Fable 5が問う「問い」そのものの価値
Claude Fable 5に「10年後の自分の仕事」を聞くという行為は、メタ的な重みを持つ。Anthropic自身が公開した検証データによれば、Fable 5は5000万行のRubyコードベースで2か月分の移行作業を1日で完了した。つまり今、「人間エンジニアの2か月」を代替できるモデルに、「人間エンジニアの10年後」を尋ねているわけだ。その回答が楽観的であれ悲観的であれ、問い自体がすでに職業的アイデンティティの危機を可視化している。
Gemini 3.1 Pro、GPT-5.5との比較という構成は、AIモデルを「回答機械」として横並びにするが、より戦略的な読み方は別にある。3モデルが揃って示す未来像の「共通部分」こそが、確度の高い予測であり、各モデルが異なる主張を持つ部分は不確実性の所在を教えてくれる。
「作業者」から「評価者」へ：構造変化の実態
AIエージェントの普及は、開発プロセスの効率化にとどまらず、職種の境界線そのものを溶かしている。国内の調査では、AIエージェントの活用によって1人の担当範囲が拡大し、従来は専門デザイナーに委ねていたUI設計をエンジニア自身が担えるようになる一方、「作業」から「評価と環境整備」への役割シフトが起きていると指摘されている。コードを書くことがコモディティ化し、AIが出力した成果物の品質と倫理的妥当性を判断する能力が、エンジニアの市場価値を決める軸になる。
経済産業省の試算では日本のIT人材は2030年に最大79万人不足するとされる一方、2026年時点ではAI・ロボット活用を担う専門人材の不足が2040年に向けて339万人規模に拡大すると見込まれている。数字の方向性は明確だ。「ITエンジニアが余る」のではなく、「旧来型ITエンジニアが余り、AI時代型エンジニアが足りない」という二極化が進行する。
日本固有の遅延リスク
問題は、この構造変化が日本において欧米より遅れて到達する傾向にある点だ。SIer主導のウォーターフォール開発が主流の日本市場では、AI前提のアジャイル型開発体制への移行コストが高い。加えて、多重下請け構造の中間層に位置するSES企業の技術者は、スキル転換の意思決定を自社ではなく元請けの方針に依存しがちで、主体的なリスキリングが進みにくい。さらに、日英コードベース間の言語的非対称性（英語圏のトレーニングデータ優位）が、日本語特有のドメイン知識を扱うシステム開発でのAI活用精度に影響を与える可能性がある。
2036年に価値を持つエンジニア像
楽観シナリオと悲観シナリオを両端に置いたとき、現実的な着地点は「AIを前提とした設計力と責任判断力を持つエンジニア」の需要増だ。具体的には、マルチエージェント・ワークフローの設計、AIの出力するコードのセキュリティ検証、事業部門との要件定義、そしてAIが生成した意思決定の倫理審査という4領域が、代替困難な専門性として残る。これらはいずれも、「なぜその技術を使うか」を経営的視点から説明できる能力と表裏一体である。Fable 5のような最上位モデルに問うことで得られる「予測」を、単なる情報として消費するか、自分のキャリア設計の検証材料として使うか。その差が、2036年の分水嶺になる。
