AIに聞けば手順は出てくる。それでも新人インフラエンジニア研修が教えるべきこと

こんにちは、インフラエンジニアのryuです。

新人の育成を担当されている方から、最近このご相談をよくいただきます。

「AIに聞けば、コマンドも手順書も出てくる。うちの研修、そこまで時間をかける意味があるんでしょうか」

正直な疑問だと思います。実際、以前なら分厚い教材を読み込んで覚えてもらっていたことの一部は、いま画面に打ち込めば数秒で返ってきます。教える側からすれば、自分が半年かけて身につけたことが、新人の手元に最初から用意されているように見える。

けれど現場を見ていると、AIが使える環境でも新人インフラエンジニアが止まる場面は、あまり減っていません。むしろ、止まり方が変わったという感覚があります。

今日は、生成AIが当たり前になった環境で、新人インフラエンジニア研修が何を手放してよくて、何を手放してはいけないのかという話をします。研修の本数を減らすかどうかではなく、中身の配分を組み替える話だと思ってください。

AIが答えを出す職場で、新人はどこで止まるのか¶

まず、前提となる数字を確認しておきます。感覚で語ると議論がぶれるからです。

総務省の令和8年版情報通信白書によると、自社の何らかの業務で生成AIを使っていると答えた日本企業の割合は86.4%でした。前年度調査の55.2%から一気に上がっています。もはや「導入するかどうか」の段階ではありません。

いっぽうで、同じ白書では「組織的な取組はない」と答えた企業も約27%あります。つまり、使ってはいるが、使い方を組織として決めていない会社がかなりある。研修の議論が個人の工夫任せになりやすいのは、このあたりに理由があります。

新人の側から見ると、状況はもっと単純です。分からないことがあれば、まず聞く。返ってくる答えは、たいてい形が整っている。だから、そこで手が動いてしまう。

「動いた」と「わかった」の距離が広がった¶

昔から、新人が手順書どおりに作業して動いてしまうことはありました。ただ、その手順書は誰かが書いたもので、隣に書いた本人がいた。分からなければ聞けたし、聞かれた先輩は「なぜその順番なのか」を説明していました。

いまは、手順が目の前で生成されます。生成した相手に理由を聞くこともできますが、返ってくる説明が正しいかどうかを判断する材料を、新人はまだ持っていません。

Stack Overflowの2025年開発者調査では、開発者の84%がAIツールを使っている、または使う予定があると答えています。その一方で、出力の正確性を「信頼していない」と答えた人は46%で、前年の31%から増えました。さらに、AIが生成したコードのデバッグは自分で書くより時間がかかると答えた人が45%います。

経験のある人ほど、AIの答えを疑っています。疑えるだけの判断材料を持っているからです。

経験者にとってAIは「下書きを出してくれる相手」ですが、経験のない人にとっては「答えを出してくれる相手」に見えます。同じツールでも、使う人の熟練度によって役割がまったく違います。

この差は、生産性の測定でも出ています。METRが2025年に公開した無作為化比較試験では、経験豊富なオープンソース開発者16人が自分のリポジトリで246件の実タスクに取り組みました。開発者自身は「AIを使えば20%くらい速くなった」と感じていましたが、実測では19%遅くなっていたという結果でした。

熟練者でさえ、自分の速さを取り違えます。ましてや新人が、自分の理解度を正しく見積もれるはずがありません。

止まり方が「分からない」から「気づけない」に変わった¶

以前の新人インフラエンジニアは、分からないところで止まっていました。止まるので、周囲が気づけました。

いまは止まりません。それらしい手順が手元にあるので、最後まで進みます。そして、設定が微妙に違ったまま本番に近い環境へ持っていってしまう。

障害になってから振り返ると、途中に必ず「おかしいと思うべきだった場所」があります。ポート番号が慣例と違う、パスがそのディストリビューションのものではない、権限の付け方が不必要に緩い。経験者なら一目で引っかかる箇所です。

つまり研修の役目は、答えを配ることから、答えを見て違和感を持てる状態をつくることへ移りました。この点については、AI時代のインフラ学習は答えを覚えるより違和感に気づく力が重要でも触れています。

