[{"data":1,"prerenderedAt":394},["ShallowReactive",2],{"article:\u002Fai\u002Fengineer-job-types":3,"surround:\u002Fai\u002Fengineer-job-types":380,"related:ai:\u002Fai\u002Fengineer-job-types":391},{"id":4,"title":5,"affiliate_services":6,"author":7,"body":8,"category":358,"description":359,"extension":360,"image":361,"intents":362,"is_pr":364,"meta":365,"navigation":366,"path":367,"persona":368,"priority":369,"published_at":370,"review_status":371,"search_intent":372,"seo":373,"stem":374,"tags":375,"target_keyword":378,"updated_at":370,"__hash__":379},"articles\u002Fai\u002Fengineer-job-types.md","AIエンジニア・データサイエンティスト・機械学習エンジニアの違い",[],"nishida",{"type":9,"value":10,"toc":344},"minimark",[11,15,23,26,46,49,54,60,65,68,88,91,95,98,115,121,125,128,145,151,155,158,175,178,181,184,228,234,237,240,294,301,309,312,315,318,321,334,337,341],[12,13,14],"p",{},"AI関連の求人を見ていると、「AIエンジニア」「機械学習エンジニア」「データサイエンティスト」「MLOpsエンジニア」「データエンジニア」といった職種名が並びます。",[12,16,17,18,22],{},"問題は、",[19,20,21],"strong",{},"これらの名前が会社によって違う意味で使われている","ことです。同じ「AIエンジニア」でも、片方は論文を読んでモデルを設計し、もう片方は既存APIをアプリに組み込んでいます。名前で判断すると応募先を間違えます。",[12,24,25],{},"この記事では、名前ではなく「実際に何をするか」で分類します。",[27,28,30],"callout",{"type":29},"summary",[31,32,33,37,40,43],"ul",{},[34,35,36],"li",{},"職種名は会社ごとにばらつく。求人票は名前ではなく業務内容と必須要件で読む",[34,38,39],{},"大きくは「作る」「組み込む」「支える」「使いどころを決める」の4つに分かれる",[34,41,42],{},"一般的なWeb・業務システム系エンジニアから近いのは「組み込む」「支える」",[34,44,45],{},"どれを目指すかは、興味より「いまの経験のどこが接続できるか」で決めるほうが速い",[47,48],"article-toc",{},[50,51,53],"h2",{"id":52},"_4つの役割で整理する","4つの役割で整理する",[55,56],"breakdown",{":items":57,"caption":58,"source":59},"[{\"label\":\"作る\",\"note\":\"機械学習エンジニア\",\"detail\":\"数学・統計の素養が要る。Web開発からは最も遠い\"},{\"label\":\"組み込む\",\"note\":\"AIエンジニア\",\"detail\":\"Web系エンジニアから最も近い。やることの大半は従来の開発と同じ\"},{\"label\":\"支える\",\"note\":\"データエンジニア \u002F MLOps\",\"detail\":\"インフラ・SRE経験が効く。運用設計の力が中心\"},{\"label\":\"決める\",\"note\":\"データサイエンティスト\",\"detail\":\"業務理解と説明能力の比重が高い\"}]","職種名ではなく「何をするか」で分けたもの","AI関連の仕事",[61,62,64],"h3",{"id":63},"_1-モデルを作る機械学習エンジニア-リサーチャー寄り","1. モデルを作る（機械学習エンジニア \u002F リサーチャー寄り）",[12,66,67],{},"機械学習モデルの設計、学習、評価、改善を行う役割です。",[31,69,70,76,82],{},[34,71,72,75],{},[19,73,74],{},"中心にある問い",": この課題は、どういうモデルで解くのが妥当か",[34,77,78,81],{},[19,79,80],{},"必要になりやすいもの",": 数学・統計の素養、論文を読む力、実験設計",[34,83,84,87],{},[19,85,86],{},"近い経歴",": 研究職、データ分析の実務、機械学習の業務経験",[12,89,90],{},"Web開発の経験からもっとも遠い領域です。転向する場合、時間がかかります。",[61,92,94],{"id":93},"_2-aiを組み込むaiエンジニア-アプリケーション寄り","2. AIを組み込む（AIエンジニア \u002F アプリケーション寄り）",[12,96,97],{},"既存のモデルやAPIを、動くプロダクトに統合する役割です。