IT女子 アラ美お疲れ様です！IT業界で働くアライグマです！
2026年に入り、SNSやテック系メディアで「新人にはAIツールの使用を禁止すべきだ」という意見が話題になっています。GitHub CopilotやClaude Codeなどの生成AIコーディングツールが当たり前になった今、「新人がAIに頼りすぎると基礎力がつかない」という懸念は、現場のマネージャーやシニアエンジニアなら誰しも感じたことがあるのではないでしょうか。
一方で、「AI禁止令」を出した結果、チームの生産性が落ちたり、新人のモチベーションが下がったりするケースも報告されています。この問題は単なる「使う・使わない」の二択ではなく、PjMとしてチーム全体のAI活用ルールをどう設計するかという組織マネジメントの課題です。
本記事では、PjM経験12年の視点から、AI禁止令の背景を整理し、段階的なAI活用ルールの設計方法を具体的に解説します。
「新人AI禁止令」が話題になった背景
IT女子 アラ美「新人AI禁止令」が注目を集めた背景には、いくつかの構造的な要因があります。
まず、生成AIコーディングツールの急速な普及です。GitHub Copilotの利用者数は2025年後半に急増し、Claude CodeやCursorといったAIエディタも開発現場に浸透しました。新人エンジニアが入社初日からAIツールを使える環境が当たり前になった結果、「AIなしではコードが書けない新人」が出てくるのではないかという不安がシニア層を中心に広がっています。
次に、実際に起きた問題です。あるテック企業では、新人がAI生成コードをそのままコミットし、セキュリティ脆弱性が本番環境に混入する事故が発生しました。また、コードレビューでAI生成コードの意図を説明できない新人が増えているという報告も、複数の開発チームから上がっています。
さらに、教育論の観点からの議論もあります。「電卓を使う前にそろばんを学ぶべき」という考え方と同じロジックで、「AIを使う前に基礎的なコーディング力を身につけるべき」という主張は、一定の説得力を持っています。
しかし、ここで重要なのは、問題の本質は「AIの使用」ではなく「AIの使い方を教えていないこと」にあるという点です。PjMとして考えるべきは、禁止か許可かの二択ではなく、どのようにルールを設計すればチーム全体の成長と生産性を両立できるかです。
生成AIコーディング時代のスキル戦略については、生成AIコーディング時代にエンジニアが生き残るスキルシフト戦略でも詳しく解説しています。
IT女子 アラ美
ITアライグマAI禁止のメリットとデメリットを整理する
AI禁止令を議論する前に、メリットとデメリットを冷静に整理しましょう。感情的な議論ではなく、データに基づいた判断がPjMには求められます。
AI禁止のメリットは以下の3点です。
- 基礎的なプログラミングスキル（アルゴリズム設計、デバッグ力、エラーハンドリングの考え方）が身につきやすい
- コードの1行1行に対する理解度が高まり、レビューでの説明力が向上する
- AI生成コードに含まれるセキュリティリスクやライセンス問題を未然に防げる
一方で、AI禁止のデメリットは無視できないほど大きいです。
- チームの生産性が低下する（AIを活用するチームとの生産性格差が広がる）
- 新人のモチベーションが下がる（「時代遅れの会社」と感じて離職リスクが高まる）
- AI活用スキルの習得が遅れ、中長期的な競争力を失う
- 「禁止」の範囲が曖昧になり、運用が破綻する（検索エンジンはOK？Stack OverflowはOK？）
特に4番目のポイントは見落とされがちです。「AI禁止」と言っても、Google検索で見つけたコードをコピペすることと、GitHub Copilotが提案するコードを受け入れることの本質的な違いは何でしょうか。この境界線が曖昧なまま禁止令を出すと、現場で混乱が生じます。
PjMとしてのキャリアの分岐点を考える際にも、AI活用の判断力は重要なスキルです。キャリア戦略については30歳エンジニアのキャリア分岐点でも解説しています。
IT女子 アラ美ITアライグマケーススタディ1：AI全面禁止令で人材流出を招いたチーム
IT女子 アラ美まずは、AI禁止令を出したことで逆効果になってしまったケースを紹介します。
前田さん（40歳・開発マネージャー・経験15年）は、20名規模のSaaS開発チームを統括していました。毎年4〜5名の新卒エンジニアが配属される大規模チームです。
まずはBefore（禁止令導入前の状況）です。
2025年3月、前田さんは社内のセキュリティインシデント（新人がAI生成コードをレビューなしで本番にデプロイした事故）をきっかけに、「新人・中堅問わず、業務でのAIコーディングツール使用を全面禁止する」という方針を打ち出しました。
