AIエージェント時代に価値を持つ人材とは？ 4つの新役割と「Cracked Engineer」を中小企業目線で解説
AIエージェントの普及で、企業に必要な役割と個人に求められる力はどう変わるのか。「4つの新役割」「Cracked Engineer」「Agentic Engineering」という切り口を軸に、経済産業省の人材推計も交え、中小企業が押さえるべきポイントを整理して解説します。
AIエージェントが業務に入り込むにつれ、企業に必要な役割も、個人に求められる力も、変わりつつあります。「AIに任せられるなら、人は要らなくなるのか？」──そんな不安の声も聞きますが、実際に語られているのはむしろ逆で、「AIを使いこなし、その出力を見極められる人材」の価値が高まっているという話です。
本記事では、この変化を4つの切り口（①企業に生まれる新しい役割 ②個人に求められる力 ③AIに任せる時代の作法 ④それでも必要な”仲間”）で整理し、最後に日本の人材需給の現実と、中小企業がとるべき一歩をまとめます。ZDNET・ITmedia AI+・IBM・経済産業省など信頼できる情報源を参考にしています（一覧は記事末尾）。
想定読者
- 中小企業の経営者・IT担当者の方
- AIエージェントの導入を検討している、または最新のAI人材トレンドをキャッチアップしたい方
この記事で得られること
- AIエージェント時代に企業へ求められる「4つの新役割」が分かる
- 「Cracked Engineer」「Agentic Engineering」に共通する、個人に求められる力を理解できる
- AIに任せきらず”仲間”と検証し合う重要性、そして日本の人材需給の現実まで俯瞰できる
目次
- 変化の全体像
- ① 企業に生まれる「4つの新しい役割」
- ② 個人に求められる力──「Cracked Engineer」への進化
- ③ AIに任せる時代の作法──「Agentic Engineering」
- ④ それでも”仲間”は要る──「1人で完結」しない理由
- 日本の現実──AI人材は約339万人不足する
- 【筆者の所感】AI活用格差は待ってくれない
- まとめ
- 参考記事
変化の全体像
まず、これから紹介する4つの切り口の関係を整理しておきます。①は「企業（組織）」の視点、②③は「個人（働き手）」の視点、**④は「①〜③に共通する落とし穴と、その処方箋」**です。呼び名や切り口は違っても、各所での議論は驚くほど同じ方向を指しています。
| 切り口 | 誰の話か | 一言でいうと |
|---|---|---|
| ① 4つの新役割 | 企業・組織 | AIエージェントを使いこなす新しい職務が生まれる |
| ② Cracked Engineer | 個人 | 「設計力・AI駆使力・目利き力」を持つ人材が突出する |
| ③ Agentic Engineering | 個人・組織 | 「雰囲気で書く」から「AIを統制し検証する」開発へ |
| ④ それでも仲間が要る | 組織・チーム | 1人で完結せず、責任と判断を人が担い検証し合う |
① 企業に生まれる「4つの新しい役割」
AIエージェントの普及に伴い、企業には4つの新しい役割が台頭するという指摘があります（ZDNET AI）。AIは「単なる自動化のレイヤー」ではなく、仕事の設計・実行・統制の在り方を根本から変えるものであり、新しいワークフローアーキテクチャの構築が必要になる、という考え方です。
これらの役割は一夜にして現れるわけではなく、既存のビジネス・オペレーション・技術部門の役割から進化していくとされます。求められるスキルは「ビジネス専門性、AIリテラシー、ノーコード設定の意図的な組み合わせ」で、共通するのはオーナーシップ（成果への責任、エージェントの振る舞いへの説明責任、変化に応じた継続的な最適化）です。
| 役割 | 役割の内容 |
|---|---|
| AIリーダー | AIを技術的能力からビジネス価値に変換し、責任を持って戦略的に活用する。組織全体のAI適用と、エージェント型ユースケースの戦略策定・実行を統括。 |
| エージェントオペレーター | エージェントワークフローの「人間側の監督者」。実行を監視し、必要に応じて介入。正確性、コンプライアンス、事業継続を確保。ビジネス・オペレーション部門出身が多く、自動化対象フローと成果への深い理解が重要。 |
| AIノーコードクリエイター | ノーコードツールを使ってAIエージェントを設計・テスト・デプロイする。ビジネスアナリスト、プロセスオーナー、DXチームなどから進化。要件を文書化するだけでなく、エージェントのゴール・制約・振る舞いを能動的に設計する。 |
| ワークフローアナリスト | 人間とエージェントが協働してタスクを達成する全体像を俯瞰。業務機能とワークフローの深い理解が中核。手動やルールベースのプロセスを単純に複製するのではなく、エージェント型モデル向けに仕事を再設計する。 |
