データ・AI/機械学習エンジニア → 生成AI・LLMプロダクト
上場SaaS企業のMLエンジニア → 上場SaaS企業のLLMエンジニア
26歳/660万円 → 920万円(+260万円)
| 転職前 | 上場SaaS企業/MLエンジニア(IT・データ) |
|---|---|
| 転職後 | 上場SaaS企業/LLMエンジニア(AI・SaaS) |
| 年齢・経験年数 | 26歳/前職4年 |
| 年収 | 660万円 → 920万円(+260万円) |
| 転職のきっかけ | 意思決定の遅さ |
| 選考の論点 | 成果を数字で語れない |
| 効いた進め方 | 不足している知識を先に埋めた/手を動かした証拠を用意した |
| 選考の状況 | 応募31社・書類通過18社・内定2社/約2か月 |
転職前の状況
上場SaaS企業で4年目。個人で試している内容と、業務で求められる内容の差が広がっていた。
転職を考えたきっかけ
一つの判断に稟議と根回しが必要で、正しさよりも通しやすさで案が選ばれる場面が増えていた。速く試して直す進め方ができる環境に移りたいと考えるようになった。
選考でネックになったこと
「品質を改善した」「顧客満足度が上がった」という書き方に留まっていて、前後の差が示せていなかった。書類の通過率が想定より低かった原因はここにあった。
どう進めたか
不足していた領域を6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。
応募先のプロダクトを実際に使い、改善案を資料にまとめて面接に持ち込んだ。外からの推測であることを断ったうえで提出したところ、議論の入り口として機能した。
応募31社、書類通過18社、最終面接まで進んだのが2社、内定2社。情報収集を始めてから内定まで約2か月かかっている。
年収の動き
IT・データの経験とLLM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260万円の差になった。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
相場を知らないまま希望額を出すと、前職の水準がそのまま天井になる。動く前に、同じ経験が別の業界でいくらになるかを確かめておく価値がある。
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 →