AI時代、デザイナーとエンジニアは「つくる人」から「導く人」へ

AIと共存するための、ディレクターというポジショニング

「このデザイン、AIでもつくれますよね」「この機能なら、AIに書かせればすぐでは」。そんな問いを向けられたとき、積み重ねてきた経験まで安く見られたように感じる人もいるだろう。画像やコードを生み出す手段が増えた今、制作の速さだけで自分の価値を説明することは難しくなりつつある。

しかし、ここで必要なのは、専門性を捨てることではない。AIを敵と決めつけることでも、出力を無条件に信じることでもない。何をつくるべきかを定め、AIを使って選択肢を広げ、適切なものを選び、結果を確かめる。その一連の仕事を担う側へ、自分の役割を広げていくことだ。

本記事では、この役割を「ディレクター」と呼ぶ。管理職への転身だけを意味する言葉ではない。手を動かす専門家でありながら、仕事の方向と品質を導く人になる。そのために、デザイナーとエンジニアが何を残し、何を変えるべきかを考えていこう。

1．「職がなくなる」と「仕事の中身が変わる」を分ける

まず、危機感と事実を混同しないことが重要だ。AIが一部の制作や開発作業を代替できることと、デザイナーやエンジニアという職業が一様に消えることは同じではない。仕事は、調査、制作、説明、調整、検証、運用など、複数の作業の組み合わせで成立している。

ILOが2026年6月に公表した実証研究のレビューは、生成AIによる生産性向上を認める一方、その効果は不均一で、大規模な雇用の置き換えはまだ限定的だと整理している。同時に、若年層の就業機会の縮小や格差の拡大をリスクとして挙げる。「すべて奪われた」とも「心配しなくてよい」とも言い切れないのが現状だ。

出典：[ILO「生成AIが雇用・生産性・仕事の組織化に与える影響に関する実証研究レビュー」2026年6月1日](https://www.ilo.org/publications/impact-genai-jobs-productivity-and-work-organization-review-empirical)

また、世界経済フォーラムの2025年の報告では、企業が2030年に向けて減少を予想する職種にグラフィックデザイナーが含まれる一方、ソフトウェア・アプリケーション開発者は成長が予想される職種に入る。これは世界の企業の見通しであり、日本で実際に起きた失業数でも、AIだけの影響を示す数字でもない。

出典：[世界経済フォーラム「Future of Jobs Report 2025」第2章](https://www.weforum.org/publications/the-future-of-jobs-report-2025/in-full/2-jobs-outlook/)

ここから読み取るべきなのは、職種名だけで安全性を判断できないということだ。自分が提供しているのは、指示された成果物の量なのか。それとも、曖昧な状況を整理し、使える成果へ着地させる力なのか。まずは毎日の仕事を作業単位に分け、どこで価値を生んでいるかを見直したい。

2．ディレクターとは、指示する人ではなく判断を引き受ける人

AI時代のディレクターは、長いプロンプトを書ける人と同義ではない。「誰の、どんな問題を解決するのか」を定め、「何を満たせば成功なのか」を決め、複数の選択肢から進む道を選ぶ人である。さらに、その選択を関係者に説明し、結果が悪ければ修正するところまで関わる。

たとえば「予約ページを今風にしてほしい」という依頼があったとする。すぐに画面案を生成することもできる。しかし、予約が増えない理由は、画面の古さではなく、料金の不透明さや空き状況のわかりにくさかもしれない。依頼をそのまま作業へ変換する前に、本当の課題を確かめることがディレクションの出発点だ。

ここには、目的を定める力、条件を整理する力、品質を見極める力、合意をつくる力が必要になる。どれも、肩書を変更した瞬間に身につくものではない。小さな案件でも、選んだ理由と見送った理由を言葉にし、結果を振り返る。その反復によって育っていく。

ただし、全員が部下を持つ必要はない。高度な実装を担うエンジニアが技術判断を導くことも、専門デザイナーが体験品質の基準を示すことも、立派なディレクションである。人を管理するかどうかではなく、自分の専門領域で意思決定に参加し、その根拠を説明できるかが重要だ。

