【約8成負責人認為OJT負擔增加】新人工程師使用生成式AI加重現場負擔，工程師培育的陷阱浮出水面？
Job Support 的調查顯示，雖然有9成的新人工程師使用生成式AI，但由於缺乏基礎理解與解決問題的能力，反而導致8成現場的OJT指導負擔增加。
📋 文章處理履歷
- 📰 發表: 2026年4月22日 19:00
- 🔍 收集: 2026年4月23日 00:02（發表後5小時2分鐘）
- 🤖 AI分析完成: 2026年4月23日 00:32（收集後29分鐘）
Job Support 株式會社（所在地：東京都千代田區，代表董事：塚田 努）針對過去2年內有負責指導（OJT）應屆畢業生及年輕工程師（入職1～3年）經驗的人士，實施了關於「新人工程師生成式AI使用實態與指導負擔」的調查。
調查概要：「新人工程師生成式AI使用實態與指導負擔」相關調查
【調查期間】2026年3月16日（一）～2026年3月17日（二）
【調查方法】透過PRIZMA進行網路調查
【調查人數】1,004人
【調查對象】在回答調查時表示過去2年內有負責指導（OJT）應屆畢業生及年輕工程師經驗的受訪者
【調查來源】Job Support 株式會社
【受訪者提供來源】Sacrisa
在工程師培育方面，活用生成式AI已成為不可避免的趨勢。
然而，將目光轉向開發現場的OJT，人們擔憂因為生成式AI的普及，過去一直被指出的「缺乏自主能力」與「基礎知識紮根不足」等課題，反而變得更加顯著。在生成式AI時代的新人工程師教育中，真正被要求的「自主能力」真面目究竟是什麼？
包含「精通AI所需的技能」、「適當的學習順序」、「透過改善OJT來減輕負擔」等回答的詳細數據，目前正在白皮書中公開。
9成回答新人工程師在業務中使用了生成式AI！製作出的程式碼有何課題？
首先，當被問及「您所負責的新人、年輕工程師在業務中最接近的生成式AI使用狀況為何？」時，將「積極活用（40.0%）」與「視需要活用（50.0%）」合併來看，可知整體有9成的人在日常中使用了生成式AI。
在這樣的情況下，在實際業務中，新人工程師使用生成式AI所寫出的程式碼出現了什麼樣的課題呢？
接下來，我們訪問了在上一題中回答「積極活用」與「視需要活用」的人。
當被問及「關於新人工程師利用生成式AI寫出的程式碼，曾經面臨的課題」時，回答「本人並不理解輸出程式碼的機制與根據（61.4%）」的人最多，其次是「無法解讀需求，給出模糊的指令（提示詞）（47.5%）」與「無法靠自己找出並修正錯誤的原因（36.6%）」。
由此可以看出，對於輸出程式碼根據等「根本上的理解不足」，已成為現場的課題。
此外，在沒有正確掌握需求的情況下給出模糊指令，以及發生錯誤時無法靠自己找出原因並修復，也被列為課題。
進一步詢問「當AI生成的程式碼出現bug或錯誤時，新人工程師可見的『反應與應對』」時，回答「自己不讀錯誤訊息，盲目地不斷向AI重複提問（46.5%）」的人最多，其次是「把回答的根據全推給AI，說『因為是AI輸出的所以我不知道』（45.8%）」與「不自己調查原因，馬上向主管尋求正確答案（40.5%）」。
可以認為，由於手邊有便利的工具，省略了自己進行邏輯思考與驗證的行為，結果產生了難以培養錯誤解決能力的環境。
因生成式AI普及，約8成現場的OJT負擔增加。指導負擔的要因在於缺乏「當事者意識」與「基礎知識」。
這些新人工程師的行為過程，對實際的指導體制與資深工程師的負擔帶來了什麼樣的變化？
當被問及「自從新人工程師開始使用生成式AI後，您的『指導與程式碼審查所花費的時間（OJT負擔）』有何變化？」時，得到以下結果。
「大幅增加（重做與從基礎重新教起的功夫增加了）（26.1%）」
