Webエンジニアは生成AIへ転向すべきか、飽和説の正体を見る

Webエンジニアとして数年働いていると、ここ一年ほどで必ず一度は考えることになる問いがある。「このまま今の仕事を続けていいのか、それとも生成AI・MLエンジニアへ転向すべきか」。SNSを開けば、両極端な答えが交互に流れてくる。片方は「もうAI人材は飽和した、今から入っても遅い」。もう片方は「AI系なら何でも需要がある、乗るなら今しかない」。どちらも自信満々に言い切られるので、判断する側はむしろ身動きが取れなくなる。

結論を先に言うと、この二つの主張はどちらも粗すぎる。そして、問いの立て方そのものが間違っている。

「転向すべきか」という問いがそもそもズレている

「転向するか、しないか」という二択は、進路選択をひとつの大きなスイッチのように扱っている。だが生成AIと呼ばれる領域は、実際には性質も成熟度もまったく違う技術の集合体だ。モデルを直接扱うライブラリ群、モデルを学習・運用するための基盤フレームワーク、モデルを業務アプリに組み込むための周辺ツール群——これらを「生成AIエンジニアになる」という一つの肩書きに押し込めてしまうと、肩書きの中身がどれだけ不均一かが見えなくなる。

このことは、tasklogが開発者の技術記事(Qiita)の投稿数を定点観測したデータからも裏づけられる。生成AI関連の主要な技術を約2か月間追ったところ、同じ「生成AI系」という括りの中でも、記事数の伸び方はまるで別物だった。モデルを直接操作するライブラリであるTransformers(Hugging Face)は、この間に17%台の伸びを見せ、Webアプリ開発で広く使われるReactのような主要Web技術の伸びを明らかに上回っている。ところが同じ生成AI周辺の技術として語られがちなTensorFlow(モデルの学習・運用を支える基盤フレームワークの一つ)は、この間ほぼ0%台でほとんど動いていない。

つまり「生成AI系はまだ伸びているから有望」という主張も、「もう飽和した」という主張も、どちらも領域全体をひとつの塊として語っている時点で、半分は正しく半分は外れている。伸びている部分と止まっている部分が、同じ「生成AI」という看板の下に混在しているのだ。

なぜ同じ看板の下で伸び方がこれほど違うのか

この不均一さは、偶然のばらつきではない。技術が今どの段階にいるかで、記事になりやすさがまったく違うからだ。

モデルを直接扱うライブラリの世界は、今も新しいモデルや手法が次々と公開され続けている段階にある。使い方そのものが数か月単位で更新され、新しい挙動や落とし穴に当たった開発者が、その都度記事を書いて共有する。情報が「まだ固まっていない」からこそ、書く理由が絶えず生まれる。

一方、学習・運用の基盤フレームワークは、すでに長年にわたって使われ、基本的な使い方や定石がある程度固まってしまっている技術だ。固まった技術について、今さら基本的な使い方の記事を書く人は少ない。加えて、この分野では別の基盤フレームワークへ関心が移っていったと言われることも多く、記事を書く側の母数自体が以前より厚みを増しにくい状況にある。つまり伸びが止まっているのは「AIというジャンルそのものが終わった」からではなく、「その技術の、今のライフステージが成熟期に入った」からにすぎない。

これは職種の話ではなく、技術ごとの"今の旬"の話だ。だから「生成AIエンジニアになるべきか」という職業単位の問いに答えを出そうとすると、旬の違う技術を一つの答えに押し込める無理が生じる。

決めるのは職業ではなく、技術そのもの

ここまでの話を踏まえると、取るべき行動が見えてくる。「生成AI・MLエンジニアに転向するかどうか」という大きな決断を今すぐ下す必要はない。むしろそこで足を止めてしまうほうが遠回りになる。必要なのは、生成AI領域の中で今まさに動きが速い技術をひとつ選び、そこから手を付けてみることだ。

幸い、この選び方には迷う余地があまりない。基盤が成熟し切ってしまった技術から学び始めても、新しく学ぶべき情報量自体は少なく、代わりに「今ちょうど変化していて、学んだ分だけ会話についていける」技術を選んだほうが、同じ学習時間に対する手応えは大きくなる。今のWebエンジニアとしての経験を完全に手放す必要もない。今の仕事を続けながら、生成AI領域の中で伸びている一点に触れておくだけで、「転向するか否か」という重たい二択より、はるかに小さく、はるかに具体的な一歩になる。

次に取るべき行動は単純だ。「AIエンジニアになる」と漠然と決めるのではなく、生成AI領域のどの技術を最初の入口にするかを、ひとつだけ選ぶこと。モデルを直接扱う基礎から入りたいなら、動きが速い今だからこそ学ぶ意味がある。

tasklogでは、Transformersのような個別技術の学び方を、記事の言及データとあわせて確認できる。どの技術が今動いているかは、自分の目で確かめたほうがいい。

https://s-tasklog.com/learn/transformers

(数値出所:tasklogによるQiita記事数の定点観測、2026年8月15日〜10月24日、暫定値)