AIエンジニアは、最も将来性が高い職業の一つでしょう。データを使って科学する仕事は楽しいです。しかし、現役のAIエンジニアにも様々な悩みがあったりします。

「優秀な人材と働きたい」「最適化手法の研究をしたい」「自分の専門分野を深めたい」などです。

組織の論理から脱却し、自分のキャリアをコントロール性をどうすれば高めることができるのか、現役のAIエンジニアが検討してみました。

AIエンジニアになる道は舗装された

経済産業省が、「2020年に約4万8000人のAI人材が不足する」と発表しました。

政府はAI人材の育成に乗り出し、大学での人材教育の強化を図るほか、企業内での人材育成も活発化しました。リカレント教育(社会人の学び直し)が光が当たり、社会人のAIの学習機会が大幅に増えました。これでもかと言う具合に、良質なテキスト・教材や研修も増えました。

結果的に、好奇心があり成長意欲の高いITエンジニアが、「Pythonと機械学習ライブラリを使ってモデル作成できる」ようになりました。独学で機械学習を習得するハードルが下がったためです。世の中のPOC全盛を受けて、実際に学習内容を試す機会もそれなりにあったようです。

これからAIエンジニアを目指す人にとって、今ほどいい時代はないでしょう。道は舗装されたのです。

これからのAIエンジニアは専門性が求められる

一方、現役の第一線にいる機械学習エンジニア・データサイエンティストから見ると、少し面白くない流れになっているのではないでしょうか。

プラス面では、DXブーム全盛で注目度が高まった結果、AIエンジニアの市場価値が高まり、たくさんの案件や求人が来ていることです。AIエンジニアはベンチャーから題記企業までどこもモテモテです。ヘッドハンタ―からたくさん声がかかる人も多いでしょう。ちょっとした異世界チート主人公です。

日本を代表する大手IT企業が、AIエンジニアに年収3000万円やら4000万円を用意しました。年功序列の日本企業では、考えられないことが起きています。

一方、業界に多くの新規参入者が増えました。20代の若手社会人から目指す層と、大学の情報系から進む層の2極化の様相を呈しています。

当然ながら、新米のAIエンジニアと競争が起こります。もちろんデータサイエンス領域では新米に負けないでしょうが、エンジニアリング領域でITエンジニア出身のAIエンジニアに勝つことは難しいかもしれません。

今のブームに浮かれていると足元をすくわれてしまう可能性があります。もちろん私自身の自戒を込めてです。ブーム終息後にも生き残るためには、自身の専門性を深め差別化することが求められるのではないでしょうか。

「自然言語処理が得意」「製造業界のデータ分析に詳しい」「顧客課題の整理から実システムへのデプロイまで一人称で出来る」など、自分の看板を掲げる出来れば、他のAIエンジニアより一歩抜け出すことが出来ます。そして、専門分野を深めるためには、実案件で磨くことが最も近道です。

そのため、キャリアが深まれば深まるほど、自分の手で案件を選別することが必要になってきます。どんな案件でも成長できるのは、新米AIエンジニアのうちだけです。

しかし、自分の専門性を活かせる案件が、社内で見つからない場合もあるでしょう。他社に専門性を磨ける職場があれば、そちらに週1、2日で働くような働き方が求められるはずです。

ステージ別AIエンジニアの転職活動・転職エージェント

人工知能ブログ画像
AIエンジニアのステージを図解化してみました。ステージ別にキャリア戦略と転職活動を解説していきます。

①未経験⇒新米AIエンジニア

未経験者は機械学習の知識の習得後に、一刻も早くAIエンジニアとなり、実務経験を積むことが目的です。

ポテンシャル採用では、やる気や志望理由が問われます。やる気は、これまでどのくらい勉強してきたかに現れます。面接では、これまでどのようにAIを勉強してきたかを話しましょう。

データサイエンスと呼ばれる領域(統計・機械学習)は、独学でも研修でも良いので、地道に身に付けるしかありません。おすすめは、会社にお金を出してもらって2日以上の研修に参加することです。1日の研修は概論で終わってしまうため、あまり意味がないと感じます。

資格をアピールする場合は、「統計検定2級」がおすすめです。難易度はやや高めですが、過去問と統計WEBで合格できます。3級はアピールにならず、準1級はかなり難しいです。

もしあなたがプログラミング経験者であれば、未経験からAIエンジニアへの転身は十分可能でしょう。Pandasが扱えれば実案件に入ってもなんとかなります。
特に、数式に抵抗感が少ない理系出身のITエンジニアは非常に有利です。実感を持って言えます。

