Rust の仕事が増えていく理由 — インフラコスト削減の圧力と LLM が学習コストを消し去る構造変化

@helloyuki_ 氏のポストが、Zenn の記事を紹介し反響を呼んでいます（いいね 177、ブックマーク 124）。

前職の同僚がなんか書いてた。広告配信でRustを採用した際のインフラ費の話を聞いた気がするんだけど、たしかにRustにするとこんなに削減できるのかと思った記憶がある🤔

引用元は yukinarit 氏による Zenn 記事「Rustの仕事が増えていく理由」。地図・ゲーム・証券・広告・メッセージングと多様な業界で Rust を使ってきたエンジニアが、なぜ Rust の仕事が増えていくのかを構造的に分析した記事です。

本記事では、元記事の論点を整理し、企業の実績データとLLM時代の変化を加えて解説します。

Rust 採用の構造的理由 — 2軸モデル

性能要求 × 開発コストの2軸

元記事が提示するフレームワークは、言語選定を性能要求と開発コスト許容度の2軸で整理するものです。

                高性能要求
                   ↑
         領域D     |     領域C
      Rust / C++   |   ML研究等
                   |
    ───────────────┼───────────────→ 高コスト許容
                   |
         領域B     |     領域A
      Go / Java    |   Ruby / Python
                   |   TypeScript
                低性能要求

領域 B → D への圧力

重要なのは、クラウドの普及が領域 B のプロダクトを領域 D に押し上げていることです。オンプレミス時代はサーバーを買い切りだったため、CPU やメモリの使用効率が直接コストに響きにくかった。しかしクラウドでは CPU 時間・メモリ量が従量課金されるため、「Go/Java で十分」だったサービスがコスト削減のために Rust を検討するフェーズに入っています。

元記事の著者は、この構造変化を以下のように表現しています。

Rust採用の鍵はインフラコスト削減にある。特にクラウド利用が一般的になってからは、CPUやメモリ使用量が直接的にコストに結びつくようになった

企業の実績データ — 数字が語る説得力

PayPay: CPU 16分の1、メモリ 100分の1

PayPay のエンジニアリングブログが、Java / Node.js から Rust への移行結果を公開しています。

6,700万人以上のユーザーを抱え、毎日数百万トランザクションを処理する PayPay にとって、この削減率は莫大なインフラコスト削減を意味します。PoC から本番デプロイまで約6ヶ月で実現しています。

Grab: Go → Rust でインフラコスト70%削減

Grab のエンジニアリングブログが、不正検知システムの Counter Service を Go から Rust に書き換えた結果を公開しています。

Grab チームは書き換え対象の選定基準として、(1) 機能がシンプル、(2) トラフィックが大きい（効率改善の効果が出やすい）、(3) チームが Rust を学ぶ意欲がある、の3点を挙げています。Go のコードを行単位で移植するのではなく、GRPC インターフェースだけを基準にゼロから再実装する方針を取りました。

TikTok: 年間4,700万円のコスト削減

元記事によると、TikTok は Go から Rust への移行で以下の成果を達成しています。

Dropbox: 投資回収4ヶ月

Dropbox の事例は、Rust への移行投資が4ヶ月で回収できたという点で、経営層への説得材料として強力です。

削減率のまとめ

LLM が Rust の最大の障壁を消し去る

従来の障壁: 学習コスト

Rust 採用の最大の障壁は、常に学習コストの高さでした。所有権（Ownership）、借用（Borrowing）、ライフタイム（Lifetime）という独自の概念は、他の言語からの移行を困難にしていました。

元記事の著者チームは、この障壁が LLM によって劇的に低下していると報告しています。

95%以上のRustコードはAI生成

コンパイラ × LLM の相乗効果

Medium の分析記事や dasroot.net の記事が指摘する通り、Rust のコンパイラと LLM は構造的に相性が良いのです。

[動的型付け言語（Python 等）での AI コード生成]
AI がコード生成 → 構文OK → 実行 → ランタイムエラー → 原因特定に時間
                                    （型エラー、None 参照、etc.）

[Rust での AI コード生成]
AI がコード生成 → コンパイル → コンパイルエラー → 即座に修正 → 再コンパイル
                              （型エラー、所有権違反、ライフタイム不整合）
                              ↑ エラーメッセージが構造的で詳細