3．デザイナーは、見た目の制作から体験の設計へ役割を広げる

AIを使えば、レイアウト、配色、イラスト、画面構成の候補を短時間で試せる。だからこそ、デザイナーは「案を出すこと」と「正しい案を選ぶこと」を分けて考えたい。候補が十倍になっても、利用者にとってのわかりやすさや、ブランドの一貫性が自動的に十倍になるわけではない。

見るべきなのは、利用者が迷わず目的を達成できるか、情報の順番が自然か、重要な違いが伝わるかという点だ。小さな文字や低いコントラストで使いにくくなっていないか。見た目は整っていても、操作を理解するために余計な推測を要求していないか。評価の軸を先に持つことで、AIの出力に振り回されにくくなる。

顧客理解も、生成された人物像だけで済ませてはいけない。AIが提案するペルソナやインタビュー回答は、仮説を広げる材料にはなる。しかし、それは実際の顧客から得た発言ではない。問い合わせ、行動の観察、利用者への聞き取りなどと照らし合わせ、確認できた事実と想像を分けて扱う必要がある。

また、デザインの意図をルールとして残すことも重要だ。色、余白、文字、部品、言葉遣いについて、何を統一し、どこに変化を許すのかを決める。AIにも人にも共有できる基準があれば、制作量が増えても体験がばらばらになりにくい。デザイナーの価値は、一枚の完成度だけでなく、良い判断を継続できる仕組みにも宿る。

4．エンジニアは、コードの生成からシステムの成立へ視野を広げる

エンジニアにとっても、コードが出力された瞬間は完成ではない。必要な条件を満たすか、既存の仕組みと整合するか、障害時に復旧できるか、後から変更できるか。業務で使われ続けるシステムにするには、実装の外側にある判断が欠かせない。

AIに作業を依頼する前に、入力と出力、例外、権限、性能、扱うデータを整理する。たとえば予約機能なら、同じ枠に同時予約が入った場合、決済だけ成功した場合、通信が途中で切れた場合をどう扱うかが重要になる。正常に動く画面だけを確認しても、現場で起こる問題を十分に見つけたことにはならない。

検証では、AIが書いたコードを同じ前提のままAIに褒めさせて終わらないようにしたい。受け入れ条件からテストを考え、失敗しそうな入力を試し、必要に応じて別の担当者のレビューも受ける。自動テストが通ることと、要件が正しいことは別である。仕様の抜けは、実装を忠実に検査するだけでは見逃される。

さらに、依存するライブラリ、アクセス権、秘密情報、監視、運用費用まで含めて考える。自分が理解できない変更を大量に取り込めば、生成時の時短より大きな保守負担を残す可能性がある。AIを使うほど、読む力、切り分ける力、基礎原理を説明する力が重要になる。実装を離れるのではなく、実装を含む全体を見渡すのである。

5．人とAIの分担は、作業の前に設計する

共存を実務に落とし込むには、「AIを積極的に使おう」という掛け声だけでは足りない。どの情報を渡し、どの作業を任せ、誰が確認し、どこで止めるかを決める必要がある。責任の所在が曖昧なまま自動化を広げると、速く進んだ分だけ間違いも広がりかねない。

まず、一枚の作業メモに目的、対象者、制約、参考情報、完了条件を書く。次に、探索や下書きなど、間違っても修正しやすい作業からAIに任せる。候補を受け取ったら、人が基準に照らして比較し、不足情報を確かめる。承認後に実装や公開へ進み、その後の反応を確認する。この順序を共有するだけでも、無目的な生成を減らせる。

すべてを同じ強さで確認する必要はない。社内の発想メモと、顧客情報を扱う本番機能では、失敗の影響が違う。低リスクの試作は素早く回し、支払い、権限、公開情報など影響が大きい箇所には明確な承認を設ける。効率化の要点は、確認をなくすことではなく、必要な確認に集中することだ。

また、AIを使わない判断も残しておきたい。手で直す方が速い小さな修正や、外部へ渡せない情報を含む作業まで無理に任せる必要はない。道具の利用率ではなく、仕事全体が良くなったかで判断する。それが、ツールに振り回されずに使いこなす姿勢である。

