AI・機械学習スタートアップのキャリアパス｜転職で押さえるべきポイント

生成AI・AI キャリアパス 更新日 2026/8/11

AI・機械学習を主業とするスタートアップへの転職は、技術的な関心から検討が始まることが多い領域です。ただし入社後のキャリアがどう進むかは、扱う技術よりも、その会社がどの事業モデルで収益を上げているかに強く影響されます。この記事では、上場しているAI企業の有価証券報告書と官公庁統計という、出典を明示できる材料だけを使って、この領域のキャリアの進み方と分岐点を整理します。2026年8月時点の公開情報にもとづきます。最新の募集要項は各社公式サイトをご確認ください。

事業モデルの違いがキャリアの中身を決める

AI領域のスタートアップは、外から見ると「AIの会社」としてひとくくりにされがちです。しかし収益の作り方で分けると、大きく二つの型に整理できます。

ひとつは、顧客ごとの課題に合わせてデータを預かり、モデルを設計・実装して納める受託・ソリューション型です。もうひとつは、自社でプロダクトを持ち、同じものを繰り返し提供するプロダクト型・SaaS型です。

この二つは、日々どこに時間を使うかが異なります。ソリューション型では、顧客のデータがそもそも学習に使える状態にあるかを確認する工程や、業務要件を技術要件に翻訳する工程の比重が大きくなります。プロダクト型では、機能の優先順位づけ、既存顧客の利用データにもとづく改善、運用中のモデルの精度維持といった作業が中心になります。

同じ「機械学習エンジニア」という求人タイトルでも、この二つでは数年後に手元に残る経験が変わります。求人票のタイトルだけで判断すると、入社後にずれが生じやすい構造があります。

有価証券報告書のセグメントに人員構成が表れている

この二つの事業が併存していることは、上場しているAI企業の開示資料で確認できます。両社とも、事業セグメントを分けたうえで、セグメントごとの従業員数を有価証券報告書に記載しています。

括弧内は臨時雇用者数の年間平均人員で、外数として記載されているものです。

ここから読み取れることが二つあります。

第一に、いずれの会社でも、ソリューション側の人員がプロダクト側を上回っています。PKSHA Technologyでは連結合計1,001名のうちAI Research & Solution事業が656名、エクサウィザーズでは連結合計624人のうちAIソリューションサービス事業が318人です。プロダクトを前面に打ち出している会社であっても、人数の重心が受託・ソリューション側にある場合があります。

第二に、どちらの事業にも一定規模の人員が配置されている点です。つまり同じ会社に入っても、配属されるセグメントによって仕事の性質が変わります。選考の途中で、自分がどちらの事業に紐づくポジションなのかを確認しておく価値があります。

入社後の標準的な進み方と、数年目に来る分岐

この領域では、入社直後から特定の顧客案件やプロダクトの一部機能を任される形が一般的です。組織規模が数百名程度であるため、職務の境界が大企業ほど明確ではありません。

一般的な進み方としては、まず担当範囲の実装と検証を回せる状態になり、次に案件やプロダクト単位での意思決定に関与し、その後にチームや事業の単位を持つ、という順序が見られます。

分岐が起きやすいのは、技術を深める方向と、事業側に軸足を移す方向のどちらを選ぶかという点です。前者はモデル設計や基盤技術の専門性を積む道、後者はプロダクトマネジメントや事業開発に近づく道です。組織の拡大局面では後者の担い手が不足しやすく、本人の意向とは別に事業側の役割を打診されることがあります。

もうひとつの分岐が、ソリューション側とプロダクト側の異動です。両方のセグメントを持つ会社では、社内での移動によって経験の幅を広げられる可能性があります。この点は、選考段階で人事に確認しておくと入社後の見通しが立てやすくなります。

統計が示す需給と、平均年収609.8万円の読み方

職種全体の水準は、厚生労働省が運営する職業情報提供サイト job tag で確認できます。「AIエンジニア」の項目には以下の数値が掲載されています。

比較のために、同じサイトの近接職種を並べます。「プログラマー」の有効求人倍率は0.94、「システムエンジニア（Webサービス開発）」は2.57です。AIエンジニアの2.25という数値は、募集側が人材を探している状態が続いていることを示しています。

ただし、この平均年収をそのまま自分の想定年収として使うのは適切ではありません。平均年齢が42.2歳である点に注意が要ります。前掲の2社の有価証券報告書では、提出会社の平均年齢はPKSHA Technologyが36.1歳、エクサウィザーズが34.9歳です。統計の母集団には大手メーカーや金融機関の研究開発部門が含まれており、スタートアップの年齢構成とは異なります。

勤続年数の短さを、そのまま離職率と読まない

有価証券報告書には、提出会社単体の平均勤続年数と平均年間給与も記載されています。

PKSHA Technologyの平均勤続年数1.5年という数値は、単独で見ると人の入れ替わりが激しい組織に見えます。ただし同社の有価証券報告書には、前事業年度末に比べ従業員数が246名増加した理由として子会社2社の吸収合併が挙げられ、平均勤続年数の算定において合併により増加した従業員は合併時点からの勤続年数を用いているため前事業年度に比べ短縮した旨が注記されています。平均年間給与についても、当該合併により増加した従業員を含めているため前事業年度に比べ減少したと記載されています。