ただ、もし文系で数学が苦手ならば、別の道を探したほうが良いかもしれません。むしろAIをどう使うかの企画職・営業職をおすすめします。AIの技術が分かっていて、顧客の課題解決の提案ができるイメージです。そちらも人が足りてません。

②新米AIエンジニア⇒一人前AIエンジニア

AIエンジニアとして、給与アップ、待遇改善、大企業への転職が目的です。

経験者採用では、実績を問われます。まずは現職で基礎スキルを身に付けつつ、自分の専門分野を探していきます。ある程度基礎が身についてきたならば、より良い待遇を求めて転職活動を行いましょう。

面接では、どのように実案件に貢献してきたか、技術力や提案力をアピールします。問題定義の経験が豊富だったり、業務知識が豊富だと強いです。

注意点はブラック企業を避けることです。ブラック企業で精神的なダメージを受けると、回復に時間がかかってしまいます。

転職エージェントは、サポートが非常に手厚い「マイナビIT AGENT」がおすすめです。
マイナビは、10年先のキャリアプランを考える方針で運営しており、他社の転職エージェントと比べ、利用者の満足度が極めて高いです

③一人前AIエンジニア⇒複業AIエンジニア

副業で収入を多様化しつつ、自分の専門領域の案件に参画することが目的です。

副業を持つことで、収益が多様化しますし、専門性を磨く機会を得ることが出来ます。また、自分自身の市場価値も明らかになります。

副業やフリーランスでの受注のコツは、過去の経験の中で再現性のある部分を整理すること、得意分野を持つことです。画像処理、自然言語処理、マーケティング領域など、自分が好きな領域を定め、最新の論文も読んでおけばアピールになるでしょう。
(自然言語処理ならGPT-3やBERTあたりの論文は、理解しておいて損はありません)

またこのステージになると、転職活動と言うより、自分自身という商品を営業するという色が濃くなります。なので、例えば自然言語処理でしたら、「人間の言葉を機械が理解するのが面白い」など、自分なりの価値観や面白エピソードを言語化しておくと受注確率が高まるでしょう。

まず副業で土日に案件をこなしつつ、十分な実績を積めた段階でそのままフリーランスとして独立する道も可能です。

私も以前、リクルート社のサンカクというサービスを活用し、月2回程度ITベンチャー企業で働いた経験があります。自分が他社でも通用するか知りたかったからです。とても良い経験になりましたが、AIエンジニアは副業と言う形で、お金を貰いながら社会見学が可能です。AIエンジニアが、最小リスクでフリーランスとして独立できる道が舗装されてきています。

フリーランス向けの求人エージェントは、【テックビズフリーランス】がおすすめです。

独立経験を持つ専任コンサルタントが、エンジニアに寄り添って提案力してくれるため、案件決定率、継続率が共に90%を超えます。
また一人当たりの平均案件提案数は30件。その中からAIエンジニアが専門領域を磨ける案件を選ぶことが可能です。

副業からフリーランスへの転身時期の目安としては、「フリーランスエージェントから準委任契約(成果物の完成責任がない)で月単価70万円以上の案件を紹介して貰える」なら、専業フリーランスに転身しても問題ないと判断できます。


ちなみに、AIエンジニアは優秀な人が多いので、自分一人で転職活動できるし、紹介で案件を受託できる人もいます。それでも私はエージェントの活用をおすすめします。理由は5つあります。

①高単価な案件を保有する会社ほどエージェント必須だから
②求人案件や転職ノウハウはエージェントが保有しているから
③自分のキャリアについて第三者と話をすることは貴重だから
④面倒な作業を全部やってくれるから
⑤無料だから

AIエンジニアの価値は未知への試行錯誤

米国ならともかく、現在の日本で優秀なAIエンジニアが一つの職場で働くのはもったいないと感じます。なぜなら、「同一役職・同一賃金」の日本では、希少性の高い技術を持ったAIエンジニアが、高収入を得られる会社はまだ少数派だからです。

これから大きく変わってくると考えられますが、世の中が移り変わるまで、自分の専門性と言う武器を磨くことが重要だと感じます。

AIエンジニアは、ただでさえデータに対して日々試行錯誤しているにも関わらず、新しい職業故に周囲の理解が低く、苦労されている方もいると思います。開拓者の道は厳しいです。

しかし、惰性はすでに保守であり、保守は人を腐らせていきます。成長とは、新しい仕事に挑戦することの中にあるのではないでしょうか。

日々成長を続けるAIエンジニアが時代の流れに乗ることで、大きなリターンを得ることが出来ると確信しています。AIエンジニアの価値の源泉は、未知への試行錯誤の積分値だからです。

参考記事:機械学習エンジニアがフリーランスになる方法