AIと学生
私は何十年もかけて基礎を学んだので、コーディングの大半にAIを使っています。学生と初心者には別の使い方が必要です。考える作業を渡さず、仕事を支えるためにAIを使ってください。
私はシニアで、何年も経験があるので、100%バイブコーディングします。学生やジュニアのあなたは、できるだけ多くを手で書かなければいけません。ありふれた作業はAIに並行してやらせて、すべてを手作業でレビューしなければいけません。あとでAIに何をやらせるべきかわかる人間になるには、何万時間もの意図的な練習と勉強が必要です。その前ではありません。
Eu, sênior, anos de experiência, vou fazer 100% vibe codar. você, estudante, júnior, DEVE escrever o máximo possível na mão, deixar a IA fazer tarefas mais mundanas, em paralelo, e você DEVE revisar tudo manualmente. Você precisa de dezenas de milhares de horas de prática deliberada, estudo, pra se tornar alguém que, depois, vai saber o que mandar a IA fazer por você, não antes.
まとめ
- 1
AIはあなたがすでに知っていることを掛け算します。掛けるものが少なければ、得られるものもわずかです。
- 2
キャリアとして売られた近道は、すでに一度崩壊しました。新しいものも同じ約束です。
- 3
自動操縦の学習は身につきません。これまでの研究は一致しています。
- 4
今も価値のある仕事には、出力を判断できる人が必要です。一方、未経験者の採用は縮んでいます。
- 5
AIはあなたの目的も、限界も、トレードオフも推測できません。それを知っていることが仕事です。
- 6
私のベンチマークでは、モデルにテストを渡すと結果が変わりました。言語は問題に合ったものを選んでください。
- 7
AIは公開されているものを再現します。AIが残すすき間、つまり非公開の仕事と新しい仕事こそが仕事で、それを埋める方法が難しい基礎です。
- 8
手で書き、雑用はAIにやらせ、すべてをレビューし、時間をかけてください。
大事なのは客観的な現実だけです。
A única coisa que importa é realidade objetiva.
AIはあなたが持ち込んだものを掛け算する
同じツールが、シニアにはより多くのよい仕事をより速く与え、初心者には初心者が持っているものを、間違いも含めてもっと多く与えます。
- 基礎が弱いと、AIは間違いを増幅します。基礎が強ければ、役に立つ仕事を増やせます。
- OS、データベース、ネットワーク、データ構造、コンパイラを理解している人は、エージェントを外骨格として使います。理解していない人は松葉杖として使います。外骨格は力を増幅し、松葉杖は弱さを隠すだけです。
- GoogleのDORA 2025レポートも、チームについて同じことを見つけています。「AIはチームを直さない。すでにあるものを増幅する」。
- そして誰かが出力をチェックしなければいけません。Veracodeが2025年に100以上のモデルを試したテストでは、コードサンプルの45%がセキュリティテストに落ち、OWASP Top 10の脆弱性を持ち込んでいました。
- 経験があるのにまだ抵抗しているなら、やめてください。DockerfileやMakefileを100回目も手で書くことに価値はありません。雑用はAIに任せ、基礎は任せません。
よく準備されたプログラマーは置き換えられません。はっきり言いました。「私」は決して置き換えられません。
Programador bem preparado não vai ser substituído. Disse claramente: "EU" nunca vou ser.
この近道は前にも見た
AIの前は、ブートキャンプが約束でした。2か月でGoogle並みの給料がもらえるというものです。結末は閉鎖とレイオフでした。
- ブートキャンプの修了者は2013年から2018年のあいだに約8倍に増えました。Lambda Schoolは就職率を「最大86%」と宣伝していましたが、米消費者金融保護局（CFPB）は、社内の数字が50%に近く、ときには30%まで下がっていたことを突き止めました。
- やがて安いお金が尽きました。ブートキャンプは2023年と2024年に閉鎖し、2Uは2024年末にこの事業から撤退すると発表し、テック業界はその年だけで15万人以上の職を削りました。
- 私が2018年にAkitandoを始めたのは、まさにこのためです。本物のプログラマーがバブル崩壊を生き延びられるように準備することです。2022年には、講座を解約してインフルエンサーを信じるのをやめるよう言っていました。
- そうした講座が教えていたもの、つまりフォーム、CRUD、レポート、同じUIのコピーは、まさにLLMが最も得意とする再現の対象です。そうした仕事の大半は、2022年以降すでに削られています。
- 今、同じ約束が新しい顔で戻ってきています。コードを学ぶ必要はない、AIがやってくれる、というものです。1か月のブートキャンプでエンジニアになる人はいませんし、プロンプトを書くだけでなる人もいません。
自動操縦の学習は身につかない
これまでの研究は同じ方向を指しています。AIが考えてしまうと、あなたは学びません。
- 17ポイント
- クイズの点数が低下：新しいライブラリをAIで学んだ、主にジュニアのエンジニア
- 17%
- 試験の点数が低下：素のGPT-4で練習した生徒から、それを取り上げたあと
