採用ご担当者さまはこちら

採用支援サービス

スカウト代行OfferBox運用代行Green運用代行長期インターン採用（Infra） 採用のご相談・お問い合わせ →
ご相談はこちら

求人を探す

中途採用の求人新卒・インターンの求人

採用ご担当者の方へ

スカウト代行OfferBox運用代行Green運用代行長期インターン採用（Infra） 採用のご相談・お問い合わせ
ご相談はこちら 採用ご担当者さまはこちら

データ・AI

機械学習エンジニア → 生成AI・LLMプロダクト

経験者がほとんどいない領域なので、隣接する経験と、自分で試した量が判断材料になる。動くものを作った履歴が最も強い。

生成AI関連のポジションに移るには何が必要ですか。

この移動の事例を25件掲載しています。 この25件の中で選考の論点になっていたのは、 「成果を数字で語れない」、「見せられる成果物がない」、「使ってきた技術が古い」。 年収は25件すべてで上がっています。

※ 市場全体の統計ではなく、この事例集に収録した25件の内訳です。

このパターンでよくある壁

  • 成果を数字で語れない11件
  • 見せられる成果物がない8件
  • 使ってきた技術が古い6件

効いた進め方

  • 手を動かした証拠を用意した17件
  • 不足している知識を先に埋めた17件
  • 副業・個人開発で実績を作った16件

事例25件

  1. CASE 01 データ分析支援企業のバックエンドエンジニア → 上場SaaS企業のMLエンジニア 41歳／700万円 → 810万円（+110万円） IT・データのバックエンドエンジニアからMLエンジニアへ。選考の論点は「見せられる成果物がない」。手を動かした証拠を用意したことで前に進んだケース。 40代 700〜900万円 市場価値が上がっていない感覚
  2. CASE 02 大手Web企業のバックエンドエンジニア → 大手Web企業のLLMエンジニア 36歳／720万円 → 1090万円（+370万円） IT・データのバックエンドエンジニアからLLMエンジニアへ。選考の論点は「成果を数字で語れない」。不足している知識を先に埋めたことで前に進んだケース。 30代 900〜1200万円 意思決定の遅さ
  3. CASE 03 上場SaaS企業のデータサイエンティスト → シリーズAのスタートアップのLLMエンジニア 30歳／760万円 → 1010万円（+250万円） IT・データのデータサイエンティストからLLMエンジニアへ。選考の論点は「成果を数字で語れない」。不足している知識を先に埋めたことで前に進んだケース。 30代 900〜1200万円 会社・事業の将来性
  4. CASE 04 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） IT・データのMLエンジニアからLLMエンジニアへ。選考の論点は「成果を数字で語れない」。不足している知識を先に埋めたことで前に進んだケース。 20代 900〜1200万円 意思決定の遅さ
  5. CASE 05 データ分析支援企業のデータサイエンティスト → シリーズBのAIスタートアップのLLMエンジニア 27歳／800万円 → 1030万円（+230万円） IT・データのデータサイエンティストからLLMエンジニアへ。選考の論点は「使ってきた技術が古い」。手を動かした証拠を用意したことで前に進んだケース。 20代 900〜1200万円 意思決定の遅さ
  6. CASE 06 AI開発企業のバックエンドエンジニア → シリーズBのAIスタートアップのLLMエンジニア 26歳／960万円 → 1360万円（+400万円） IT・データのバックエンドエンジニアからLLMエンジニアへ。選考の論点は「成果を数字で語れない」。副業・個人開発で実績を作ったことで前に進んだケース。 20代 1200万円〜 意思決定の遅さ
  7. CASE 07 大手Web企業の機械学習エンジニア → 大手Web企業のAIプロダクトエンジニア 25歳／850万円 → 920万円（+70万円） IT・データの機械学習エンジニアからAIプロダクトエンジニアへ。選考の論点は「見せられる成果物がない」。副業・個人開発で実績を作ったことで前に進んだケース。 20代 900〜1200万円 会社・事業の将来性
  8. CASE 08 AI開発企業のMLエンジニア → シリーズBのAIスタートアップのAI活用推進担当 39歳／760万円 → 1130万円（+370万円） IT・データのMLエンジニアからAI活用推進担当へ。選考の論点は「成果を数字で語れない」。副業・個人開発で実績を作ったことで前に進んだケース。 30代 900〜1200万円 会社・事業の将来性
  9. CASE 09 大手Web企業の機械学習エンジニア → シリーズAのスタートアップのMLエンジニア 30歳／1000万円 → 1150万円（+150万円） IT・データの機械学習エンジニアからMLエンジニアへ。選考の論点は「成果を数字で語れない」。不足している知識を先に埋めたことで前に進んだケース。 30代 900〜1200万円 市場価値が上がっていない感覚
  10. CASE 10 大手Web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 35歳／960万円 → 1190万円（+230万円） IT・データのMLエンジニアからAIプロダクトエンジニアへ。選考の論点は「使ってきた技術が古い」。不足している知識を先に埋めたことで前に進んだケース。 30代 900〜1200万円 市場価値が上がっていない感覚
  11. CASE 11 大手Web企業のMLエンジニア → 上場SaaS企業のAI活用推進担当 35歳／790万円 → 860万円（+70万円） IT・データのMLエンジニアからAI活用推進担当へ。選考の論点は「見せられる成果物がない」。不足している知識を先に埋めたことで前に進んだケース。 30代 700〜900万円 市場価値が上がっていない感覚
