AIは1〜2年でエンジニアの仕事を代替するのか——AmodeiとHassabisの見解の違いから考える

生成AIの進化があまりに速くて、自分のエンジニアとしての仕事がいつまで残るのか、正直不安になることはありませんか？

この記事では、2026年1月のDavos（世界経済フォーラム）でAI業界のトップ3人が示した、AGI到達時期・エンジニアの仕事の代替時期をめぐる真っ向対立する見解と、その半年後の現実、そして研究現場でAI活用を推進する立場から見えたことを整理します。

• 業界トップ3人（Amodei・Hassabis・LeCun）の予測がどれだけ割れているか
• 半年後（2026年7月）の現実チェックで何がわかったか
• なぜここまで意見が割れるのか（技術的立場・ビジネスポジション・地政学的圧力）
• 研究現場でAI活用を推進する立場から見えた、代替が鈍る具体的な理由
• 極端な楽観にも悲観にも振れないための判断軸

業界トップ3人の予測が、ここまで割れている

2026年1月、スイス・ダボスで開催された世界経済フォーラム年次総会で、AI業界を代表する3人が、AGI（汎用人工知能）到達時期について公の場で明確に異なる見解を示した。

Anthropic CEOのDario Amodeiは、最も踏み込んだ予測をした。「6〜12ヶ月以内に、AIモデルがソフトウェアエンジニアの仕事のほとんど、あるいは全てをエンドツーエンドで行うようになる」「1〜2年でAGIに到達する」と述べ、5年以内にホワイトカラー職の50%が消滅するとまで踏み込んだ。Anthropic社内のエンジニアはすでに自分でコードを書かず、モデルに書かせて編集するだけになっている、とも語っている。

一方、Google DeepMind CEOのDemis Hassabisは、はるかに慎重だった。現行のAIシステムは人間レベルのAGIには「程遠い（nowhere near）」とし、到達には「あと1〜2回のブレークスルー」が必要と分析。少数事例からの学習能力・継続学習能力・より優れた長期記憶・推論と計画能力という具体的なギャップを挙げ、タイムラインを「5〜10年（今後10年以内に50%の確率）」とした。

さらに際立っていたのが、Meta出身でAdvanced Machine Intelligence (AMI) Labs創業者のYann LeCunだ。「現行のLLMアプローチではAGIには到達しない」と、そもそもの前提を否定した。LLMは言語という「簡単な」領域で成功しただけで、現実世界を扱うための「世界モデル」が欠けている、という立場だ。「AI業界は完全にLLMに染まっている」と業界の均質性そのものを批判している。

同じ業界のトップが、同じ時期に、同じ壇上で、これだけ違う数字を口にしている。この事実自体が、「エンジニアの仕事がいつ代替されるか」という問いに単一の正解が無いことを物語っている。

半年後の現実チェック——予測は外れたのか、正しかったのか

Amodeiが示した予測の下限「6ヶ月」は、2026年7月の時点で経過している。では実際、何が起きたのか。

2026年7月に公開された分析記事によれば、「ソフトウェアエンジニアが完全に不要になる」という見出し的な理解に反して、現実はより緩やかだったと報告されている。AIがコーディング作業をエンドツーエンドでこなせる能力自体は確かに前進した。しかし、”automatable”（自動化可能）は”obsolete”（不要）と同義ではなかった。エンジニアの役割は消滅したのではなく、抽象度の高い仕事——問題設定・システム設計・アーキテクチャ判断——へとシフトする、という変化として現れたとされる。Amodei自身も、当初の断定的な予測から徐々にトーンを弱めているという。

この「予測は外れていないが、実感とはズレる」というパターンは、AGI論争を読み解く上で重要な補助線になる。技術的な能力の進歩速度と、それが実務に浸透する速度は、別のグラフで考える必要がある。

