+++
title = "「LLMが使えるエンジニア」と「ソフトウェアエンジニアリングができるエンジニア」は別の能力だ"
date = 2026-06-08
description = "AI採用で混同されがちな「LLMの使い方を知っている」と「エンジニアリングの基礎がある」の違いと、採用時の判断方法"
[taxonomies]
tags = ["HR×AI", "エンジニア採用", "LLM", "採用基準", "AI時代"]
[extra]
public = true
belief_version = 1
ai_written = true
one_true_sentence = "LLMが使えるエンジニアが欲しいという採用要件は、LLMを使いこなす技術とソフトウェアエンジニアリングの基礎の、どちらを優先するかを明確にしないと機能しない。"

[[extra.faqs]]
question = "LLMの使い方スキルとソフトウェアエンジニアリングの基礎はどう違いますか？"
answer = "LLMの使い方（APIの使い方・プロンプトエンジニアリング・RAGの概念）は6ヶ月〜1年の実務と独学で習得できます。ソフトウェアエンジニアリングの基礎（保守性を考慮した設計・テスト・本番デバッグ・チーム開発）は数年の実務が必要で、両者は独立して存在します。どちらを優先するかはポジションによって異なります。"

[[extra.faqs]]
question = "AIプロダクトの初期プロトタイプを速く作りたい場合、どちらのスキルを優先すべきですか？"
answer = "LLMの知識と実験速度を優先してください。PoC段階で何が動くかを試したい場合や、後でリファクタリングできる余裕がある場合はLLMの使い方を先に確認します。一方で本番環境で長期的に保守されるシステムや、チームで並行開発するケースではソフトウェアエンジニアリングの基礎を優先します。"

[[extra.faqs]]
question = "採用面接で両方のスキルを確認する質問はどう設計すればいいですか？"
answer = "LLMの知識確認は「LLMのAPIを使って何を作り、コスト設計はどうしたか」「プロンプトが変わった時既存システムへの影響は」で確認します。ソフトウェアエンジニアリングの基礎確認は「書いたコードのテストをどう書くか。LLMを使った部分のテストは特に難しいが」「本番でバグが出た時どう特定するか」で確認します。"

[[extra.faqs]]
question = "「LLMを使って開発した経験がある方」という求人要件の問題点は何ですか？"
answer = "「LLMを使ったことがある」人が集まりますが、採用担当者が本当に求めているのは「LLMを使いながら本番環境で動くシステムを作り、チームで保守できるエンジニア」のことが多いです。求人要件と面接設計が「LLMの知識」だけを確認する形になっていると、ソフトウェアエンジニアリングの基礎が弱い候補者を選んでしまいます。"

+++

「AI時代のエンジニア採用では、LLMを使いこなせる人材を採用する」という方針を立てる企業が増えている。

しかしこの方針は、2つの異なる能力を混同している場合が多い。

---

## 2つの能力の違い

### 能力A：LLMの使い方の知識

- OpenAI APIやAnthropic APIの使い方を知っている
- プロンプトエンジニアリングの基本を知っている
- RAGの概念を理解している
- 主要なLLMモデルの特性の違いを知っている

この能力は、6ヶ月〜1年の実務経験と独学で習得できる。ソフトウェアエンジニアリングのバックグラウンドがなくても、この知識は持てる。

### 能力B：ソフトウェアエンジニアリングの基礎

- コードの保守性を考慮した設計ができる
- テストを書いてコードの品質を担保できる
- 本番環境でのデバッグと問題特定ができる
- チームでのコード開発の経験がある

この能力は、数年の実務経験が必要で、LLMの知識とは独立して存在する。

---

## なぜ混同されるか

採用担当者からの求人要件に「ChatGPTやLLMを使って開発した経験がある方」と書くと、「LLMを使ったことがある」人が集まる。

しかし採用担当者が本当に求めているのは、多くの場合「LLMを使いながら、本番環境で動くシステムを作り、チームで保守できるエンジニア」だ。

LLMの知識とソフトウェアエンジニアリングの基礎の両方が必要だが、求人要件と面接設計が「LLMの知識」だけを確認する形になっていることがある。

---

## どちらを優先するかはポジションによる

### LLMの使い方を優先するケース

- AIプロダクトの初期プロトタイプを速く作りたい
- PoC段階で何が動くかを試したい
- プロダクトの技術的な負債が少なく、後でリファクタリングできる余裕がある

この場合、ソフトウェアエンジニアリングの基礎よりLLMの知識と実験速度を優先する。

### ソフトウェアエンジニアリングを優先するケース

- 本番環境で長期的に保守されるシステムを作る
- チームで並行して開発する
- 既存のコードベースにLLM機能を追加する

この場合、LLMの知識は後からでも習得できるが、ソフトウェアエンジニアリングの基礎は時間がかかる。

---

## 採用面接での判断方法

**LLMの知識を確認する問い**:
- 「LLMのAPIを使って何を作りましたか。そのシステムのコスト設計はどうしましたか」
- 「プロンプトが変わった時、既存のシステムにどう影響しますか」

**ソフトウェアエンジニアリングの基礎を確認する問い**:
- 「書いたコードのテストをどう書きますか。LLMを使った部分のテストは特に難しいですが、どう対応しますか」
- 「本番環境でバグが出た時、どう特定して修正しますか」

両方を確認する面接設計にすることで、「LLMの知識はあるがエンジニアリング経験が浅い」という候補者と「エンジニアリングの基礎は強いがLLMは学習中」という候補者を、ポジションに合わせて評価できる。

---

## 関連記事

- [AIエンジニアを採用しても活かせない組織のパターン](/n/ai-engineer-hired-but-underused/) — スキル評価の誤りが採用後の活躍度に与える影響
- [AI採用でカルチャーフィットを評価できない理由](/n/ai-hiring-culture-fit-limits/) — スキル評価を超えた採用判断の考え方
- [AIスタートアップで非エンジニア職を採用する方法](/n/ai-startup-nontechnical-roles-hiring/) — エンジニア採用と非エンジニア採用の要件設計の違い