次にAction（実施した施策）です。
前田さんは以下のルールをチーム全体に適用しました。
- GitHub Copilot、Claude Code、Cursorなどの全AIコーディングツールの業務利用を禁止
- 違反した場合は人事評価に影響する旨を通達
- 代替策として「コードレビューの強化」と「ペアプログラミングの必須化」を導入
そしてAfter（禁止令から6ヶ月後の結果）です。
全面禁止令を出した結果、チームには深刻な影響が出ました。
- 中堅エンジニア3名が「技術的に成長できない環境」として半年以内に転職
- 新卒エンジニアの採用面接で「AIツール禁止」が知れ渡り、内定辞退率が前年比2倍に悪化
- チーム全体の開発速度がAI活用チームと比較して約50%低下し、プロジェクト遅延が常態化
- ペアプログラミング必須化によりシニアメンバーの工数が圧迫され、疲弊が深刻化
前田さんは振り返りでこう語っています。
「セキュリティ事故への対応として”禁止”は一番簡単な選択肢でした。でも結果的に、チームの競争力と人材の両方を失いました。問題はAIを使ったことではなく、使い方のルールがなかったことだと気づくのが遅すぎました」
AI活用ルールの設計にはプロンプト設計のスキルも必要です。faceted-promptingでAIコーディングアシスタントのスキル設計を体系化する方法も参考にしてみてください。
IT女子 アラ美ITアライグマケーススタディ2：段階的AI活用ルールを導入して成果を出したチーム
次に、段階的なAI活用ルールを設計して成功したケースを紹介します。
河野さん（37歳・開発部PjM・経験12年）は、15名のWeb開発チームを率いていました。チームには毎年3〜4名の新卒エンジニアが配属されます。
まずはBefore（導入前の状況）です。
2025年4月、河野さんのチームでは「新人は入社後6ヶ月間、AIコーディングツールの使用を禁止する」というルールを導入しました。しかし、3ヶ月後に以下の問題が顕在化しました。
- 新人4名のうち2名が「この会社は技術に保守的」と感じ、転職活動を開始
- 新人のタスク完了速度が、AI活用している他チームの新人と比較して約40%遅い
- 禁止ルールの境界が曖昧で、「ChatGPTで調べるのはOKか？」という質問が週に5件以上発生
次にAction（実施した施策）です。
河野さんは2025年7月にルールを全面的に見直しました。具体的には以下の3段階のルールを設計しました。
- レベル1（入社1〜2ヶ月目）：AIツールは「学習モード」として使用可。ただしAI生成コードを提出する際は、全行にコメントで「なぜこのコードが必要か」を記述する義務あり
- レベル2（3〜4ヶ月目）：AIツールを通常業務で使用可。ただしプルリクエストのdescriptionに「AI活用箇所」を明記し、レビュアーが重点確認
- レベル3（5ヶ月目以降）：シニアメンバーと同じルールで運用。自律的にAIを活用し、チーム内でのナレッジ共有も担当
そしてAfter（導入3ヶ月後の成果）です。
段階的ルールを導入して3ヶ月後、チームには明確な変化が現れました。
- 新人の離職意向ゼロ（4名全員が「成長を実感できる」と回答）
- 新人のタスク完了速度が導入前比で35%改善
- コードレビューでの差し戻し率が28%から12%に低下
- レベル1のコメント記述義務により、新人のコード理解度がむしろ向上
河野さんは振り返りでこう語っています。
「禁止令は管理する側の不安を解消するための施策でした。でも本当に必要だったのは、新人が安全にAIを使える仕組みを作ることだったんです。レベル1のコメント記述ルールは、AIを使いながら基礎力も鍛えるという一石二鳥の効果がありました」
前述の前田さんのケースと比較すると、「禁止」と「段階的ルール」の結果の差は明らかです。PjMとしてのキャリア戦略については30歳エンジニアのキャリア分岐点でも解説しています。
IT女子 アラ美ITアライグマPjMが設計すべきAI活用ルールの5つの柱
ケーススタディを踏まえ、PjMがチームのAI活用ルールを設計する際に押さえるべき5つの柱を整理します。
柱1：スキルレベル別のルール設計
全員一律のルールではなく、スキルレベルに応じた段階的なルールを設計します。前述のレベル1〜3のようなフレームワークを、自チームの状況に合わせてカスタマイズしましょう。ポイントは「禁止」ではなく「条件付き許可」の設計思想を持つことです。
柱2：AIの出力に対する責任ルール
「AIが生成したコードでも、コミットした人が責任を持つ」という原則を明文化します。これにより、「AIが書いたから自分の責任ではない」という言い訳を防ぎ、AI出力を自分の目で確認する習慣が定着します。