つまりこの数字は、組織再編の結果として動いたものです。開示されている数値を読むときは、注記まで見ないと解釈を誤ります。

エクサウィザーズ側は、平均年間給与8,550千円について対前事業年度増減率5.3%と記載しています。こちらは増加方向です。同じ「AIスタートアップ」でも、数字の動く理由は会社ごとに異なります。

組織の状態によって求められる人材像が変わる

同じ会社でも、組織の拡大局面では採用の力点が移ります。エクサウィザーズの有価証券報告書には、スキルの多様性の確保に関する記載として、エンジニア比率を概ね50%程度とし、女性従業員及び外国籍エンジニアの比率向上に取り組んでいる旨が記されています。当事業年度において女性従業員比率は29.4%、外国籍エンジニア比率は40%前後を維持しているとされています。

働き方についても、対面コミュニケーションを通じたプロダクト・サービスの成長及びイノベーション促進を目的として、週3日程度の出社を基本としている旨が同報告書に記載されています。この種の方針は年度によって見直されることがあるため、応募時点の条件は募集要項で確認する必要があります。

PKSHA Technologyでは、連結の従業員数が前連結会計年度末に比べ318名増加した理由として、業容の拡大に伴う期中採用の増加と、株式会社サーキュレーションが子会社となったことが記載されています。採用による増加と、M&Aによる増加が混在している点は、組織の変化速度を見るうえで押さえておきたい情報です。

この領域を出るときの選択肢

キャリアパスを検討する際は、入り口だけでなく出口も見ておくと判断がしやすくなります。この領域で数年を過ごした後の進路には、いくつかの型が見られます。

事業会社のデータ組織へ移る道は、AI活用を内製化しようとする企業側の需要と接続します。ソリューション型で複数業界の案件を経験した人は、業務要件を技術要件に翻訳する経験が評価されやすくなります。

コンサルティングファームのデータ・アナリティクス部門へ移る道もあります。この場合、モデルを作る力よりも、経営課題からデータ活用の論点を切り出す力が問われます。

同じ領域の別フェーズの会社へ移る道も現実的です。プロダクト型で標準化された運用を経験した人が、より早い段階の会社で立ち上げを担うケースが見られます。

なお、この領域の職種別の情報は、AIエンジニアのキャリアパスや生成AI・AI業界でのキャリアの築き方でも整理しています。データ職の観点ではデータサイエンティストのキャリアパスも参考になります。

未経験・異業種から入るとき

この領域は、有効求人倍率の水準からも分かるとおり募集自体は動いています。ただし未経験からの参入は、職種によって難易度が分かれます。

モデル開発そのものを担うポジションは、実務での実装経験を求められることが一般的です。一方で、データ基盤の整備、プロダクトマネジメント、カスタマーサクセスといった周辺の職務では、前職の業務知識が評価される場合があります。特にソリューション型の事業では、顧客業界の実務を理解している人材の需要があります。

入り方としては、現職でデータを扱う業務に関与し、そこでの実績を職務経歴書に落とし込むという順序が現実的です。扱ったデータの規模、関与した工程、意思決定にどう使われたかを書けるかどうかで、書類の通過率は変わります。

まとめ

AI・機械学習スタートアップのキャリアは、技術領域よりも事業モデルに規定されます。上場企業の有価証券報告書では、ソリューション型とプロダクト型がセグメントとして分けて開示されており、人員の重心はソリューション側にあることが確認できます。

官公庁統計が示す有効求人倍率2.25という水準は、募集が動いていることを示しています。一方で平均年収609.8万円は平均年齢42.2歳の集団の値であり、スタートアップの年齢構成とは異なります。開示されている勤続年数や給与の増減も、組織再編などの背景を注記まで読んで解釈する必要があります。

検討にあたっては、配属されるセグメント、組織の拡大要因、出口の選択肢の3点を早い段階で確認しておくことをおすすめします。

よくある質問

Q. AIスタートアップに移ると年収は上がりますか。

一律には言えません。職業情報提供サイト job tag の「AIエンジニア」の平均年収は609.8万円ですが、これは平均年齢42.2歳の集団の平均値です。前掲の上場2社では提出会社の平均年間給与が8,550千円から9,228千円の水準で開示されており、統計値とは差があります。個別の提示額は、担当する工程と職位で決まる部分が大きく、事前に一律の見込みを置くことは難しいのが実情です。

Q. 受託・ソリューション型とプロダクト型は、どちらを選ぶべきですか。

目的によって変わります。複数業界の課題に触れて要件定義の経験を積みたい場合はソリューション型、同じプロダクトを長期に改善する経験を積みたい場合はプロダクト型が近くなります。両方のセグメントを持つ会社であれば、社内異動の可否を選考時に確認しておくと選択肢が広がります。

Q. 機械学習の実務経験がなくても応募できますか。

ポジションによります。モデル開発を担う職務では実装経験を求められることが一般的とされています。一方でデータ基盤、プロダクトマネジメント、顧客側の業務知識が効く職務では、前職の経験が評価される場合があります。募集要項の必須要件と歓迎要件の書き分けを確認してください。