システム開発の学び方 — エンジニアにならなくても作れるAI時代の5ステップ【2026年版】

結論 — システム開発の学び方は「作ってから学ぶ」に変わった

文法から始める学び方は、挫折の谷が深すぎる

従来の順番は、作りたいものが何も動かない期間が長く、ここで学習が途切れます。

いまはClaude Codeのような、日本語の指示で実装から修正まで進めてくれるAIコーディングエージェントがあり、最初の「動く画面」が初日に手に入ります。この開発スタイルはバイブコーディングと呼ばれています。

学ぶ対象は「書く力」から「読んで判断する力」へ

順序が逆になっても、学ばなくていいわけではありません。AIが書いたコードを理解できないまま業務で使うと、不具合や情報漏えいの場面で何も判断できません。学ぶ対象はAIが出したものを読んで、正しいかどうかを判断する力に変わります。

僕は漢字がほとんど書けません。それでもスマホで変換して、候補から正しい字を選べるので困らない。コードも同じで、ゼロから書けなくても、AIが出したコードを「これで正しい」と責任を持って選べれば開発は回ります。それがAI時代の「基礎がある」状態です。

目指すのは「AIを作る人材」ではなく「AIで作る人材」

「AI開発 学習」と検索するとPythonと機械学習のカリキュラムが並びますが、あれはAIそのものを作る人のルートで、業務アプリを作りたい人には遠回りです。目指すのは、AIという道具でシステムを組み立てる「AIで作る人材」。数理やモデルの知識は要りません。

直近の調査を並べると、2つの世界の温度差が数字に出ています。

作る側ではAIが毎日の道具になった一方、日本全体では触れた人がまだ4人に1人。作れる非エンジニアは、希少なまま需要だけが積み上がっている。今から学ぶ人には追い風だと僕は見ています。エンジニア転職が目的なら学ぶ範囲も順序も別物なので、AI時代のプログラミング学習ロードマップの方へ。この記事は「今の仕事のまま、作る側になる」人向けです。

先に眺めておく地図 — 最低限の5つの基礎概念

といっても、先に何週間も勉強し直す話ではありません。ここでの基礎は、5ステップと並行して詰まったら戻ってくる「数日ぶんの地図」で、押さえるのは5つ。すべて「説明できる」レベルで十分、「実装できる」レベルは不要です。

Web・言語・フレームワーク — 深追いしなくていい3つ

1つ目はWebの仕組み。ブラウザがリクエスト（要求）を送り、サーバーがレスポンス（応答）を返す往復でWebは動いています。手元で動く処理とサーバーで動く処理の役割分担がイメージできれば足りて、通信規約の中身までは要りません。

2つ目はプログラミング言語。WebならJavaScript（とその拡張のTypeScript）です。変数（値の入れ物）・条件分岐（もし〜なら）・繰り返し・関数（処理のまとまり）の4つで、処理の流れが追えれば合格です。

3つ目はフレームワーク、アプリの骨組みと共通部品のセットのことです。Next.js（ネクストジェイエス）を選べば画面側もサーバー側も同じ言語で完結し、AIとの相性も良い。基礎ごと不要とならない理由はAI時代こそプログラミング基礎が重要な5つの理由に書きました。

データベースとインフラ — 独学の詰まりどころ

4つ目はデータベース。テーブル（表）・カラム（列）・レコード（行）・リレーション（表同士のつながり）という概念だけは先に押さえてください。実際、ShiftBの説明会でも、AI駆動開発を始めたものの機能追加の段階でデータベースに詰んだ、という未経験の方に会いました。データの形はアプリの土台です。設計はAIに任せてよくても、意図どおりかを判断できる理解は要ります。

5つ目はインフラ。作ったものを公開する場所のことで、VercelとSupabaseのような学習コストの低いサービスなら、ほぼ「調べれば分かる」で済みます。AWSのような本格的な業務用クラウドは、作る側に回る最短ルートとしては遠回りです。構成の詳細はNext.js × Supabase × Vercelの構成ガイドへ。

ただ、独学の挫折はたいていこの線引きで起きます。深追いして力尽きるか、飛ばして詰まるか。線引きをその場で聞ける相手がいるだけで、この問題はほぼ消えます。

実践 — AIと最初の業務アプリを作る5ステップ

地図を持ったら、作り始めます。5ステップは僕自身の進め方と、受講生がつまずいた場所をもとに組みました。

Step 1: 題材を「自分の業務の痛み」から選ぶ

題材は、自分が繰り返しやっていて、手順を最後まで自分の言葉で説明できて、失敗しても業務が止まらない作業から選びます。会議メモの整形や週報の集計が定番で、ShiftBの受講生Aさん（28歳・元営業職）が作ったのも、AIを活用した議事録の自動化ツールでした。

逆に、ToDoアプリのような練習用の題材は、自分の痛みがなく要件が自分の言葉で出てこないので勧めません。僕は題材選びで「ビタミン剤よりも鎮痛剤を作れ」と言い続けていますが（詳しくは鎮痛剤の法則）、学習の題材も「あれば便利」より「いま痛い」の方が完走できます。

Step 2: 要件を日本語で書き切る

最初の成果物はコードではなく文章です。誰が使い、何を入れると何が出て、迷うケースはどう扱うか。ここでAIが出すものの精度が決まります。

悪い例：「議事録を自動でいい感じにまとめるツール」

良い例：「会議の文字起こしテキストを貼り付けると、決定事項・宿題・期限の3項目に分けて箇条書きにする。宿題には担当者名を必ず付ける。どの項目か判断がつかない行は『要確認』の欄に入れる」

