Job Support 株式会社（所在地：东京都千代田区，代表董事：冢田 努）针对过去2年内有负责指导（OJT）应届毕业生及年轻工程师（入职1～3年）经验的人士，实施了关于「新人工程师生成式AI使用实态与指导负担」的调查。 调查概要：「新人工程师生成式AI使用实态与指导负担」相关调查 【调查期间】2026年3月16日（一）～2026年3月17日（二） 【调查方法】通过PRIZMA进行网络调查 【调查人数】1,004人 【调查对象】在回答调查时表示过去2年内有负责指导（OJT）应届毕业生及年轻工程师经验的受访者 【调查来源】Job Support 株式会社 【受访者提供来源】Sacrisa 在工程师培育方面，活用生成式AI已成为不可避免的趋势。 然而，将目光转向开发现场的OJT，人们担忧因为生成式AI的普及，过去一直被指出的「缺乏自主能力」与「基础知识扎根不足」等课题，反而变得更加显著。在生成式AI时代的新人工程师教育中，真正被要求的「自主能力」真面目究竟是什么？ 包含「精通AI所需的技能」、「适当的学习顺序」、「通过改善OJT来减轻负担」等回答的详细数据，目前正在白皮书中公开。 9成回答新人工程师在业务中使用了生成式AI！制作出的代码有何课题？ 首先，当被问及「您所负责的新人、年轻工程师在业务中最接近的生成式AI使用状况为何？」时，将「积极活用（40.0%）」与「视需要活用（50.0%）」合并来看，可知整体有9成的人在日常中使用了生成式AI。 在这样的情况下，在实际业务中，新人工程师使用生成式AI所写出的代码出现了什么样的课题呢？ 接下来，我们访问了在上一题中回答「积极活用」与「视需要活用」的人。 当被问及「关于新人工程师利用生成式AI写出的代码，曾经面临的课题」时，回答「本人并不理解输出代码的机制与根据（61.4%）」的人最多，其次是「无法解读需求，给出模糊的指令（提示词）（47.5%）」与「无法靠自己找出并修正错误的原因（36.6%）」。 由此可以看出，对于输出代码根据等「根本上的理解不足」，已成为现场的课题。 此外，在没有正确掌握需求的情况下给出模糊指令，以及发生错误时无法靠自己找出原因并修复，也被列为课题。 进一步询问「当AI生成的代码出现bug或错误时，新人工程师可见的『反应与应对』」时，回答「自己不读错误消息，盲目地不断向AI重复提问（46.5%）」的人最多，其次是「把回答的根据全推给AI，说『因为是AI输出的所以我不知道』（45.8%）」与「不自己调查原因，马上向主管寻求正确答案（40.5%）」。 可以认为，由于手边有便利的工具，省略了自己进行逻辑思考与验证的行为，结果产生了难以培养错误解决能力的环境。 因生成式AI普及，约8成现场的OJT负担增加。指导负担的要因在于缺乏「当事者意识」与「基础知识」。 这些新人工程师的行为过程，对实际的指导体制与资深工程师的负担带来了什么样的变化？ 当被问及「自从新人工程师开始使用生成式AI后，您的『指导与代码审查所花费的时间（OJT负担）』有何变化？」时，得到以下结果。 「大幅增加（重做与从基础重新教起的功夫增加了）（26.1%）」 「稍微增加（51.8%）」 「没有改变（18.1%）」 「稍微减少（3.3%）」 「大幅减少（指导变轻松了）（0.7%）」 约8成的人回答自从新人工程师开始使用生成式AI后「指导负担增加了」，可以看出为验证AI输出结果而产生了新的教育成本。 在这样的情况下，生成式AI的使用为何无法与指导的「减轻负担」产生链接，其根本原因究竟在哪里？