AIエンジニアとは、AIを使った仕組みを作る・製品へ組み込む・動かし続ける、という別々の仕事をまとめて呼んでいる名前です。公的に決まった1つの職種名ではありません！ その証拠に、IPA（国の機関）がまとめたDX推進人材の役割区分に「AIエンジニア」という区分は出てきません。だから「AIエンジニア なるには」を調べると、大学院と言う人もいれば独学で十分と言う人もいて、答えが割れます。この記事で渡すのは3つ。①公的な整理のどこに当たるかの表 ②仕事内容を3つの動詞で分けた表 ③求人票で自分の入口を決めるチェックリストです。
転職する気がなくても大丈夫です！ 求人票は「その仕事が毎日なにをしているか」がいちばん具体的に書いてある、無料の資料として読めます。文系でも、エンジニアではない職種からでも、読むところは同じです。
「AIエンジニア」という名前の職種は、公的な整理には出てきません
いきなり拍子抜けする話かもしれませんが、ここがこの記事のいちばん役に立つところです。
国の機関（IPA＝情報処理推進機構）が出しているDX推進スキル標準は、企業や組織のDXの推進に必要な主な役割を6つの「類型」に区分しています。ビジネスアーキテクト、デザイナー、データサイエンティスト、データマネジメント、ソフトウェアエンジニア、サイバーセキュリティの6つです。この中に「AIエンジニア」はありません。
ないのは、手抜きではなくやっている作業で分けているからです！ AIに関わる仕事は、この6つのうち複数にまたがって書かれています。たとえばデータサイエンティストは、データを活用した業務変革や新規ビジネスの実現に向けて、データを収集・解析する、またはAIシステムに関する仕組みの設計・実装・運用を担う役割と説明されています（IPA・DX推進スキル標準の概要より）。ソフトウェアエンジニアは、デジタル技術を活用した製品・サービスを提供するためのシステムやソフトウェアの設計・実装・運用を担う役割です。
つまり、求人票の「AIエンジニア」は会社ごとの呼び名で、中身は別々ということになります。同じ言葉で募集されている仕事が、実は違う仕事でした。
| 求人票の呼び名 | その求人が実際に求めていること | 近い公的類型（筆者の対応づけ） |
|---|---|---|
| AIエンジニア（研究寄り） | モデルや推論の仕組みそのものを作り、精度を上げる | データサイエンティスト |
| AIエンジニア（プロダクト寄り） | すでにあるAIを、製品や社内システムへ組み込んで動かす | ソフトウェアエンジニア |
| 機械学習エンジニア | データの準備から学習・評価・改善までを回し続ける | データサイエンティスト |
| AI活用推進・DX推進 | どの業務にAIを入れるかを決めて、社内を動かす | ビジネスアーキテクト |
右の列は僕の対応づけです。DX推進スキル標準が「AIエンジニアはこれ」と決めているわけではないので、そこは分けて読んでください。言いたいのは分類の正解ではなく、同じ求人名でも求めている土台が違うということのほうです。
仕事内容は、3つの動詞に割れます
「AIエンジニアの仕事内容」を1つの答えで書けないのは、ここが割れているからです。 動詞で見ると、驚くほどきれいに分かれます。
| 動詞 | 1日の中身 | 土台になるもの | 未経験からの入口 |
|---|---|---|---|
| 作る | モデルや評価のしかたを設計し、精度と速さを詰める | 数学・統計と、論文を読んで試す力 | 大学院や研究職の道が太い（社会人からは長期戦になりやすい） |
| つなぐ | すでにあるAIを製品へ組み込み、失敗したときの動きまで設計する | ふつうのソフトウェア開発力（設計・テスト・リリース） | 小さいものを1つ作って公開するのが最短 |
| 回し続ける | データ・品質・費用・監視を見て、壊れる前に直す | 運用の設計とデータの扱い | いまの業務の一部を自動化し、運用まで自分で持つ |
表を横に読むと、「未経験から」の答えが3つとも違うことが分かります。だから検索結果が割れていました。情報が矛盾していたのではなく、みんな別の列の話をしていた、というだけでした！
体感として、求人票で募集されている「AIエンジニア」は真ん中の「つなぐ」に寄っていることが多いと僕は見ています。ただしこれは僕が見ている範囲の観察で、統計で確かめたものではありません。だからこそ、平均の話ではなく、目の前の求人票3件を自分で数えてほしいんです。
ここが分かると、遠回りが1つ消えます。「つなぐ」を目指しているのに、数学の教材から始めてしまうという回り道です。土台が違うので、進んでも近づきません。裏を返せば、列を選ぶだけで学ぶ順番が勝手に決まります。
なるには、資格より先に「動くもの」を1つ