柱3：セキュリティ・コンプライアンスのガードレール
AI活用で最もリスクが高いのはセキュリティです。以下のルールを最低限設定しましょう。
- 社外秘のコード・データをAIサービスに入力しない（ローカル実行モデルの活用を検討）
- AI生成コードに対してセキュリティスキャンを必須化する
- ライセンスに抵触する可能性のあるコード生成パターンを定期的にレビューする
セキュリティ対策については、社外秘データの取り扱いポリシーやAIサービスの利用規約を確認したうえで、チーム独自のガイドラインを作成するのが効果的です。
柱4：ナレッジ共有の仕組み化
AI活用のノウハウはチーム内で属人化しやすい傾向があります。週次のAI活用共有会や、社内Wikiへのプロンプト集の蓄積など、ナレッジを組織知にする仕組みを設計しましょう。SlackやTeamsでの定期共有チャンネルの運用も効果的です。
柱5：定期的なルール見直しサイクル
AI技術の進化は速いため、3ヶ月に1回はルールの見直しを行いましょう。見直しの際は以下の観点でチェックします。
- 新しいAIツールの登場で、既存ルールに穴がないか
- チームメンバーのスキルレベルが上がり、段階を引き上げるべきメンバーがいないか
- ルールが形骸化していないか（守られていないルールは廃止か改善する）
PjMとしてチームの技術的負債とAI活用ルールの両方をマネジメントする視点は、技術的負債を可視化して返済計画を立てるPjM実践ガイドでも解説しています。
IT女子 アラ美ITアライグマよくある質問
Q. 小規模チーム（3〜5名）でも段階的ルールは必要ですか？
はい、規模に関わらずルールの明文化は重要です。ただし、小規模チームの場合はペアプログラミングでの相互チェックを中心にした簡易版ルールで十分です。ルールの数を減らし、口頭での確認を組み合わせることで運用負荷を抑えられます。
Q. フリーランスや業務委託メンバーにもAI活用ルールを適用すべきですか？
契約形態に関わらず、チームのコードベースに関わるメンバーには同じルールを適用すべきです。特にセキュリティ・コンプライアンスに関するルール（柱3）は、契約書や業務委託契約にも明記することを推奨します。NDA（秘密保持契約）にAIツールへの情報入力に関する条項を追加するのも有効です。
Q. AIツールの利用状況をどうモニタリングすればいいですか？
個人の利用状況を監視するのではなく、アウトプットの品質をモニタリングしましょう。具体的には、コードレビューでの差し戻し率、テストカバレッジ、本番障害の発生率などの指標を追跡します。これらの指標が悪化した場合に、AI活用の方法を見直すというアプローチが健全です。
Q. 経営層に「AI禁止」を求められた場合、PjMはどう対応すべきですか？
データで説得するのが最も効果的です。「AI禁止による生産性低下」と「段階的ルール導入によるリスク管理」を比較した資料を作成し、禁止のコスト（生産性低下、採用競争力の低下）を数値で示しましょう。本記事のケーススタディのような事例を社内パイロットとして実施し、結果を報告するのも有効です。
本記事で解説したようなAI技術を、基礎から体系的に身につけたい方は、以下のスクールも検討してみてください。
| 比較項目 | Winスクール | Aidemy Premium |
|---|---|---|
| 目的・ゴール | 資格取得・スキルアップ初心者〜社会人向け | エンジニア転身・E資格Python/AI開発 |
| 難易度 | 個人レッスン形式 | コード記述あり |
| 補助金・給付金 | 教育訓練給付金対象 | 教育訓練給付金対象 |
| おすすめ度 | 幅広くITスキルを学ぶなら | AIエンジニアになるなら |
| 公式サイト | 詳細を見る | − |
IT女子 アラ美ITアライグマまとめ
「新人AI禁止令」は、新人の成長を心配するがゆえの施策ですが、PjMとしてはより効果的なアプローチがあります。
- AI禁止は短期的なリスク回避にはなるが、中長期的にはチームの競争力を削ぐ
- 段階的AI活用ルール（レベル1〜3）により、基礎力の養成とAI活用スキルの習得を両立できる
- 5つの柱（スキル別ルール・責任明確化・セキュリティ・ナレッジ共有・定期見直し）を軸にルールを設計する
- まずは柱1と柱2から始めて、チームの成熟度に合わせて拡張していく
AI活用ルールの設計は、PjMの腕の見せどころです。「禁止」という思考停止に陥らず、チームが安全にAIを活用できる仕組みを作ることで、メンバーの成長と生産性の両方を手に入れましょう。完璧なルールを最初から作る必要はありません。小さく始めて、チームと一緒に育てていくことが大切です。
IT女子 アラ美ITアライグマ
