
次に見るべき数字は、AIが何行のコードを書けるかではない。大手とスタートアップが、細ったジュニア枠をAI時代の訓練制度として作り直せるか。AI/ML、リサーチ、Forward-Deployed Engineerのような技術職がどこまで採用の中心に近づくか。そして、支援層を薄くした組織が、少数の上級エンジニアに過剰な判断負荷を背負わせずに回るかである。
AIが最初に壊したのは、エンジニアという職業そのものではなく、テック企業が人を育て、分業し、管理する古い形だった。採用データが示す「強さ」は、安定ではなく再編の中での強さである。