研修が手放してよいもの、手放してはいけないもの¶

では、具体的にカリキュラムのどこを削り、どこを厚くするのか。整理すると、こういう配分になります。

この表で言いたいのは、削る欄が意外と多いということです。研修時間を増やさずに中身を入れ替えられます。

概念の理解は、むしろ厚くする¶

意外に思われるかもしれませんが、生成AIが普及したことで、概念の理解の重要度は下がるどころか上がりました。

理由は単純で、AIの出力を評価するには、その分野の地図が要るからです。サブネットマスクの意味が分かっていない人は、提示された /24 が妥当なのかを判断できません。DNSのキャッシュの仕組みを知らない人は、「反映まで待ってください」という答えが正しいのか、設定ミスを見逃しているのかを区別できません。

地図があれば、細かい地名は調べればいい。地図がなければ、正しい道案内も間違った道案内も同じに見えます。

新人が最初に身につけるべきなのは、細かい操作ではなく、この地図のほうです。何をどの順で学ぶかについては、インフラエンジニアのロードマップで全体像を整理しています。

自社の文脈は、AIには絶対に出せない¶

もうひとつ、研修にしか担えないものがあります。自社の環境と、そこで守られている決めごとです。

命名規則、変更申請の通し方、本番作業の立ち会いルール、どのネットワークからどこへ出られるか。これらは公開情報ではないので、外の知識をいくら引いても出てきません。

そして現場で事故を起こすのは、たいていこの部分です。技術的に正しい手順でも、自社の手続きを飛ばせば問題になります。

具体的な例を挙げます。ある設定変更について、一般的な手順としては、設定ファイルを書き換えてサービスを再起動すれば終わりです。AIに聞けば、まずそう返ってきます。

ところが自社では、その再起動が別システムの監視に引っかかる。だから事前に監視を止める連絡が要る、という決まりになっている。この一手間は、社外の知識のどこにも書かれていません。

新人が悪いわけではないのです。知りようがなかっただけです。だからこそ、ここは研修で明示的に渡す必要があります。

言い換えると、研修の価値は「一般解を教えること」から「一般解と自社の実際の差分を教えること」へ移りました。差分を渡せるのは、その会社の人だけです。

カリキュラムの組み替え方¶

考え方は分かっても、実際にどう課題を出すかが悩みどころだと思います。おすすめは、AIを禁止する時間と、前提にする時間をはっきり分けることです。

一律に禁止すると現場と乖離します。かといって最初から解禁すると、手を動かす前に答えが出てしまい、記憶に残りません。

前半は封じて、後半は解禁する¶

たとえば1つの単元を、こう2段に分けます。

第1段（AIなし）
  手元の環境を壊しながら、自分の手で構築する
  詰まったら、まずマニュアルとログを読む
  終わったら「なぜこの設定なのか」を口頭で説明する

第2段（AIあり）
  同じ構成を、AIに手順を出させて短時間で再現する
  出てきた手順を第1段の理解と突き合わせ、差分を指摘する
  「この手順のここは自社では使えない」を言語化する

第2段の目的は、速く作ることではありません。AIの答えに対して意見が言える状態になっているかを確認することです。

指摘が出てこなければ、第1段の理解が足りていない。そのまま先へ進めても定着しないので、ここで戻します。判定基準がはっきりするので、指導する側も迷いません。

壊せる環境がないと、この形は成立しない¶

この進め方は、新人が自由に触って壊せる環境が前提になります。本番と同じ緊張感の場所では、そもそも試行錯誤ができません。

環境の用意については、新人インフラエンジニアには「壊していい環境」がいるで、設計とコストの抑え方をまとめています。あわせて読んでいただけると、この記事の課題設計もそのまま使えるはずです。