- 19%
- 遅くなった：AIを使った経験豊富な開発者。それでも速くなったと信じていた
- Anthropic自身の研究、2026年1月：新しいライブラリ（Trio）をAIで学んだ主にジュニアのエンジニアはクイズで50%で、手でコードを書いた人たちの67%を下回り、時間の節約も有意ではありませんでした。AIに概念を説明させた人は学びの大半を保ち、コードを任せきりにした人は最も低いグループに入りました。
- 高校生約1,000人を対象にしたPNASの研究では、素のGPT-4で練習の点数は48%上がり、取り上げられると試験の点数が17%下がりました。考えさせるように作られたチューターは、この低下をおおむね避けられました。
- METRの2025年の試験：経験豊富なオープンソース開発者はAIを使うと19%長く時間がかかり、終わったあとも20%速くなったと信じていました。
- まだ査読を受けていないMITのプレプリントでは、ChatGPTでエッセイを書いた人は自分の文章を引用するのに苦労しました。
未経験者の入り口は狭くなった
企業はレビューして決められる人をまだ雇っています。タイプするだけの初心者は、ずっと少ししか雇いません。
- 65%
- 大手テック企業の新卒採用の減少（2019年比）
- 4.5%
- ソフトウェア開発の求人のうち未経験者向けの割合（2026年第1四半期）
- 19%
- 予想より少ない22〜25歳の雇用（AIの影響を最も受ける職）
- SignalFire、2026年：2019年と比べて、新卒採用は大手テック企業で約65%、アーリーステージのスタートアップで76%減りました。一方、大手テック企業のエンジニア採用は11%しか減っていません。
- Indeed：2026年初め、ソフトウェア開発の求人のうち未経験者向けは4.5%でした。2025年2月にClaude Codeが出てから求人は約15%増え、その増加の71%はシニア向けでした。
- スタンフォード大学の「Canaries」研究：ソフトウェア開発者を含む、AIの影響を最も受ける職での22〜25歳の雇用は、影響の少ない職と同じペースで伸びていた場合より19%低く、その大半は採用が減ったことによるものです。著者たちは慎重に、これを因果的ではなく記述的なものと呼んでいます。
- 最近のコンピューターサイエンスの卒業生は、全専攻の中でも失業率が最も高い部類（7.0%）ですが、不完全雇用率は最も低い部類です（19%、全体では39%）。雇われるときは、たいてい学位が必要な仕事に就きます。典型的な入り口は今も学士号です。
AIはあなたに必要なものを推測できない
AIは頼んだことをやり、頼まなかったことはやりません。何を頼むべきかわかっていることが仕事です。
- AIコーディングエージェントには、目的、コンテキスト、制約、優先順位、壊してはいけないもの、許される道筋、成功をどう測るかを説明する必要があります。多くのプログラマーはそれを言葉にすることを学んでいません。
- 私のエージェントへの話し方は4つの部分からなります。何がほしいか、どうやるか、何がほしくないか、どう確認するか。ドメインを知らなければ、これは埋められません。
- 小さなアプリでも、バイブコーディングで作って本番に出るものは、経験のあるプログラマーがレビューしなければいけません。これは任意ではありません。
言語よりテストが大事
2026年10月、4つのモデルに同じ難しいタスクを7つの言語で与えました。どの言語も抜きん出ませんでした。
- 112
- 回の試行：7言語、4モデル、2条件、各2回
- 24
- テストを渡したときの、弱いほうの2モデルの正解数
- 16
- テストなしでの、同じモデルの正解数
- 2つのフロンティアモデルは、対象になったすべての試行を、どの言語でも正解しました。
- 失敗はどれも、問題そのもののルールを破ったものでした。型エラーは1つもなかったので、どのコンパイラーでも捕まえられなかったはずです。
- テストの書き方を学び、見つけたバグはすべてテストにしてください。このスキルはどの言語でも、どのモデルでも通用します。
AIがプログラミングを全部できるなら、なぜ学ぶのか？
全部はできないからです。AIは見たことのあるものを再現します。見たことのないものこそ、次の仕事がある場所です。
- モデルは公開コードから学びました。世界のコードの大半は非公開で、GitHubのコントリビューションだけでも81.5%がそうです。そして誰もまだ解いていない問題は、どの学習データにも入っていません。
- 似たものが公開されていれば、AIはすばやく再現します。公開されていなければ、長くて高くつくループの中で空回りし、誰かが引き継がなければいけません。「正しい」とは何かを定義し、オラクルを作り、客観的な目標を持つテストを書き、誰も公開しなかった参考資料を見つけ、エージェントが堂々巡りを始めたら気づく人です。
- レガシーも同じです。COBOLの大きなオープンソースコミュニティはありません。銀行、保険会社、政府を動かすコードは非公開で、モデルはほとんど見たことがありません。
- こうした仕事はどれも、問題を根っこから理解している人を必要とします。コンピューター、OS、コンパイラ、ネットワーク、データベースが実際にどう動くか。ほとんどの人が飛ばす、難しい知識です。
- 私の考えでは、そこにチャンスがあります。基礎を苦労して学ぼうとする人が少ないほど、学んだ人の価値は上がります。モデルが自力では埋められないすき間を埋めるのは、その世代になるでしょう。
機械があなたに最も必要としているスキルは、機械が学習から最も学びにくいスキルです。
A habilidade que a máquina mais precisa de você é a que ela menos consegue aprender com o treino dela.