資格や講座が無駄という話ではありません。ただ、順番は動くものが先です。 理由は単純で、見る側にとっていちばん早いのが動くものだからです。
僕自身の経路も書いておきます。サイバーエージェントでABEMA LiveのiOSアプリ開発を担当し、テックリードも経験しました。いまは会社の側で、AIを前提に自社サービスをチームで設計・開発・運用しています。AIのコーディング支援を前提にiOS・Androidアプリも作っています。そのなかで実感しているのは、一緒に作る相手を探すとき、話がいちばん早く進むのは「動くものを見せてくれる人」だということでした。つまり、見せる側に回った瞬間から話が早くなります。
とはいえ、いきなり大きいものは要りません。自分の手元の面倒を1つ減らすだけで十分です！ コードを書いたことがなくても大丈夫で、表計算の集計をAIに任せる、社内向けの手順書を自動で作る、そのくらいの粒から始まります。作ったものが小さくても、動いていること・作りきったこと・人に使える形で置いてあることの3つが伝われば、話は前に進みます！
入口を決めるところまでを、この場でやってしまいましょう。まず3件で傾向を見て、そのあといちばん気になった1件で次の4行を書き写してください。
4行目まで書けたら、その時点で入口は決まっています。教材や資格を選ぶのは、そのあとで大丈夫です！
今日の一歩は15分で終わります。 求人を3件開いて、仕事内容の欄だけをメモへコピーし、動詞（作る・つなぐ・回し続ける）に丸をつけてください。プログラミングの経験がまったく無くても、いまこの瞬間にできます！ 小さく作るほうの進め方はAI個人開発の始め方に、ソフトウェア開発そのものの道筋は未経験からiOSエンジニアになる道筋にまとめてあります。
役割から選ぶやり方が回り道になる人
この整理が合わない人もいます。当てはまる場合は、別の入口のほうが早いです。
- 研究そのものをやりたい人：「作る」列は大学院や研究職の道が太いので、役割選びより進学と研究室の選び方が先の論点になります。
- すでにエンジニアで、社内で動きたい人：転職前提の入口より、いまの仕事でAIを使う範囲を広げるほうが速いです。伸ばす力の整理は20代エンジニアのキャリア戦略に書きました
- そもそも職種を変えなくていい人：ここは正直に書きます。AIを仕事で「使う」だけなら、職種を変える必要はありません。 目的が「仕事を速くしたい」なら、いまの職種のまま使うほうが早く効きます！ 職種を変えるのは、作る側・つなぐ側・回す側に回りたいときだけで十分です！
- 会社の中でAIを試したい人：職種の話より、社内のAI利用ルールの確認が先です。何を渡してよくて何がだめかは会社ごとに決まっているので、情報システムの担当か上長へ1回聞くところから始めてください。
AIが社会全体の論点になっているのは確かです。総務省の情報通信白書（令和8年版）も、特集テーマを「AIの進展がもたらす多面的影響」に置いています。ただし、論点が広がる＝全員が職種を変える、ではありません。使う側で満足できるなら、それはそれで正解です。
よくある質問
AIエンジニアと、ふつうのエンジニアは何が違いますか？
扱う不確かさの量が違います。ふつうのソフトウェア開発は「入力が同じなら出力も同じ」を前提に組み立てますが、AIを組み込む側は出力が毎回そろわない前提で、外れたときの動きまで設計します。使う技術そのものよりも、この前提の違いが日々の判断に効いてきます。
AIエンジニアの仕事内容は、毎日どんな感じですか？
選んだ役割で変わります！ 「作る」ならモデルと評価の設計、「つなぐ」なら製品への組み込みと失敗時の設計、「回し続ける」ならデータ・品質・費用の監視と改善が中心になります。求人票の「仕事内容」の欄を3件並べて読むと、その会社がどれを求めているかがすぐ見えます。
未経験からAIエンジニアになれますか？
どの列を目指すかで難易度がまるごと変わります！ 「作る」は大学院や研究職の道が太く、社会人からは長期戦になります。一方で「つなぐ」「回し続ける」は、ふつうのソフトウェア開発力と運用の経験が土台なので、小さく作って公開する積み重ねが素直に効きます！ まず列を1つ選ぶところからで大丈夫です！
AIエンジニアになるのに資格は取ったほうがいいですか？
順番としては、動くものが先です。資格は知識の抜けを埋める道具として役立ちますが、それだけで「何ができる人か」は伝わりません。小さくても作りきったものが1つあると、資格の話も具体的に噛み合うようになります。
文系や、エンジニアではない職種からでもAIの仕事に近づけますか？
近づけます。「AI活用推進」のように、どの業務にAIを入れるかを決めて社内を動かす役割は、業務そのものへの理解が土台になるからです。いまの仕事の一部を自動化して、使われる形で置いてみるところからで十分です！ 進め方は若手社員のAI業務改善にまとめました。そこから製品へつなぐ側へ広げていく道もあります。