6．一つの案件で、デザインと開発をつなぐ

ここで、架空の予約サービスの改善を考えてみよう。課題は「予約フォームを開く人はいるが、完了する人が少ない」。従来の役割分担では、デザイナーが画面を整え、エンジニアが仕様どおりに実装して終了しがちだ。しかし、ディレクターの視点では、まず離脱する場面と理由を確かめる。

利用者の観察から、料金が最後までわからないこと、入力し直しが多いことが仮説として浮かんだとする。デザイナーは料金表示と入力順の候補をAIで試作する。エンジニアは保存方法や入力検証の実装案を検討する。ただし、候補を選ぶ基準は「見栄えがよい」「コードが短い」ではなく、利用者の不安と手間を減らせるかである。

二人は、早い段階で同じ試作品を見ながら話す。入力項目を減らすと運用担当者が困らないか。途中保存を入れるなら、データの扱いをどうするか。見た目と技術の都合を別々に最適化せず、現場を含む全体で折り合いをつける。AIによる試作の速さは、この対話の回数を増やすために使える。

公開前には利用者に試してもらい、公開後には予約完了率だけでなく、入力エラー、問い合わせ、キャンセルなども見る。完了率だけが上がっても、意図しない予約が増えていれば成功とは言いにくい。この例は成果を保証する事例ではなく、専門家同士が同じ目的に向かうための考え方を示している。

7．生産性は、生成時間ではなく仕事全体で測る

AI導入の効果を考えるとき、「以前は二時間、今は十分」という比較だけでは不十分だ。下書きが速くなっても、確認や修正に時間がかかれば、全体の効率は改善していない可能性がある。依頼の整理から完成後の対応まで、同じ範囲で比較する必要がある。

記録したいのは、制作時間、レビュー時間、手戻り、公開後の不具合、関係者の確認負担だ。さらに、利用者が目的を達成できたかも確かめる。出力量や採用したコードの行数は活動の記録にはなるが、そのまま事業への貢献を示すわけではない。

比較するときは、案件の難易度や担当者の経験にも注意する。簡単な案件だけをAI利用側に集めれば、結果は有利に見えてしまう。小さな同種の作業から測り、数値だけでなく、何が楽になり、何が難しくなったかも残す。厳密な因果関係を示せない場合は、断定せず、次の改善に使う観察として扱えばよい。

ディレクターに求められるのは、AIの有能さを証明することではない。チームと利用者にとって有効な使い方を見つけることである。期待どおりの効果がなければ、依頼の仕方や分担を変え、ときには利用を減らす。その柔軟さも専門的な判断だ。

8．説明する力が、専門性を仕事の価値に変える

良い判断をしていても、理由が伝わらなければ、相手には好みや思いつきに見えてしまう。「こちらの方がよいです」で終わらせず、誰の何が改善するのか、何を犠牲にするのかまで説明したい。専門性は、他者が判断に参加できる言葉へ翻訳することで、協働の力になる。

たとえば「この設計は保守性が高い」だけでは伝わりにくい。「初期の実装は少し増えるが、料金体系が変わったときに修正箇所を限定できる」と言えば、事業側も比較しやすい。デザインでも「余白が美しい」だけでなく、「重要な操作を見つけやすくし、誤操作を減らしたい」と目的につなげて話せる。

同時に、説明を立派に見せるために根拠を誇張しないことも大切だ。確かめた事実、専門家としての見立て、まだ検証していない仮説を分ける。AIがもっともらしい理由を提示しても、そのまま採用理由にしてはいけない。説得の巧みさより、判断の透明性が信頼を支える。

会議の後には、決めたこと、理由、保留事項、確認する担当者を短く残す。これは報告書を増やすためではない。後から前提が変わったとき、同じ議論を繰り返さずに判断し直すためだ。ディレクターは、答えを独占する人ではなく、チームが迷わず進める状態を整える人なのである。

ここで、判断を一人で抱え込まない工夫も必要になる。何を自分で決めてよいか、何を顧客や上司に確認するかを、着手前に相談しておく。たとえば、文言の微調整は担当者、予算や機能の変更は責任者が決める、といった区分だ。相談が必要な場面を明確にすれば、慎重さを保ちながら待ち時間を減らせる。