「AIがやった」に実際に必要だったもの
コーディングエージェント用の私のオープンソースのメモリシステム、ai-memoryは、大部分をAIが書いています。それを正しく保っているものはすべて、毎週続けた私のレビューと指示から来ています。
- 4,743
- AGENTS.mdに書いたエージェント向けルールの語数
- 16
- 絶対に壊してはいけない不変条件
- 22
- 強制されたセキュリティ境界。それぞれがガードと敵対的テストに対応
- 3,000+
- ユニットテスト
- 600+
- インテグレーションテスト
2026年9月27日にリポジトリで数えました。
- 明示的な指示が約65個、具体的なミスがあったからこそ存在する厳選されたメモリノートが28個、調査、ポストモーテム、アーキテクチャの決定をまとめたドキュメントが60以上あります。
- 初日からあったものは1つもありません。AIが毎日作業の大部分をこなすのを何週間も見て、磨いてきた結果です。そして磨くには経験が要ります。
- どの層も、AIだけではうまくいかず、私が直し方を知っていなければならなかった場所を示しています。
これはどれも、AIが自動で作ったものではありません。すべて、AIだけではできず、私が調整の仕方を知っていなければならない部分です。素人にはできません。
Nada disso é automático, feito pela IA. Tudo isso é onde a IA sozinha não consegue fazer e eu preciso saber com ajustar. Nenhum amador consegue fazer isso.
学生やジュニアなら
シニアがインターンを使うようにAIを使ってください。雑用のためです。学びは自分の手を通さなければいけません。
- できるだけ多くを手で書いてください。壊して、デバッグして、直す。行き詰まるのも学びのうちです。Anthropicの研究者は、「つらいほど行き詰まること」も含めた認知的な努力が、習熟にはおそらく重要だと書いています。
- ありふれた作業はAIに並行してやらせ、概念を説明してもらってください。あなたが学ぶべきコードを書かせるのではありません。
- AIが出すものはすべて、1行ずつレビューしてください。変更を説明できないなら、まだ受け入れる準備ができていません。
- 時間を数えてください。ゼロから最初のジュニアの仕事までには、少なくとも約1,400時間の勉強と練習が要ります。私の考えでは、習熟には何万時間もかかります。エリクソンの研究で最も優れたバイオリニストは20歳までに1万時間以上を積んでいました。その後の研究では練習がすべてではないとわかっていますが、練習に代わるものはありません。
- シニアとは、自分が習熟したどのテーマでも、かつてジュニアだった人のことです。
Akitandoのアーカイブ
流行りのツールが変わっても通用する基礎を教えるため、2018年から2024年にかけてこのチャンネルを作りました。146本の動画で、合計96時間以上あります。エージェントがいる今、このアーカイブはこれまで以上に大事です。動画と文字起こしはポルトガル語ですが、YouTubeの自動翻訳字幕が役に立ちます。
RANT: Programação NÃO É Fácil
· 32:22
プログラミングが簡単ではない理由と、数週間の講座ではプログラマーになれない理由。
文字起こしを読む
Guia DEFINITIVO de Aprendendo a Aprender | A maior BRONCA da sua vida [RATED R]
· 1:04:37
資格を追いかけず、基礎と実際の問題を通して独学する方法。
文字起こしを読む
O Guia +Hardcore de Introdução à COMPUTAÇÃO
· 1:18:28
ブレッドボードで6502コンピューターを作る（ベン・イーターのキット）：2進数、メモリ、Assembly、スタック。
文字起こしを読む
Hello World Como Você Nunca Viu! | Entendendo C
· 1:09:22
CのHello Worldが実際に何をしているのかを、メモリとポインターまで掘り下げます。
文字起こしを読む
Linguagem Compilada vs Interpretada | Qual é melhor?
· 1:11:44
コンパイラ、インタプリタ、仮想マシン、JIT。
文字起こしを読む
Introdução a Redes: Como Dados viram Ondas? | Parte 1
· 37:59
ビットから信号、パケットまで、下から積み上げるネットワーク。全6回の第1回。
文字起こしを読む