概要
AIがコードを書く時代に、価値を作るエンジニアの1日は、従来のソフトウェアエンジニアと根本的に違います。コードを書く時間は半分以下、クライアントとの対話と業務分析が中核を占め、AIエージェントは部下のように使いこなす——これがFDE型・業務密着型エンジニアの実像です。本稿では現場リーダー向けに、上流エンジニアと従来エンジニアの1日を、時間配分・タスク内容・成果物の3軸で比較し、自チームの上流化に必要なスキルセットを具体的に描き出します。
問題の構造——「エンジニアの1日」のイメージが古いままでは育成が空転する
現場リーダーが直視すべきは、自分やメンバーが持っている「エンジニアの仕事像」が、AI時代にすでに陳腐化している可能性です。
第一に、従来型のエンジニア像は「コードを書く時間が中心」というイメージで構成されてきました。仕様書を受け取り、設計し、コーディングし、テストする——この一連の作業が1日の大半を占めるという暗黙の前提です。しかし、AIエージェントが実装タスクを高速処理する現在、この時間配分は経済的に成立しなくなっています。
第二に、現場リーダーが部下を育成する際の「目指す姿」が更新されていません。「もっと早くコードを書けるように」「もっと深く技術を学ぶように」という指導は、AI時代には方向違いです。求めるべきは「もっと深くクライアントの業務を理解できるように」「もっと的確に課題を構造化できるように」という指導です。
第三に、評価面談・1on1での話題が、技術スキルとタスク消化に偏っています。「今期は何の言語を学んだか」「何件のチケットを消化したか」——こうした問いだけでは、上流化に必要なスキルは可視化できません。
つまり、現場リーダーは「エンジニアの典型的1日」のイメージそのものを更新する必要があるのです。これがなければ、メンバーの育成方針も評価軸も、すべて古い前提のままになります。
真因の分析——なぜ「上流エンジニアの1日」が見えにくいのか
上流エンジニア——FDE型・業務密着型エンジニア——の1日の実像が、多くの現場で見えにくくなっている理由を3つ整理します。
真因1:日本IT企業に「FDE型」のロールモデルが少ない
Palantirが2010年代から運用するFDEモデルは、米国西海岸では確立されたエンジニア像ですが、日本ではまだ広く認知されていません。多くの日本IT企業では、SIerの「上流SE」とコンサルファームの「ITコンサル」が分断しており、両者を統合した「業務を理解し、AIで実装まで担うエンジニア」が組織的に育っていません。
そのため、現場リーダーが「上流エンジニアとはこういう1日を送る人だ」と具体的に語れるロールモデルが、社内に存在しないという問題が発生します。
真因2:上流業務は「見えにくい仕事」が多い
コーディングは画面に成果が残ります。コミット履歴、プルリクエスト、テスト結果——いずれも可視化されます。一方、業務ヒアリング、課題構造化、クライアントとの議論、提案設計といった上流業務は、成果物が「議事録」「資料」「合意」といった暗黙的な形式に留まります。
このため、現場リーダーがメンバーの上流業務の質を評価しにくく、結果として「コードを書いた量」だけで仕事を測る癖が抜けないのです。
真因3:AIエージェントの使い方が「補助ツール」に留まっている
上流エンジニアの1日を構成する重要な要素のひとつが、「AIエージェントを部下のように使いこなす」ことです。しかし多くの現場では、AIをコード補完の補助ツールとしてしか使っていません。
業務ヒアリングの自動要約、業務フローの自動生成、課題ツリーの自動展開、提案ドラフトの自動作成——これらをAIに任せる発想がなければ、上流エンジニアの圧倒的な生産性は実現しません。
解決の方向——上流エンジニアと従来エンジニアの1日を徹底比較
ここから、上流エンジニア(FDE型)と従来エンジニアの1日を具体的に比較します。現場リーダーは、自チームの現状をどちらに寄せるかを判断してください。
時間配分の比較
従来エンジニアの典型的1日(8時間)
- コーディング・実装:4〜5時間
- レビュー・テスト:1〜1.5時間
- ミーティング(社内中心):1〜1.5時間
- 仕様確認・ドキュメント:0.5〜1時間
- 学習・自己研鑽:0.5時間以下
時間配分の重心は「実装」にあり、クライアントとの直接接触はほぼゼロです。