引き継ぎも、完成後のおまけではない。採用した案の理由、既知の制約、変更するときの注意点を、次に触る人が理解できる形で残す。AIとの会話を丸ごと渡すだけでは、重要な判断が埋もれてしまう。何が確定し、何が未確認なのかを短く要約することまでを、制作や開発の完了条件に含めたい。

9．品質と信頼を守る境界線を持つ

AIに渡す情報には、慎重な線引きが必要だ。顧客情報、未公開の企画、社外秘のコード、認証情報などを、便利だからという理由だけで入力しない。所属先や顧客のルール、サービスの設定や取り扱い条件を確認し、必要な承認を得る。情報を減らす、置き換える、そもそも入力しないという選択肢も持っておきたい。

生成物についても、素材の利用条件、第三者の権利、事実関係、偏りなどを点検する。AIが生成したというだけで、自由に使えると決めつけない。判断が難しいものは、権利関係を確認できる素材に替えるか、適切な担当者へ相談する。曖昧な問題を、自信のある説明だけで通過させないことが重要だ。

クライアントとの間でも、AIを利用する範囲と、人が確認する範囲を認識合わせしておく。成果物の制作方法に条件がある案件では、その条件を守る。利用を隠して驚かせることも、AIを使っただけで品質を保証した気になることも避けたい。納品物に対して何を確認したかを説明できる状態をつくる。

そして、責任は一人に押しつけるものではない。作業者、レビュー担当、公開を承認する人、それぞれの役割を明確にする必要がある。ディレクターという名前だけを与え、権限も時間もないまま全責任を負わせる仕組みでは、持続的な品質は守れない。

10．ポートフォリオは、完成物だけでなく判断の過程を見せる

AI時代に自分を伝えるなら、「何がつくれるか」に加えて、「どんな問題を、どう解いたか」を示したい。きれいな画面や動くアプリだけを並べると、制作の背景にある専門的な判断が見えない。課題、制約、選択肢、検証、結果を一つの物語として整理することで、任せられる範囲が伝わる。

たとえば、AIで複数案を出した後、どの基準で絞ったかを書く。採用しなかった案にも意味がある。「見た目は魅力的だったが、操作がわかりにくいため見送った」「実装は短かったが、既存運用と合わなかった」。こうした具体的な説明は、出力を無批判に受け取っていない証拠になる。

成果の数字を示すときは、測定期間、対象、比較条件も添える。実測していない改善率を作らず、公開できない情報は許可を得た範囲にとどめる。自主制作なら自主制作と明記し、検証できたことと今後の課題を分ける。成功したふりをするより、限界を理解していることの方が信頼につながる。

肩書も、抽象的な「AIディレクター」だけで完結させない。「業務を理解し、画面設計から実装検証までつなげられる」など、相手の困りごとに沿って言い換える。広く何でもできると主張するより、専門領域と、その周辺で引き受けられる判断を具体的に示す方がよい。

11．価格と評価は、引き受ける範囲に結びつける

フリーランスなら、AIで作業が速くなった分だけ報酬も下がるのではないかと不安になるだろう。ここで必要なのは、効率化を隠すことではなく、相手が何に対価を払っているのかを整理することだ。単なる制作代行と、課題整理、設計、検証、改善を含む仕事では、引き受ける範囲が違う。

提案時には、成果物、検証方法、修正範囲、納品後の対応を明確にする。調査と試作を先に行い、その結果を見て本制作を決める形も考えられる。継続的な改善を依頼されるなら、運用の確認や改善提案を含めた契約も選択肢になる。ただし、ディレクターを名乗れば自動的に単価が上がるわけではない。

売上などの成果を報酬に結びつける場合も、自分で動かせない要因が多いことを忘れない。広告、商品、季節、営業対応まで影響する結果を、一人で保証するのは無理がある。測る対象と責任の境界を合意し、不確実な部分は不確実なまま共有する姿勢が必要だ。

