工程師的成長速度取決於反覆試錯的次數

本連載は2026年9月刊行の『エンジニアのAI壁打ち実践術』から一部、抜粋・編集してお届けします。

PDCAのサイクルを回した回数、すなわち試行錯誤の積み重ねによって、エンジニアの成長速度は決まります。AIはこのサイクルを回すハードルを一気に下げました。第2回となるこの記事では、この成長サイクルをAIと回すべき、3つの理由について解説します。

AIがPDCAのハードルを下げた

AIが登場し、私たちの仕事のあり方は大きく変わりました。情報を集める、施策を考える、コードを書く、ドキュメントを整理する、結果を振り返って次の手を打つ。こうした一つひとつの作業をAIが手助けしてくれることで、何かを考え、試し、振り返り、改善する、といった「学びのサイクル」を、以前とは比べものにならない速さで回せるようになったのです。ここでは、この学びのサイクルを広く知られた「PDCA」のフレームワークで捉えていきます。

そもそも、これまでこのサイクルを回すためには様々なハードルがありました。良いプランを思いつけない（Planの壁⁠）⁠、技術力や人手が足りず実行に移せない（Doの壁⁠）⁠、何が良くて何がダメだったのか適切に振り返れない（Checkの壁⁠）⁠、結果として次のアクションにつながらず（Actionの壁⁠）⁠、プロジェクトも自身の成長も停滞する、といった具合です。このハードルを越え、サイクルを1周回すには、多くの時間と労力、そして専門知識が必要でした。

AIは、これらすべてのハードルを一気に下げました。

AIが下げてくれる、PDCAサイクルを回すハードル

	作業例	これまでの壁	AIがあると
Plan	情報を集める、施策を考える	良いプランを思いつけない	アイデアの壁打ち相手になり、選択肢を広げてくれる
Do	コードを書く、ドキュメントを整理する	技術力や人手が足りず実行に移せない	複雑なコードや文書をすぐに生成してくれる
Check	結果を振り返る	何が良くて何がダメだったのか振り返れない	結果を多角的に分析し、振り返りの観点を整理してくれる
Action	次の手を打つ	次のアクションにつながらない	結果を踏まえた次の一手を一緒に考えてくれる

例えば、あなたが入社2年目のエンジニアで、見たことも聞いたこともない社内ツールの改善を任されたとします。そのような未知のツールであっても、AIにツールの概要と利用者データを共有し、改善すべきポイントとその優先順位を整理させれば、はじめに手をつけるべき点が見えてきます（Plan⁠）⁠。AIに相談しつつ改修コードを書けば、1人でも実装を進められます（Do⁠）⁠。改修後は、想定通りの改善効果が出ているかをAIと一緒に検証すれば、見落としや副作用にも気づけます（Check⁠）⁠。その結果を踏まえて改善点を見定め、次のサイクルに入ります（Action⁠）⁠。かつてはチームで数週間かけていたこのサイクルを回す時間が、AIとの対話によって大幅に短縮されます。

このサイクルを回せるのはコーディングに限った話ではありません。設計方針の検討・チームの開発プロセスの改善・キャリアの方向性の模索など、あらゆる場面でこのサイクルは回せます。だからこそ、仕事におけるどんな場面でも、このサイクルを意識的に回すことが重要です。

成長の度合いは試行錯誤の回数に比例する

ただし、AIを使うこと自体が成長に直結するわけではありません。AIの助けを借りてPDCAのサイクルを速く、多く回し、その過程で経験を積み、実践知や応用力を身につけることで成長するのです。そして、このサイクルを回すことが成長に直結する理由は、大きく3つに整理できます。

①回数が増える：AIがハードルを下げ、サイクルを数多く回せるようになる。量が確保されたうえで、②各フェーズの質が上がる：AIの活用で、1回ごとの学びが深まる。質の高いサイクルを数多く回す過程で、③思考力が鍛えられる：立てる問い、仮説の精度、言語化力が向上する。 — AIを使うと成長が加速する3つの理由

1つ目は、学びを得る回数そのものが増えることです。1週間に1回しか挑戦しない人と、10回挑戦する人では、同じ期間で得られる経験値は大きく異なります。かつてはサイクルを1周させるだけでも多くの時間と労力がかかったので、挑戦回数に大きな差は生まれませんでした。しかし、AIがサイクルのハードルを下げたことで、それを回す人と回さない人の間で差が大きく開くようになったのです。

2つ目は、サイクルの各フェーズの質が上がることです。壁打ちで検討対象の幅が広がればPlanの質が上がり、コードや文書の生成でDoの精度が上がり、多角的なフィードバックでCheckの解像度が上がり、結果を踏まえた次の一手の検討でActionの確度が上がります。各フェーズの質が上がれば、1サイクルあたりの学びや気づきが増え、より深い経験を得られます。

3つ目は、サイクルを回す中で考える力そのものが鍛えられることです。AIからより良い回答を引き出すために問いの立て方を工夫する。結果から学びを得るために自分なりの仮説を持つ。気づきをチームに共有するために言語化する。こうしたプロセスを通じて、思考力は自然と磨かれていきます。

重要なのは、このサイクルはこれら3つの理由を意識して回すほど大きな成長につながるということです。ただなんとなく試行錯誤を繰り返すのと、何を意識すべきかをわかったうえで取り組むのとでは、同じ回数のサイクルから得られる学びに大きな差が生まれます。前回記事で述べた、AIに「使われる」人と「使いこなす」人の差は、まさにここにあります。

ここでは、このサイクルの質を意識的に上げるための3つのポータブルスキルを、「⁠質問力」「⁠仮説構築力」「⁠言語化力」と定義しています。

まとめ

成長速度は、PDCAサイクルを回した回数で決まります。AIがそのハードルを大きく下げた今、サイクルを回す回数が増えれば学びや気づきが増えます。さらに、AIによって各フェーズの質が上がり、試行錯誤を重ねる過程で思考力も鍛えられます。成長を加速させる好循環が生まれるのです。これこそが、AI時代の成長のルールです。