AIエンジニアとはどんな仕事？未経験から就くには？

AI（人工知能）の様々な分野での活用に関して研究開発を行う。

中卒・高卒・第二新卒の転職相談、無料で受付中

AIエンジニアとはどんな仕事？

AI（人工知能）の様々な分野での活用に関して研究開発を行います。

ディープラーニング（深層学習）などの手法により、AIによる処理を実現するエンジニアです。ビッグデータを分析するデータサイエンティストをAIエンジニアに含める場合もあるが、ここでは狭義のAIエンジニアである、機械学習のエンジニアを解説します。

現在、AIの応用は、顔認証、疾病の画像診断、自動車の自動運転、カスタマーセンターの相談支援、異常や障害の検知等々、様々な分野で研究開発が進んでいます。

仕事を進行に沿ってみていくと、まずチームで開発目標を設定し、どのような開発を行うか計画を策定します。受託して開発する会社では、クライアントから要件を聞き、提供されるデータを確認してから開発設計を行います。開発に入ると最適な実現方法を検討し、AIを実行するマシンの性能が低い場合は、処理性能も考慮に入れながらＡＩを実装します。平行して、教師データ（結果が分っている既存のデータ）を投入しAIに学習させる仕組みを検討し、教師データの管理方法、加工方法を設計します。設計やプログラムはクラウドに上げてチームで共有することが多い。

効率の良い学習のためにデータを管理する画面やツールを準備し、膨大な教師データを投入し、診断、判定等の精度を上げていきます。この学習には何日もかかることがあるため、AI学習用の専用のマシンやスーパーコンピューター（高度な演算処理を高速に行うことができる）などが使われます。スーパーコンピューターはリモートで利用されることが多い。

AIの学習の進み具合をみるため、正解率が目標に達したり、エラー率が十分に下がったところで学習は完了となります。AIに検証用のテストデータを投入し、どのような診断、判定になるか、様々な分野の専門家とエンジニアで検証します。この検証を経て、出来上がったシステムを納入します。システムが実際に運営されるようになるが、運用段階のデータからもAIを成長させていきます。

関連技術が急激に発展しているため、常にWeb上で公開されている関連論文を調べて読んだり、大学、研究機関の研究者と意見交換し、関連する最新情報は押さえておくことが必要です。

よく使う道具、機材、情報技術等

スーパーコンピューター、クラウドストレッジ、統合開発環境（ＩＤＥ: Integrated Development Environment）、プログラミング言語（Python、C言語、JAVA、等）、生成AI（コードを仮作成し人間が手直しする等）、GoogleGoogleスプレッドシート、パソコン

実際にどんな作業をするの？

厚生労働省「job tag」のアンケートをもとに、実際にこの仕事をしている人が「やっている」と答えた作業を実施率の高い順に紹介します。

AIの全体的な動き、データの流れを確認する。（実施率 97%）
効率良くデータを入力するための管理画面やツールを準備する。（実施率 97%）
データを確認し、全体的な設計を考える。（実施率 94%）
データに合った、AI開発の方向性を検討する。（実施率 94%）
AIに流し込むデータの管理・加工の方法を設計する。（実施率 94%）

賃金・労働条件はどうなの？

厚生労働省の統計データによると、AIエンジニアの年収は609.8万円、平均年齢は42.2歳、月間労働時間は160時間です。

有効求人倍率は2.25で、求人賃金（月額）は32.3万円となっています。

未経験からAIエンジニアになるには？

この仕事に就くためには、特に学歴や資格は必要とされず、現状では求められる要件や水準も明確でないが、大学院で情報科学あるいは工学部、理学部の様々な分野の修士か博士号取得者が多くを占めます。大学学部卒の割合がそれに続き、高専卒も若干います。新卒者を採用する場合は、大学での研究実績、国際学会での発表、また、AI（人工知能）関連の各種コンペティションでの入賞等が評価されます。

研究機関、メーカー、情報通信会社、ベンチャー企業などに採用されます。システムエンジニアとは別にAIエンジニアとして採用されることが多い。

機械学習やディープラーニングの専門家は日本全国で1万人を超えると考えられ（AI開発会社の数、関連学会の会員数、関連コミュニティの参加者数から推定）、実績のあるAIエンジニアの中途採用、優秀な大学院生・大学生の新卒採用は争奪戦となっています。データサイエンティストなど隣接する分野から転身してくる人もいます。

転職する場合は、同業他社でAIエンジニアになるというケースもあるが、大学や研究機関に移るケースも多い。

ディープラーニングやその他の機械学習の手法に精通していること、この分野でメジャーなプログラミング言語であるPython（パイソン）などを使いこなせること、データ分析の技術やツールが十分に使えること等が求められます。また、その上に、例えば、画像処理、自然言語処理、音声処理などの技術に精通していることや、医学、農学などの特定の分野における専門知識が求められることもあります。

新しい分野であり、人材の育成方法はまだ確立していないが、大学で学んだ専門知識、個人のポテンシャルや閃きが新しい発明に繋がることも多く、開発する力は年齢や経験年数と必ずしも比例しない。

進歩が速い分野であり、常に情報収集が必要で、論文を読んだり、また、自ら書いたりすることが多い。