会社員にとっては、評価の材料を増やすことが重要になる。制作数だけでなく、手戻りを減らした工夫、判断を早めた資料、チームに共有した基準などを記録する。目立つ成果物を生まなくても、他の人が良い仕事をしやすくなったなら、それは組織への具体的な貢献である。

12．90日で、役割を少しずつ移していく

最初の30日は、仕事の棚卸しから始めよう。一週間の作業を振り返り、繰り返しが多いもの、判断が重いもの、顧客理解が必要なものに分ける。そのうえで、低リスクの作業を一つ選び、AIを使った場合の時間と品質を記録する。新しい道具を大量に契約するより、手元の仕事で効果を確かめる方が学びやすい。

次の30日は、一つの小さな案件を、課題整理から検証まで担当する。依頼を受けたら目的を確認し、完了条件を書き、選択肢と評価基準を示す。AIの利用箇所と確認方法も残す。大きな事業を任されなくても、フォーム一つ、社内画面一つの改善で、ディレクションの基本は練習できる。

最後の30日は、その経験を他者に見せて改善する。上司、同僚、顧客などに、説明は十分だったか、判断の根拠は納得できたかを聞く。記録を事例としてまとめ、次の提案や評価面談で使える形にする。道具を触った履歴ではなく、どんな判断を引き受けられるようになったかを確認するのである。

この90日は、転職や収入増を保証する期限ではない。役割を変えるための実験期間だ。忙しい人は対象をさらに小さくしてよい。大切なのは、情報を追い続けるだけで終わらず、仕事の一部を変え、その変化から学ぶ循環をつくることである。

明日から試すなら、直近の小さな依頼について「誰が困っているか」「何が変われば成功か」「何を確認して納めるか」の三つを書いてみよう。答えが曖昧な部分を相手に尋ねるだけでも、作業者として受け取る仕事から、方向を一緒に決める仕事へと関わり方が変わる。

13．専門性を手放さず、次の専門家も育てる

ディレクターを目指すときに避けたいのは、手を動かす仕事を下位の役割と見なすことだ。制作や実装の経験があるからこそ、難しさを見積もり、不自然な出力に気づき、現実的な指示を出せる。現場から離れすぎれば、判断は抽象的になり、AIにも仲間にも適切なフィードバックを返しにくくなる。

学習でも、AIの答えを見る前に自分で考える時間を残したい。なぜこの配置なのか、なぜこの処理なのかを説明し、小さな部分は自力でつくり直してみる。すべてを手作業で続ける必要はないが、理解を確認する機会は必要だ。速く完成させる練習と、仕組みを理解する練習を分けると取り組みやすい。

組織には、若手の経験を育てる責任もある。簡単な作業を自動化したなら、その代わりに、試作の比較、顧客観察、テスト、先輩とのレビューなどへ参加できる機会をつくりたい。経験を積む入口をなくしておいて、判断力のある人材だけを求めても、次の専門家は育たない。

また、雇用や収入の変化を、個人の努力不足だけで説明してはいけない。役割の再設計には、企業の投資、仕事の配分、学び直しの時間、適切な評価が必要になる。AIとの共存は、個人が必死に適応するだけの話ではなく、専門家が力を発揮し続けられる環境をつくる話でもある。

おわりに：AIを使う側に立ち、仕事を導く

AIが身近になるほど、「つくれる」ことの意味は変わっていく。しかし、それはデザインやエンジニアリングの経験が無価値になることを意味しない。何をつくるべきか、どこまで任せられるか、何をもって良いとするか。その判断を深くするために、これまでの専門性を使えばよい。

もちろん、ディレクションそのものもAIの支援を受けるし、肩書が将来を保証するわけでもない。だからこそ目指したいのは、AIにできないことを固定的に探す姿勢ではなく、道具が変わっても課題と成果に責任を持つ姿勢である。

AIに作業を任せることと、考えることまで手放すことは違う。問いを立て、選び、確かめ、説明し、改善する。デザイナーとエンジニアが次に広げるべき役割は、まさにそこにある。「つくる人」である強みを持ったまま、「仕事を導く人」へ。その一歩は、次の依頼に対して、目的を一つ問い直すことから始められる。