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 → 大手Web企業のAIプロダクトエンジニア
28歳/880万円 → 990万円(+110万円)
| 転職前 | 上場SaaS企業/MLエンジニア(IT・データ) |
|---|---|
| 転職後 | 大手Web企業/AIプロダクトエンジニア(AI・SaaS) |
| 年齢・経験年数 | 28歳/前職5年 |
| 年収 | 880万円 → 990万円(+110万円) |
| 転職のきっかけ | 意思決定の遅さ |
| 選考の論点 | 使ってきた技術が古い |
| 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8社・書類通過3社・内定1社/約4か月 |
転職前の状況
上場SaaS企業で5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
5年かけて習熟した環境が、転職市場ではほとんど求人がないものだった。技術力の問題ではなく、置き場所の問題だった。
どう進めたか
週末に個人で作ったものを公開し、使われ方の数字まで自分で追った。実務経験の不足を、量ではなく一貫性で埋める形にした。
不足していた領域を4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8社、書類通過3社、最終面接まで進んだのが2社、内定1社。情報収集を始めてから内定まで約4か月かかっている。
年収の動き
IT・データの経験とAIプロダクト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110万円の差になった。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 →