「稍微增加（51.8%）」
「沒有改變（18.1%）」
「稍微減少（3.3%）」
「大幅減少（指導變輕鬆了）（0.7%）」
約8成的人回答自從新人工程師開始使用生成式AI後「指導負擔增加了」，可以看出為驗證AI輸出結果而產生了新的教育成本。
在這樣的情況下，生成式AI的使用為何無法與指導的「減輕負擔」產生連結，其根本原因究竟在哪裡？
調查概要：「新人工程師生成式AI使用實態與指導負擔」相關調查
【調查期間】2026年3月16日（一）～2026年3月17日（二）
【調查方法】透過PRIZMA進行網路調查
【調查人數】1,004人
【調查對象】在回答調查時表示過去2年內有負責指導（OJT）應屆畢業生及年輕工程師經驗的受訪者
【調查來源】Job Support 株式會社
【受訪者提供來源】Sacrisa
在工程師培育方面，活用生成式AI已成為不可避免的趨勢。
然而，將目光轉向開發現場的OJT，人們擔憂因為生成式AI的普及，過去一直被指出的「缺乏自主能力」與「基礎知識紮根不足」等課題，反而變得更加顯著。在生成式AI時代的新人工程師教育中，真正被要求的「自主能力」真面目究竟是什麼？
包含「精通AI所需的技能」、「適當的學習順序」、「透過改善OJT來減輕負擔」等回答的詳細數據，目前正在白皮書中公開。
9成回答新人工程師在業務中使用了生成式AI！製作出的程式碼有何課題？
首先，當被問及「您所負責的新人、年輕工程師在業務中最接近的生成式AI使用狀況為何？」時，將「積極活用（40.0%）」與「視需要活用（50.0%）」合併來看，可知整體有9成的人在日常中使用了生成式AI。
在這樣的情況下，在實際業務中，新人工程師使用生成式AI所寫出的程式碼出現了什麼樣的課題呢？
接下來，我們訪問了在上一題中回答「積極活用」與「視需要活用」的人。
當被問及「關於新人工程師利用生成式AI寫出的程式碼，曾經面臨的課題」時，回答「本人並不理解輸出程式碼的機制與根據（61.4%）」的人最多，其次是「無法解讀需求，給出模糊的指令（提示詞）（47.5%）」與「無法靠自己找出並修正錯誤的原因（36.6%）」。
由此可以看出，對於輸出程式碼根據等「根本上的理解不足」，已成為現場的課題。
此外，在沒有正確掌握需求的情況下給出模糊指令，以及發生錯誤時無法靠自己找出原因並修復，也被列為課題。
進一步詢問「當AI生成的程式碼出現bug或錯誤時，新人工程師可見的『反應與應對』」時，回答「自己不讀錯誤訊息，盲目地不斷向AI重複提問（46.5%）」的人最多，其次是「把回答的根據全推給AI，說『因為是AI輸出的所以我不知道』（45.8%）」與「不自己調查原因，馬上向主管尋求正確答案（40.5%）」。
可以認為，由於手邊有便利的工具，省略了自己進行邏輯思考與驗證的行為，結果產生了難以培養錯誤解決能力的環境。
因生成式AI普及，約8成現場的OJT負擔增加。指導負擔的要因在於缺乏「當事者意識」與「基礎知識」。
這些新人工程師的行為過程，對實際的指導體制與資深工程師的負擔帶來了什麼樣的變化？
當被問及「自從新人工程師開始使用生成式AI後，您的『指導與程式碼審查所花費的時間（OJT負擔）』有何變化？」時，得到以下結果。
「大幅增加（重做與從基礎重新教起的功夫增加了）（26.1%）」
「稍微增加（51.8%）」
「沒有改變（18.1%）」
「稍微減少（3.3%）」
「大幅減少（指導變輕鬆了）（0.7%）」
約8成的人回答自從新人工程師開始使用生成式AI後「指導負擔增加了」，可以看出為驗證AI輸出結果而產生了新的教育成本。
在這樣的情況下，生成式AI的使用為何無法與指導的「減輕負擔」產生連結，其根本原因究竟在哪裡？