  12. CASE 12 データ分析支援企業のデータサイエンティスト → 大手Web企業のAI活用推進担当 33歳／730万円 → 900万円（+170万円） IT・データのデータサイエンティストからAI活用推進担当へ。選考の論点は「成果を数字で語れない」。手を動かした証拠を用意したことで前に進んだケース。 30代 900〜1200万円 意思決定の遅さ
  13. CASE 13 AI開発企業の機械学習エンジニア → シリーズAのスタートアップのLLMエンジニア 26歳／840万円 → 1160万円（+320万円） IT・データの機械学習エンジニアからLLMエンジニアへ。選考の論点は「使ってきた技術が古い」。不足している知識を先に埋めたことで前に進んだケース。 20代 900〜1200万円 会社・事業の将来性
  14. CASE 14 上場SaaS企業のバックエンドエンジニア → 大手Web企業のLLMエンジニア 35歳／660万円 → 870万円（+210万円） IT・データのバックエンドエンジニアからLLMエンジニアへ。選考の論点は「成果を数字で語れない」。副業・個人開発で実績を作ったことで前に進んだケース。 30代 700〜900万円 意思決定の遅さ
  15. CASE 15 大手Web企業のバックエンドエンジニア → シリーズAのスタートアップのMLエンジニア 26歳／780万円 → 1100万円（+320万円） IT・データのバックエンドエンジニアからMLエンジニアへ。選考の論点は「成果を数字で語れない」。副業・個人開発で実績を作ったことで前に進んだケース。 20代 900〜1200万円 市場価値が上がっていない感覚
  16. CASE 16 AI開発企業のバックエンドエンジニア → シリーズAのスタートアップのLLMエンジニア 36歳／740万円 → 1090万円（+350万円） IT・データのバックエンドエンジニアからLLMエンジニアへ。選考の論点は「見せられる成果物がない」。手を動かした証拠を用意したことで前に進んだケース。 30代 900〜1200万円 意思決定の遅さ
  17. CASE 17 データ分析支援企業のデータサイエンティスト → 上場SaaS企業のLLMエンジニア 42歳／650万円 → 890万円（+240万円） IT・データのデータサイエンティストからLLMエンジニアへ。選考の論点は「見せられる成果物がない」。手を動かした証拠を用意したことで前に進んだケース。 40代 700〜900万円 意思決定の遅さ
  18. CASE 18 大手Web企業の機械学習エンジニア → シリーズAのスタートアップのLLMエンジニア 27歳／660万円 → 1020万円（+360万円） IT・データの機械学習エンジニアからLLMエンジニアへ。選考の論点は「成果を数字で語れない」。副業・個人開発で実績を作ったことで前に進んだケース。 20代 900〜1200万円 会社・事業の将来性
  19. CASE 19 大手Web企業のデータサイエンティスト → シリーズAのスタートアップのLLMエンジニア 25歳／560万円 → 640万円（+80万円） IT・データのデータサイエンティストからLLMエンジニアへ。選考の論点は「見せられる成果物がない」。不足している知識を先に埋めたことで前に進んだケース。 20代 500〜700万円 市場価値が上がっていない感覚
  20. CASE 20 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） IT・データのMLエンジニアからAIプロダクトエンジニアへ。選考の論点は「使ってきた技術が古い」。副業・個人開発で実績を作ったことで前に進んだケース。 20代 900〜1200万円 意思決定の遅さ
  21. CASE 21 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） IT・データの機械学習エンジニアからAI活用推進担当へ。選考の論点は「使ってきた技術が古い」。副業・個人開発で実績を作ったことで前に進んだケース。 20代 900〜1200万円 意思決定の遅さ
  22. CASE 22 大手Web企業の機械学習エンジニア → 大手Web企業のAIプロダクトエンジニア 26歳／970万円 → 1310万円（+340万円） IT・データの機械学習エンジニアからAIプロダクトエンジニアへ。選考の論点は「使ってきた技術が古い」。副業・個人開発で実績を作ったことで前に進んだケース。 20代 1200万円〜 会社・事業の将来性
  23. CASE 23 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） IT・データのMLエンジニアからAIプロダクトエンジニアへ。選考の論点は「成果を数字で語れない」。手を動かした証拠を用意したことで前に進んだケース。 30代 900〜1200万円 会社・事業の将来性
  24. CASE 24 上場SaaS企業のデータサイエンティスト → シリーズAのスタートアップのAIプロダクトエンジニア 40歳／730万円 → 900万円（+170万円） IT・データのデータサイエンティストからAIプロダクトエンジニアへ。選考の論点は「見せられる成果物がない」。副業・個人開発で実績を作ったことで前に進んだケース。 40代 900〜1200万円 意思決定の遅さ
  25. CASE 25 データ分析支援企業のMLエンジニア → 大手Web企業のMLエンジニア 34歳／840万円 → 1140万円（+300万円） IT・データのMLエンジニアからMLエンジニアへ。選考の論点は「見せられる成果物がない」。不足している知識を先に埋めたことで前に進んだケース。 30代 900〜1200万円 意思決定の遅さ

近いパターン

このパターンで動くか迷っているとき

同じ移動でも、年齢・時期・応募先のフェーズで進み方は変わります。 いまの経歴でどこまで通るのかを確かめたい方は、キャリア相談をご利用ください。求人が決まっていない段階でも構いません。

キャリア相談について見る →

この領域の解説記事は キャリアメディア、 事例の絞り込みは 事例をしぼり込む から。