データ・AI/研究職 → 機械学習エンジニア
博士課程の研究開発 → シリーズBのAIスタートアップのリサーチエンジニア
42歳/710万円 → 850万円(+140万円)
| 転職前 | 博士課程/研究開発(研究・アカデミア) |
|---|---|
| 転職後 | シリーズBのAIスタートアップ/リサーチエンジニア(IT・AI) |
| 年齢・経験年数 | 42歳/前職14年 |
| 年収 | 710万円 → 850万円(+140万円) |
| 転職のきっかけ | 会社・事業の将来性 |
| 選考の論点 | 手を動かせないと見られる |
| 効いた進め方 | 副業・個人開発で実績を作った/不足している知識を先に埋めた |
| 選考の状況 | 応募31社・書類通過11社・内定1社/約5か月 |
転職前の状況
博士課程で研究開発として14年。研究の質には自信があったが、成果が実用に届くまでの距離が遠かった。
転職を考えたきっかけ
主要顧客への依存度が高く、その1社の方針で自分の仕事が決まる構造だった。会社の外に持ち出せる経験を積める場所を探し始めた。
選考でネックになったこと
設計はできるが実装から離れている、という状態が最も評価しにくいと、面接で率直に指摘された。
どう進めたか
5週間かけて、副業で小さく実務に近い案件を1件やり切った。規模は小さいが、社外で通用した証拠として面接で機能した。
不足していた領域を5週間で最低限埋めることにし、範囲を絞って学習した。網羅ではなく、面接で論点になる部分だけに絞ったのが結果的に効いた。
応募31社、書類通過11社、最終面接まで進んだのが1社、内定1社。情報収集を始めてから内定まで約5か月かかっている。
年収の動き
研究・アカデミアの経験とリサーチエンジニアの職種要件を両方満たす候補者が少なく、その希少性がそのまま140万円の差になった。同じ職種でも、前職の組み合わせによって提示額は変わる。
このケースから読み取れること
実務経験が足りないとき、最短の証明は職務経歴書の書き方ではなく、小さくても自分でやり切った1件だった。
同じパターンの他の事例
自分の場合はどうか、を確かめたいとき
事例は型であって、そのまま当てはまるものではありません。 いまの経歴でどのパターンに近いのか、何が論点になりそうかを整理したい方は、キャリア相談をご利用ください。
キャリア相談について見る →