上流エンジニア(FDE型)の典型的1日(8時間)
- クライアントとの対話・業務ヒアリング:2〜3時間
- 課題構造化・提案設計:1.5〜2時間
- AIエージェントを使った実装・検証:1.5〜2時間
- 社内議論・方針すり合わせ:1時間
- 学習・業界知識アップデート:0.5〜1時間
時間配分の重心は「クライアントとの対話」と「課題構造化」にあり、純粋な実装時間は全体の25%以下です。実装はAIエージェントに任せ、エンジニアは「何を作るか」「なぜ作るか」の判断に時間を使います。
タスク内容の比較
従来エンジニアの主要タスク
- 仕様書をもとにコードを書く
- 既存コードのリファクタリング
- バグ修正
- テストコードの作成
- 技術選定の社内議論
タスクの起点は「仕様書」または「チケット」であり、自ら課題を定義する場面は少ないのが特徴です。
上流エンジニアの主要タスク
- クライアントの業務をヒアリングし、業務フローを可視化する
- 業務課題を構造化し、真因を特定する
- AIや既存システムを組み合わせた解決策を設計する
- AIエージェントに実装指示を出し、成果物を検証する
- 提案資料を作成し、クライアント経営層に提示する
- 業界知識・業務知識をアップデートする
タスクの起点は「クライアントの課題」であり、何を作るかを自ら定義します。AIエージェントは「部下」として扱い、実装の細部はAIに委任します。
成果物の比較
従来エンジニアの主要成果物
- 動くコード
- テスト結果
- 技術ドキュメント
- レビューコメント
上流エンジニアの主要成果物
- 業務フロー図・As-Is/To-Beモデル
- 課題構造化資料(イシューツリー、KPIツリー)
- 解決策設計書(業務×AI×実装の統合設計)
- クライアント向け提案資料
- 動くプロトタイプ(AIエージェントを使って高速作成)
- クライアント経営層との合意
成果物の質は「動くか」だけでなく、「クライアントの経営課題を解決するか」で評価されます。
実行のポイント——現場リーダーがチームを上流化する3つの行動
現場リーダーがメンバーの上流化を進めるための実務行動を3つ示します。
行動1:メンバーの「1日の時間配分」を可視化させる
まずメンバー全員に、過去1週間の時間配分を実績ベースで書き出してもらってください。多くの場合、コーディング時間が圧倒的に多く、クライアント対話と業務分析の時間がほぼゼロという結果になります。この事実を本人と共有することが、変化の第一歩です。
行動2:「クライアント時間」の目標値を設定する
メンバーごとに、「クライアントとの直接対話時間」の月次目標を設定します。たとえば「月20時間以上」と置くと、メンバーは自然と業務ヒアリング、業務観察、提案打ち合わせの場に出るようになります。クライアント時間の確保は、上流化の最大のレバーです。
行動3:AIエージェントの使いこなしを評価軸に入れる
「AIエージェントを部下のように使いこなしているか」を、1on1や評価面談の論点に加えてください。具体的には次の問いです。
- 業務ヒアリングの音声要約・課題抽出をAIに任せているか
- 業務フロー図・課題ツリーの初稿をAIに作らせ、自分は推敲に集中しているか
- 実装の8割をAIエージェントに委任し、自分は設計と検証に集中しているか
- 提案資料のドラフトをAIに作らせ、ストーリーラインの磨き込みに集中しているか
これらができているメンバーは、上流エンジニアとして急速に伸びます。
まとめ——「1日の使い方」を変えれば、エンジニアは上流化する
エンジニアの上流化は、抽象的なスローガンではありません。「1日の時間配分」「タスク内容」「成果物」の3軸を、上流エンジニア(FDE型)のモデルに寄せていく具体的な行動の積み重ねです。
現場リーダーがメンバーに伝えるべきメッセージはシンプルです。コードを書く時間を減らし、クライアントとの対話と課題構造化の時間を増やしなさい。実装はAIエージェントを部下として使いこなし、自分は「何を作るか」の判断に時間を使いなさい——これが、AI時代に価値を作るエンジニアの1日です。
このイメージを現場で共有し、時間配分を変える行動を促せるかどうかが、現場リーダーの腕の見せ所です。
Ballistaに相談する
自チームの上流化プログラムの設計や自社への適用について、まずはお気軽にご相談ください。