Rust-SWE-bench 2026 ベンチマークでは、自律エージェントが Rust でタスクを解決する成功率が他の言語と比較して 34.9%向上しています。

元記事の著者が述べている通り、Rust のコンパイラの厳しさは、AI 時代にはむしろ品質保証の自動化として機能します。

Rustのコンパイラが厳しい分、AIが生成したコードの問題点を早期に検出できる

学習曲線の根本的変化

LLM 以前と以後で、Rust の学習曲線は構造的に変化しています。

Rust エンジニアの需要

グローバルでの採用状況

byteiota の分析によると、2026 年の Rust エンタープライズ採用は前年比 40%成長しています。

元記事の著者は、米国・UAE での採用経験から以下を報告しています。

• Rust エンジニア職の募集には数百件の応募が殺到する
• 北米・欧州でポジションが増加中
• UAE 市場では派遣・契約社員の Rust 人材が増加傾向

求められるスキルセット

元記事が推奨する、Rust エンジニアを目指す際のスキル構築順序は以下の通りです。

1. 静的型付け言語の経験: C++, Go, Java, C#, Scala のいずれかでの実務経験
2. 大規模・高負荷システムの設計経験: スケーラビリティ、パフォーマンスチューニングの知見
3. メモリ管理とコンカレンシー: 低レベルの理解が Rust 習得を加速する
4. Rust 自体の学習: 上記の基盤があれば、LLM の支援で習得速度が大幅に向上

著者はシニア / テックリード職でのRust 提案や、LinkedIn・Indeed・Rust Jobs での求人検索を推奨しています。

Rust が選ばれる領域の拡大

元記事が示す著者のキャリアマッピングを、Rust の必要度で整理し直すと以下のようになります。

注目すべきは、「中程度」以上の領域が年々拡大していることです。クラウドのコスト圧力が強まるほど、Rust の採用領域は広がります。

社内業務システムに Rust は必要か

結論: ほとんどの場合、意味がない

Rust 採用の広がりを見ると「会計システムや社内業務システムにも Rust を」と考えたくなりますが、2軸モデルで冷静に評価すると、これらのシステムは明確に**領域A（低性能・低コスト）**に位置します。

コスト削減効果がほぼゼロ

PayPay が CPU 16分の1になって意味があるのは、元のインフラ費が巨額だからです。月数万円のシステムを16分の1にしても数千円の削減で、移行コストを回収できません。

むしろ失うものが大きい

例外: 部分採用が合理的なケース

社内システムでも、以下の計算集約的な一部分に限って Rust を採用する価値があります。

いずれもシステム全体を Rust で書く理由にはならず、ホットパスだけを Rust で書いて FFI や API 経由で呼び出すのが現実的です。

判断基準

社内業務システムに Rust を検討する？
  └─ インフラ費は月10万円以上か？
       ├─ いいえ → Rust 不要。Django/Rails/Spring で十分
       └─ はい → ボトルネックは CPU/メモリか？
            ├─ いいえ → Rust 不要。I/O バウンドなら Go/Java で十分
            └─ はい → そのボトルネック部分だけ Rust で部分採用を検討

Rust の採用が増えているのは事実ですが、「Rust が増えている → 全てを Rust で」という短絡は避けるべきです。元記事の2軸モデルが示す通り、言語選定は性能要求とコスト構造に基づいて行うものであり、社内業務システムのほとんどは Rust の強みが活きない領域です。

まとめ

• Rust 採用の鍵はインフラコスト削減: クラウドの従量課金により、CPU・メモリ効率が直接コストに影響する構造が Rust を後押しする
• 実績データが説得力を持つ: PayPay（CPU 16分の1）、Grab（コスト70%削減）、Dropbox（投資回収4ヶ月）など、ROI が明確な事例が蓄積されている
• LLM が学習コストの障壁を消す: 95%以上のコードを AI が生成し、コンパイラがハルシネーションを自動排除する相乗効果で、Rust の最大の弱点が解消されつつある
• エンタープライズ採用は前年比40%成長: 北米・欧州・中東でポジションが増加し、Rust エンジニアの需要が拡大中
• 領域 B → D への移行が加速: クラウドコスト圧力により、Go/Java で十分だったサービスが Rust を検討するフェーズに入っている

参考

• @helloyuki_ のポスト
• Rustの仕事が増えていく理由 - Zenn（yukinarit）
• Scaling PayPay with Rust - PayPay Engineering Blog
• Counter Service: How we rewrote it in Rust - Grab Engineering
• How Grab’s Migration from Go to Rust Cut Costs by 70% - ByteByteGo
• Rust Enterprise Adoption 2026: 40% Growth - byteiota
• Rust Is Winning the AI Code Generation Race - Medium
• Why Rust Is Winning for AI Tooling in 2026 - dasroot.net
• Why Learning Rust Still Matters in the Age of LLM Coding Agents - Substack
• The State of Rust Ecosystem 2025 - JetBrains RustRover Blog
• rustの本番での採用事例リンク集 - Qiita