データ・AI/機械学習エンジニア → 生成AI・LLMプロダクト
データ分析支援企業のMLエンジニア → 大手Web企業のAIプロダクトエンジニア
34歳/820万円 → 1150万円(+330万円)
| 転職前 | データ分析支援企業/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 | 34歳/前職8年 |
| 年収 | 820万円 → 1150万円(+330万円) |
| 転職のきっかけ | 会社・事業の将来性 |
| 選考の論点 | 成果を数字で語れない |
| 効いた進め方 | 手を動かした証拠を用意した/不足している知識を先に埋めた |
| 選考の状況 | 応募29社・書類通過12社・内定2社/約5か月 |
転職前の状況
データ分析支援企業で8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
業界全体が縮小に向かっていることは社内でも共有されていた。ただ、具体的な手が打たれる気配はなく、待つ理由が見つからなかった。
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
直近で自分が書いたコードと設計資料を、公開できる形に整理した。量ではなく、判断の跡が読み取れる形にすることを優先した。
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29社、書類通過12社、最終面接まで進んだのが3社、内定2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
330万円の増加分の多くは、本人の評価というよりAI・SaaSの相場そのものの差だった。同じ経験でも、置く場所を変えるだけで水準が変わる。
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 →