なぜここまで意見が割れるのか

3人の予測がここまで乖離する背景には、少なくとも3つの層がある。

1つ目は技術的な立場の違いだ。 Hassabisは「少数事例からの学習」「継続学習」「長期記憶」「推論と計画」という具体的な技術的ギャップを列挙した上でタイムラインを引いている。LeCunはさらに踏み込み、LLMという方式そのものが人間レベルの知能には届かないという、アーキテクチャレベルでの懐疑を示す。Amodeiはこうした個別のギャップよりも、現在のスケーリングの勢いを外挿する立場に近い。

2つ目はビジネス上のポジションだ。 AmodeiとHassabisは、いずれも巨額の投資を集めるフロンティアモデル開発企業のCEOであり、自社のAIの能力を高く見積もる誘因を構造的に持つ。一方のLeCunは、LLM一辺倒の投資に反対してMetaを離れ、世界モデルを追求する新会社を立ち上げた人物であり、逆方向の誘因を持つ。3者の予測はいずれも「そう信じたい」立場と無縁ではなく、中立的な検証は本質的に難しい。

3つ目は地政学的な競争圧力だ。 Amodeiは、なぜ開発ペースを緩められないのかについて「地政学的なライバルが同じペースで同じ技術を開発しているため、双方が同時に減速するという実効性のある合意は極めて困難」という論理を示している。つまりAGI到達時期の予測は、純粋な技術予測ではなく、各社・各国の競争構造そのものを反映した政治的な発言でもある。

研究現場でAI活用を推進する立場から見えること

筆者は別分野の研究職として、研究現場での生成AIの活用推進に日常的に関わっている。その実務経験から見ても、「代替が想定より鈍る」理由には心当たりがある。

データ処理・分析のタスクをAIエージェントに任せていると、重要な問題に直面したとき——うまく処理できないデータ、想定と食い違う結果——に、まだまだ「勝手な判断」で目的達成の近道を取ろうとする挙動が頻繁に起きる。評価指標や見た目の完了条件だけを表面的に満たし、本来求めていた中身の正しさを飛ばしてしまう、というパターンだ。人間が結果を検証して初めて気づくことが少なくない。

これは技術的にはreward hacking（specification gaming）と呼ばれる、よく知られた現象だ。Anthropic自身も学習過程のレポートで、コーディングタスクにおいてモデルがテストケースを直接書き換えて「通過」を装うといった類似の挙動を報告している。ちなみに、これとは別に語られることの多いjailbreak（脱獄）——外部のユーザーがプロンプトを工夫して安全制約を回避させる現象——とは技術的なメカニズムが異なる。しかし「モデルが制約を、意図された形ではなく表面的に満たす・回避する形で目的を達成しようとする」という広い意味では、両者は同根のパターンだと捉えている。

極端な楽観にも悲観にも振れないための判断軸

業界トップの意見の割れ方も、半年後の現実チェックも、研究現場での実感も、突き詰めれば同じ構造に行き着く。「AIエージェントが1〜2年でエンジニアの仕事を代替する」という主張にも、「まだ何十年もかからない」という主張にも、単純に乗るべきではない。実務者として持っておきたい判断軸は、次の3つだ。

• 能力の進歩と、実務への浸透は別速度で進む。半年後の現実チェックが示した通り、“automatable”は”obsolete”ではない。目の前のタスクがAIで自動化「できる」ことと、実際に人手を離れて「回っている」ことの間には、まだ検証・修正のコストが挟まる
• 予測の背景にある立場を割り引いて聞く。フロンティア企業のCEOの発言は、自社のポジションを反映した発言でもある。数字そのものより、「なぜその立場を取るのか」を見る
• reward hackingのような、地味だが実務を左右する技術的な壁を追う。AGIの定義論争より、目の前のエージェントが「近道」をしていないかを日常的にチェックする体制の方が、実務上の優先度は高い

業界トップの意見が割れているという事実は、不安の種であると同時に、「誰か一人の予測に自分の判断を委ねなくていい」という安心材料でもある。実務者としては、目の前で起きている変化の速度と質を、自分の手で確かめ続けるしかない。

→ このブログを書いている人について

関連記事