AIとの認識のズレは、ほぼこの言語化の曖昧さから生まれます。そして要件を書き切るには、業務を深く知っている必要がある。つまりここは、長年その業務をやってきた非エンジニアの方が有利な工程です。

Step 3: Claude Codeに作らせる

道具はClaude Codeを勧めます。ChatGPTは会話の相手で、説明はしてくれても、手を動かすのは自分です。Claude Codeは手を動かす相手で、ファイルを作り、実行し、エラーを直すところまで進めてくれます（導入手順はClaude Codeの使い方完全ガイドへ）。有料プラン前提で、ターミナル（文字で操作する画面）から使います。料金と導入手順はガイド側で、会社PCに入れる場合は情報システム部門への確認を。進め方は、要件文を渡す、骨組みが出る、動かす、直しを日本語で伝える、この往復だけです。

Vibelyの初回リリース分の機能は、AIエージェントとの開発で2週間ほど、1人で形にできました。つまずきどころは決まっていて、一度に全部を頼むと崩れます。機能はまず1つに絞る。僕が個人開発で守っている原則です。

Step 4: 動いたら、AIに解説させながら読む

動いた直後が分かれ道です。ここで閉じると「動くけど説明できないもの」が残り、仕事では使えません。1ファイルずつ「これは何をしている？」「データはどこに保存される？」とClaude Codeに聞きながら読む。書けなくても読める状態を、実物のコードで作る工程です。

確認は3点だけ。データの保存場所。ログインなしで誰でも見えてしまう画面はないか。消えたら困るデータのバックアップはあるか。これを自分の言葉で答えられれば、最初のアプリとしては合格です。

Step 5: 業務で使い、直し続ける

投入前に、業務データを外部サービスに入れてよいか、会社のルールを必ず確認してください。顧客情報や個人情報は避けて、自分の作業メモや公開情報の集計から始めるのが安全です。そして隠れて使わず、上長やチームに見せる。ここを丁寧にやった人が、社内のAI活用の相談先になっていきます。

使い始めると、直したい点が毎週出てきます。それが学習の続きです。僕自身、自社サービスのCS対応（顧客からの問い合わせ）を自動化し続けて、最初は1日3時間かかっていた対応がいまは30分以下です。この「作る、使う、直す」のループに入れたら、学習手順としてはゴールです。

あなたはどこから始めるか — 学習スタート診断

5ステップは全員共通ですが、始める場所は現在地で変わります。下の4問に答えると、始めるべきステップと今週の最初のアクションが出ます。

コード経験がなくAIもほとんど使っていない人は、題材があっても先に基礎概念へ数日。それからStep 1へ。困りごとが具体的なら、Step 2の要件書きから今週末に始められます。題材が未定なら、「同じ操作を3回以上繰り返した瞬間」のメモからです。

独学で止まる3つの壁と、乗り越え方

独学の人が実際に止まった場所を3つ、対処とセットで書いておきます。

壁1: 機能追加のタイミングでデータベースに詰む

最初のリリースまでは行けても、「項目を増やしたい」となった瞬間、AIに任せきりだったデータの形を自分が触れないことに気づきます。説明会での例がこれでした。対処は作る前に「テーブル構成を表の形で説明して」とAIに言わせて、データの形だけは自分の頭に入れてから進むことです。

壁2: 「動いたからヨシ」で業務に入れて、怖くなる

中身を説明できないものを業務に入れると、不具合が出たときに原因の場所すら特定できません。Step 4の「読む」を飛ばさず、個人情報のない題材から始めればほぼ避けられます。ありがちな失敗はバイブコーディングの失敗パターン7選に正直に書きました。

壁3: 学習が「ツールの使い方」で止まる

プロンプト（AIへの指示文）のコツを集め、新しいAIツールを試し、学んだ気になる。ChatGPT歴が長い人ほど陥りやすい壁です。ツールの知識が増えても、業務は1分も減っていません。対処は「いま作っているもの」を常に1つ持つこと。ツール情報は、目の前の題材に使えるかどうかだけで選びます。

3つの壁に共通するのは、技術ではなく「一人で判断がつかない瞬間」に止まることです。受講生を見ていても、完成まで行く人とそうでない人の差は、詰まったときに途中のものを見せて確認できる相手がいるかどうかです。相手がいれば10分で越えられるような壁の前で、独学だと何週間も止まってしまう。

まとめ — 学ぶのは「書く力」より「読んで判断する力」

• 学び方の順序は「作ってから学ぶ」に逆転した
• 目指すのは「AIを作る人材」ではなく「AIで作る人材」
• 基礎概念はWeb・言語・フレームワーク・データベース・インフラの5つ。「説明できる」レベルで十分
• 題材は業務の痛みから選び、要件は日本語で書き切る
• 中身を説明できないものは業務に入れない。読む工程を飛ばさない

今週末にやることは3つ。業務の痛みを3つメモに書く。1つ選んでStep 2の形式で要件を書く。使い方ガイドを見ながらClaude Codeを入れて、要件文を渡す。ここまでで「動く画面」に届きます。作る側と使う側を分けているのは才能ではなく、この順序を知っているかどうかです。