生成AIの普及で、この領域の求人が増えています。",[31,99,100,105,110],{},[34,101,102,104],{},[19,103,74],{},": これを本番で動くものにするには、どう作ればよいか",[34,106,107,109],{},[19,108,80],{},": アプリケーション開発の実務、API連携、エラー処理と再試行の設計、コスト管理",[34,111,112,114],{},[19,113,86],{},": Webアプリケーション開発、バックエンド開発",[12,116,117,120],{},[19,118,119],{},"Web系エンジニアからもっとも近い領域","です。やっていることの大半は、これまでの開発と変わりません。",[61,122,124],{"id":123},"_3-基盤を支えるデータエンジニア-mlops","3. 基盤を支える（データエンジニア \u002F MLOps）",[12,126,127],{},"データの収集・整備・供給、学習環境や推論基盤の構築と運用を行う役割です。",[31,129,130,135,140],{},[34,131,132,134],{},[19,133,74],{},": 継続的に動き、壊れたら直せる状態をどう作るか",[34,136,137,139],{},[19,138,80],{},": データパイプライン、クラウド、CI\u002FCD、監視",[34,141,142,144],{},[19,143,86],{},": インフラ、SRE、バックエンド、データベース設計",[12,146,147,150],{},[19,148,149],{},"インフラ・SRE経験者から近い領域","です。AI固有の知識より、運用設計の経験が効きます。",[61,152,154],{"id":153},"_4-使いどころを決めるデータサイエンティスト-aiコンサル寄り","4. 使いどころを決める（データサイエンティスト \u002F AIコンサル寄り）",[12,156,157],{},"業務課題を分析し、データやAIで解ける形に落とす役割です。",[31,159,160,165,170],{},[34,161,162,164],{},[19,163,74],{},": そもそもこれは、AIで解くべき課題なのか",[34,166,167,169],{},[19,168,80],{},": 統計的な分析、業務理解、説明して合意を作る力",[34,171,172,174],{},[19,173,86],{},": 業務システム開発、データ分析、コンサルティング",[12,176,177],{},"技術力より、業務ドメインの知識と説明能力が問われる比重が高くなります。",[50,179,180],{"id":180},"求人票での見分け方",[12,182,183],{},"職種名が当てにならない以上、次の3か所で判別します。",[185,186,187,200],"table",{},[188,189,190],"thead",{},[191,192,193,197],"tr",{},[194,195,196],"th",{},"見る場所",[194,198,199],{},"判別のポイント",[201,202,203,212,220],"tbody",{},[191,204,205,209],{},[206,207,208],"td",{},"必須要件",[206,210,211],{},"数学・統計が明記されていれば「作る」寄り。クラウドやCI\u002FCDが並べば「支える」寄り",[191,213,214,217],{},[206,215,216],{},"業務内容の動詞",[206,218,219],{},"「設計・実験・評価」なら作る側。「実装・統合・運用」なら組み込む\u002F支える側",[191,221,222,225],{},[206,223,224],{},"チーム構成",[206,226,227],{},"専門チームがあるのか、開発チームの中の一機能なのか",[27,229,231],{"type":230},"note",[12,232,233],{},"「AI活用」とだけ書かれていて、上のどれにも当てはまらない求人があります。この場合、社内でまだ役割が固まっていない可能性があります。悪いとは限りませんが、入社後に何をするのかを面接で具体的に確認してください。",[50,235,236],{"id":236},"どれを目指すか",[12,238,239],{},"興味で選ぶより、「いまの経験のどこが接続できるか」で選ぶほうが、転職としては速く進みます。",[185,241,242,252],{},[188,243,244],{},[191,245,246,249],{},[194,247,248],{},"現職",[194,250,251],{},"接続しやすい役割",[201,253,254,262,270,278,286],{},[191,255,256,259],{},[206,257,258],{},"Webアプリケーション開発",[206,260,261],{},"2. 組み込む",[191,263,264,267],{},[206,265,266],{},"バックエンド・API開発",[206,268,269],{},"2. 組み込む \u002F 3. 支える",[191,271,272,275],{},[206,273,274],{},"インフラ・SRE",[206,276,277],{},"3. 支える",[191,279,280,283],{},[206,281,282],{},"業務システム・SIer",[206,284,285],{},"4. 使いどころを決める",[191,287,288,291],{},[206,289,290],{},"データベース・集計基盤",[206,292,293],{},"3. 支える \u002F 4. 使いどころを決める",[12,295,296,297,300],{},"これは「そこしか行けない」という意味ではありません。",[19,298,299],{},"最初の一歩として通りやすい経路","という意味です。