中小企業では、これらの役割を兼任するケースが多くなると思います。 全てを新規採用で賄う必要はなく、既存の社員がスキルを身につけることで十分に対応可能です。大切なのは「誰がどの役割を担うか」を明確にすること。まず社長がAIリーダーとして方針を決め、小さく始めるのが現実的かと思います。社長がAIリテラシーを社内に広げる進め方は「社長がAIリテラシーを社内に広げる5ステップ」で解説しています。
② 個人に求められる力──「Cracked Engineer」への進化
企業の役割が変わるなら、そこで働く個人に求められる力も変わります。象徴的なのが、AI時代のエンジニア像が「10x Engineer」→「Vibe Coder」→「Cracked Engineer」へ進化しているという捉え方です（ITmedia AI+）。
- 10x Engineer：手作業で圧倒的な生産性を発揮する従来型。個人の技術力が武器で、コードを全て自分で書く。
- Vibe Coder：AIと会話しながら「雰囲気」でソフトを形にする。コードの細部は理解しなくてもOK。
- Cracked Engineer：AIを前提に設計・判断し、AIの出力を目利きできる。1人でチーム分の成果を出す「異常に強い」人材。
このCracked Engineerを特徴づけるのが、次の3つの力です。
| 特徴 | 内容 |
|---|---|
| 設計力 | 何を作るかを決められる。単にコードを書くのではなく、ビジネス課題を技術で解決する視点。 |
| AI駆使力 | AIを最大限活用できる。AIエージェントやコード生成ツールを使いこなし、1人でチーム分の成果を出す。 |
| 目利き力 | AIの出力を見抜ける。AIが間違えた部分や品質の問題を見抜いて修正する力。 |
重要なのは、この3つの力はエンジニアに限った話ではないという点です。「AIを使いこなし、その出力を正しく評価できる」ことは、事務・営業・企画などあらゆる職種で価値を持ちます。
単にAIに丸投げするのは危険だと感じています。AIは非常に優秀ですが、間違えることもあります。生成物の品質をチェックし、問題を見抜く「目利き力」は今まで以上に重要です。AIの出力を鵜呑みにせず、人間が最終的な判断を下す体制を整えることが、信頼できるAI活用の基本です。AIの答えを仮説として現場で検証する考え方は「AI時代こそ現場へ」で、出力検証やHuman-in-the-Loopといったセキュリティ対策は「AIエージェントのセキュリティ対策」で解説しています。
③ AIに任せる時代の作法──「Agentic Engineering」
「AIに任せる」といっても、やり方には作法があります。AI研究者Andrej Karpathy氏（OpenAI創設メンバー、元Tesla AI責任者）は、2025年に「Vibe Coding（雰囲気で書く自由形式の開発）」という言葉を生み、続いてプロフェッショナルな開発を表す言葉として**「Agentic Engineering」**を提唱しました。IBMの解説では、両者は次のように区別されています。
- Agentic（エージェント的）：AIエージェント（の連携）がコードを書き、人間はその出力を監督・検証する。エージェントがサブタスクを反復する間も、Human-in-the-Loop（人が輪の中にいる状態）を保つ。
- Engineering（工学）：コード品質を損なわずにエージェントを使いこなすには相応の専門性が必要であり、それは訓練で伸ばせるスキルである。
裏を返せば、専門性なきまま雰囲気で作ると、「AIスロップ（AI slop）」＝役に立たない／既存コードを壊すコードを生み、その理解・デバッグ・修正に時間を取られて技術的負債が膨らむリスクがあります。実際、Stack Overflowの2025年開発者調査では、回答者の84%がAI支援プログラミングを使う（使う予定） と答える一方で、AIの正確性を「信頼しない」が46%、「信頼する」は33%、「強く信頼する」はわずか3%でした。ベテランほど懐疑的で、人間の監督が不可欠という認識が広がっています。
組織はどう取り入れるべきか
IBMは、組織がAgentic Engineeringを取り入れる際のポイントも挙げています。ここは中小企業の”仕組みづくり”にそのまま効く部分です。
- ガバナンスの整備：エージェント型ワークフローを「いつ・どう使うか」を定め、人間の監督を品質管理の中心に据える。
- 設計スキルの教育：単なるプロンプト術ではなく、エージェントを統制し・出力を検証し・レビューの反復を既存の業務フローに組み込む力を育てる。
- 社内プレイブックの用意：コードレビュー要件、テスト方針、ガードレール設定など、安全な使い方を標準化する。
- 文化づくり：説明責任を保ちつつ実験を奨励する。**「エージェントは開発を加速するもので、専門性を置き換えるものではない」**という原則を共有する。
開発者の役割は「コードを書く人」から**「AIシステムを設計・監督し、その振る舞いを形づくる人」**へ移ります。職種が何であれ、人間による監督・システム設計のリテラシー・高い判断力が土台になる、という点は②のCracked Engineerと完全に重なります。
④ それでも”仲間”は要る──「1人で完結」しない理由
