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企業の機械学習エンジニア → 大手Web企業のAI活用推進担当
27歳/840万円 → 1080万円(+240万円)
| 転職前 | 上場SaaS企業/機械学習エンジニア(IT・データ) |
|---|---|
| 転職後 | 大手Web企業/AI活用推進担当(AI・SaaS) |
| 年齢・経験年数 | 27歳/前職5年 |
| 年収 | 840万円 → 1080万円(+240万円) |
| 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20社・書類通過7社・内定2社/約3か月 |
転職前の状況
上場SaaS企業で機械学習エンジニアとして5年。既存の分析業務は回せていたが、社内で新しい技術を試す余地がほとんどなかった。
転職を考えたきっかけ
リスクを取らない判断が常に安全側として扱われる文化で、挑戦の総量が年々減っていた。27歳のうちに、意思決定が速い環境を経験しておきたかった。
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。
資格の取得より、応募先で使われている考え方の理解を優先した。用語を知っている状態ではなく、なぜその考え方を採るのかを説明できる状態を目標にした。
応募20社、書類通過7社、最終面接まで進んだのが4社、内定2社。情報収集を始めてから内定まで約3か月かかっている。
年収の動き
IT・データの経験とAI活用推進担当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240万円の差になった。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 →