入ってから領域を広げるほうが、外から一足飛びに狙うより現実的です。",[302,303,306],"cta",{"label":304,"to":305},"AI人材への転職の進め方を見る","\u002Fjob-change\u002Fai-engineer",[12,307,308],{},"狙う役割が決まったら、そこへ移るための具体的な経路と、評価される経験を整理しています。",[50,310,311],{"id":311},"職種名にこだわりすぎないこと",[12,313,314],{},"最後に、実務の感覚として一つ。",[12,316,317],{},"職種名は数年単位で変わります。数年前に一般的だった呼び方が、いまは別の名前になっていることがあります。名前を追いかけると、そのたびに振り回されます。",[12,319,320],{},"追いかける価値があるのは、名前ではなく次の2つです。",[31,322,323,329],{},[34,324,325,328],{},[19,326,327],{},"自分がどの問いを担当したいか","（作るのか、動かすのか、決めるのか）",[34,330,331],{},[19,332,333],{},"その問いに答えるために、何を積んでいるか",[12,335,336],{},"これが決まっていれば、職種名が変わっても経歴の説明は変わりません。",[338,339],"faq",{":items":340},"[{\"q\":\"データサイエンティストとデータアナリストは違いますか？\",\"a\":\"一般にはアナリストが既存データの分析と可視化を中心とし、データサイエンティストはモデル構築まで含むことが多いとされます。ただしこれも会社によって定義が異なるため、求人ごとに業務内容を確認してください。\"},{\"q\":\"生成AIを使った開発は、どの役割になりますか？\",\"a\":\"多くは「2. 組み込む」に入ります。既存のモデルやAPIを使って、プロダクトとして成立させる仕事だからです。\"},{\"q\":\"資格を取れば職種を変えられますか？\",\"a\":\"応募要件を満たす目的では意味がありますが、それだけで役割が変わることは期待しにくいのが実態です。実務での適用経験のほうが評価されます。\"}]",[342,343],"related-articles",{},{"title":345,"searchDepth":346,"depth":346,"links":347},"",3,[348,355,356,357],{"id":52,"depth":349,"text":53,"children":350},2,[351,352,353,354],{"id":63,"depth":346,"text":64},{"id":93,"depth":346,"text":94},{"id":123,"depth":346,"text":124},{"id":153,"depth":346,"text":154},{"id":180,"depth":349,"text":180},{"id":236,"depth":349,"text":236},{"id":311,"depth":349,"text":311},"ai","AI関連の職種は求人票では区別が曖昧なまま使われています。それぞれが実際に何をする仕事なのか、必要な経験がどう違うのかを、転職の判断に使える形で整理します。","md",null,[363],"ai-anxiety",false,{},true,"\u002Fai\u002Fengineer-job-types","25〜40歳のITエンジニア。Web開発・業務システム・インフラなどの経験がある。AI関連への移動を検討し始めたが、職種の違いが整理できていない。",60,"2026-08-16","published","AI関連の職種名が複数あって違いが分からない。自分の経験ならどれが近いのか、どれを目指すべきかを判断したい。",{"title":5,"description":359},"ai\u002Fengineer-job-types",[376,377],"AI","職種","AIエンジニア データサイエンティスト 違い","ERD6_0PHT0WCpbm3nwEIpNTx8psyuUW2xlcx96lE5Mc",[381,386],{"title":382,"path":383,"stem":384,"description":385,"category":358,"children":-1},"「AI活用」と書かれた求人票の読み方｜入社後の落差を防ぐ確認項目","\u002Fai\u002Fai-job-posting","ai\u002Fai-job-posting","求人票の「AI活用」「生成AI導入」は実態の幅が非常に広く、入社後の落差の原因になります。求人票のどこを見れば実態が分かるか、面接で何を聞くべきかを整理します。",{"title":387,"path":388,"stem":389,"description":390,"category":358,"children":-1},"生成AIで、エンジニアの市場価値はどう変わるのか","\u002Fai\u002Fengineer-market-value","ai\u002Fengineer-market-value","生成AIによってエンジニアの仕事のうち何が置き換わり、何が残るのか。実装力の相対価値の変化と、これから評価される能力を、キャリア判断の観点から整理します。",[392,393],{"path":388,"title":387,"description":390,"category":358,"updated_at":370},{"path":383,"title":382,"description":385,"category":358,"updated_at":370},1786865828790]