「1人でチーム分の成果を出す」というCracked Engineer像は魅力的ですが、「本当に1人で完結できるのか？」という冷静な問い直しも出ています（ITmedia AI+）。AIエージェントの時代でも”仲間”が必要な理由として、次のような点が挙げられます。
- 責任は最終的に人間が負う：AIに責任を押し付けることはできず、成果の説明責任は人に残る。
- 人間にしかできない判断がある：AIは効率的だが、価値観や倫理を伴う判断は人の役割。
- 心理的安全性が学びを生む：失敗から学び挑戦するには、信頼できるチーム（仲間）が不可欠。
- 異なる視点の衝突が革新を生む：単独の知識・スキルには限界があり、協働の相乗効果は代替しにくい。
つまり「AIがあれば1人で十分」ではなく、AIを前提としても”チームで補い合う力”はむしろ重要になるということ。少人数の中小企業こそ、社員同士が互いの判断を検証し合える関係づくりが効いてきます。これは③の「Human-in-the-Loop」「人間の監督」とも地続きの話です。
日本の現実──AI人材は約339万人不足する
ここまでは主に海外発の議論でしたが、日本でも人材の中身は大きく変わると国が予測しています。経済産業省の「2040年の就業構造推計（改訂版）」（2026年3月公表）は、次のように試算しています。
- AI・ロボットの利活用に関わる人材は、需要が約782万人に対し、供給は約443万人にとどまり、約339万人が不足する見込み。
- 一方で、事務職は約400万人超が余剰になると試算されている。
AIを”使いこなす側”の人材は圧倒的に足りず、定型業務中心の職種は余っていく──この需給ミスマッチが、国レベルで予測されているわけです。
中小企業への示唆は明快です。新たにAI人材を採用しようとしても、市場全体で取り合いになる。だからこそ、外から採るより**いまいる社員をAIを使いこなせる人材へ育てる（リスキリング）**方が現実的です。AI人材＝エンジニアではない、という考え方は「中小企業の『AI人材』は育てなくていい？」で詳しく解説しています。
【筆者の所感】AI活用格差は待ってくれない
ここからは、本ブログ運営者としての率直な所感をお伝えします。
役割は「書く」から「使いこなす・見極める」へ
かつては「正確に手を動かせること」が最大の価値でしたが、今は 「いかにAIを使いこなし、その出力を見極めるか」 が価値の中心になりつつあります。4つの新役割も、Cracked Engineerも、Agentic Engineeringも、突き詰めれば同じことを言っています。
AI活用の格差は今後どんどん広がる
AIを活用する企業・人と、しない企業・人のギャップは、今後どんどん広がっていくと確信しています。経産省が示すAI人材の不足も、この格差を裏付けています。逆に言えば、AIを活用できない企業は競争力を失うリスクがあります。
今こそ小さく始める
完璧を求める必要はありません。小さく始めて、効果を実感し、徐々に広げていく。その最初の一歩を踏み出すことが最も大切です。具体的な始め方は「中小企業向け生成AI活用ガイド」で解説しています。
まとめ
本記事の内容をまとめると、こんな感じになります。
- ① 企業の新役割：AIリーダー、エージェントオペレーター、AIノーコードクリエイター、ワークフローアナリストの4つが台頭。既存社員のスキルアップで対応できる。
- ② 個人の力：「設計力・AI駆使力・目利き力」を持つCracked Engineerが突出。この3つの力はあらゆる職種で価値を持つ。
- ③ AIに任せる作法：Agentic Engineeringが示すのは、AIを統制し人が検証する開発。ガバナンス・プレイブック・レビューの仕組み化が鍵。
- ④ それでも仲間が要る：責任・倫理・判断は人が担い、チームで検証し合う。1人で完結させない。
- 日本の現実：AI活用人材は約339万人不足の見込み。採用より、いまいる社員のリスキリングが現実的。
共通するメッセージはシンプルです。AIを使いこなし、その出力を見極め、人が最終責任を持つ。この体制を小さくでも整えた企業から、AI時代の恩恵を受けていくのだと思います。
最後まで読んでいただき、ありがとうございました。
参考記事
本記事は、以下の信頼できる情報源を参考に作成しています。
| 情報源 | 発行元 | 発行日 |
|---|---|---|
| 4 new roles will lead the agentic AI revolution - here’s what they require | ZDNET AI | 2026年1月22日 |
| Cracked Engineerとは？ AI時代に語られ始めた”異常に強いエンジニア”の実像 | ITmedia AI+（＠IT） | 2026年1月26日 |
| Cracked Engineerは成立する？ AIエージェントの時代でも「仲間」が必要な理由 | ITmedia AI+（＠IT） | 2026年5月12日 |
| What is agentic engineering? | IBM Think | 2026年2月27日 |
| 2040年の就業構造推計（改訂版）について | 経済産業省 | 2026年3月 |