評価を「できたか」から「確かめられたか」へ¶

カリキュラムを変えたら、評価も変えないと噛み合いません。ここが抜けている会社が多い印象です。

完成物だけを見て合否を決めると、AIで手早く仕上げた新人のほうが高く評価されてしまいます。狙っているのは逆なので、見る場所を変える必要があります。

特に4つ目の「止まれたか」を評価対象に入れると、新人の行動がはっきり変わります。分からないと言うことが減点ではなく加点になるからです。

この観点は、障害から学ぶ文化とも地続きです。責めない振り返りの進め方は、インフラのブレームレス・ポストモーテムを新人育成に組み込む設計で詳しく書いています。

「AIを使った過程」を提出物にする¶

もうひとつ、実務的なやり方があります。成果物と一緒に、AIとどうやりとりしたかを提出してもらうことです。

長い記録は要りません。何を聞いて、どう返ってきて、どこを採用して、どこを捨てたか。数行で十分です。

これを見ると、その新人の理解度がかなり正確に分かります。全部そのまま採用している人は、判断していない。逆に、一部だけ採用して理由が書ける人は、地図を持ち始めています。

指導する側にとっても、どこを補えばいいかが具体的に見えるので、面談の質が上がります。

研修を現場につなぐところまでが設計¶

ここまで整えても、現場に戻った瞬間に元へ戻ることがあります。忙しい現場では、確かめる時間より速く終わることが優先されがちだからです。

だから、配属後の最初の数週間に「確認したことを言語化する場」を残しておきます。週1回15分の振り返りでも効果があります。研修で身につけた確かめる癖を、業務のリズムに乗せてしまうわけです。

研修と現場のつなぎ方そのものについては、新人インフラエンジニアの学びを戦力に変える『研修転移』の設計にまとめました。せっかく設計した研修を無駄にしないために、こちらもセットで考えていただきたいところです。

なお、そもそもの新人育成の型を一から組み立てたい場合は、インフラエンジニア未経験の新人をどう育てるかという設計の話が出発点になります。

教える側にも、同じ問いが向いている¶

もうひとつ、触れておきたいことがあります。AIを使うのは新人だけではない、という点です。

指導する側も、説明の下書きや課題の案を出させています。それ自体はまったく問題ありません。準備の時間が減るぶん、新人と向き合う時間に回せます。

ただし、教材や課題をそのまま採用してしまうと、自社の文脈という一番大事な部分が抜け落ちます。先ほどの監視の連絡のような話は、こちらから足さないと入りません。

指導側にとってのAIも、下書きを出す相手として使うのがちょうどいい距離感です。この線引きを研修担当者が体現していると、新人にも自然と伝わります。

外部の教材と組み合わせるという選択¶

概念の理解を厚くすると決めても、その教材を自社で作り込むのは負担が大きい仕事です。Linuxやネットワークの基礎は、どの会社でも内容が大きくは変わりません。

InfraAcademyでは、手を動かしながらLinuxとネットワークの土台を身につける講座を提供しています。共通の土台は外部の教材に任せて、自社の文脈と判断の訓練に社内のリソースを集中させる、という分け方が現実的です。

法人での導入については法人プランにまとめてありますので、カリキュラムの組み替えを検討されている段階でもご相談いただけます。

まとめ¶

生成AIが手順を出してくれるようになって、新人インフラエンジニア研修の役割は確かに変わりました。ただ、要らなくなったわけではありません。

削れるのは、暗記と定型作業の反復です。ここは思い切って減らしていい。

代わりに厚くするのは、概念の理解、出てきた答えを検証する力、自社の文脈、そして分からないときに止まる判断です。AIが出せないのは、答えではなく、その答えが自社にとって妥当かどうかの判断だからです。

評価も、完成物ではなく確かめ方を見る形に変える。ここまでセットで組み替えると、AIを使う新人ほど速く育つ、という状態に近づきます。

道具が変わったときに強いのは、道具を禁止する組織でも、無条件に任せる組織でもありません。どこまで任せてよいかを、自分たちで決められる組織です。研修は、その判断の土台をつくる場所として、これからも残り続けると思っています。

参考記事¶

• 関係情報：情報通信関連：情報通信白書令和8年版（総務省）
• AI | 2025 Stack Overflow Developer Survey
• Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity（METR）
• Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity（arXiv:2507.09089）
• AI時代の新人教育 18社の試行錯誤（日経クロステック）
• 生成AI時代のエンジニア育成はどうなる？ 自律学習を促す「答えを出さないAI」の設計方針とは（CodeZine）