未経験からAI転職｜職種別に現実的な3つの踏み台ルートと準備手順

結論から言うと、未経験からAI関連職を狙うなら、いきなりAIエンジニア一本で勝負するより「今の職種でAIを使った実績」を先に作るほうが現実的です。

私は都内のメーカーで企画職をしていて、今のところ転職はしていません。ただ、周りでAI系の求人を見たり動いた人の話を聞いたりすると、現職の経験を捨てない人のほうが説明しやすそうです。この記事では、今の職種×AIで踏み台を作る転職ルートを整理します。

結論

AI転職で大事なのは、肩書きよりも「この人はAIを使って業務を前に進められる」と伝わる材料です。求人票の職種名だけを見るより、何を成果物として語れるかのほうが大きいと見ています。

未経験がいきなりAIエンジニアを狙う難しさ

AIエンジニア求人の多くは、名前より中身が重いです。
機械学習、Python、クラウド、データ基盤、モデル評価、API実装など、複数領域の実務経験を求められることがあります。

もちろん学習して挑戦する道はあります。ただし、短期間で「未経験からAIエンジニア一本勝負」にすると、応募できる求人が極端に少なくなりがちです。

現実的には、次のように考えるほうが成功確率を上げやすいです。

いきなり狙う職種	難しい理由	先に作る踏み台
AIエンジニア	開発・数学・データ経験を同時に見られる	Python自動化、社内データ整備
データサイエンティスト	分析設計と業務理解が必要	Excel/BI分析＋生成AI活用
AIプロダクト担当	企画だけでなく現場導入経験が必要	業務改善プロジェクトの実績

職種別：今の仕事を踏み台にするルート

営業・企画職なら「AI活用企画」へ寄せる

営業や企画の経験がある人は、顧客理解や資料化の力を捨てる必要はありません。
むしろ、生成AIで情報収集、提案書ドラフト、議事録整理、FAQ作成を効率化した経験は、AI活用人材として説明しやすい材料になります。私も企画職なので、ここは一番イメージしやすいです。AIそのものを作るより、AIを使って会議前の調査や資料の初稿を速くするほうが、まず仕事に直結しました。

作るべき成果は次のようなものです。

• 商談前リサーチをAIで標準化した手順書
• 提案書のたたき台作成プロンプト
• 顧客質問を分類したFAQテンプレート
• 週次レポート作成時間の削減例

事務・バックオフィスなら「業務自動化」へ寄せる

事務職や管理部門では、AI導入の入口が多いです。
メール文面、社内問い合わせ、規程検索、Excel集計、議事録、マニュアル作成など、日々の反復作業をAIで改善できます。

ここで大事なのは「便利だった」で終わらせないことです。
私も最初、議事録要約をAIで作って満足していた時期がありました。でも、あとから振り返ると、何分短くなったのか、どこを人が確認したのかを残しておらず、成果として説明しにくかったです。改善前後の手順、削減できた作業、確認フローを残すと、職務経歴書に書ける実績になります。

エンジニア・情シスなら「AI実装補助」へ寄せる

すでにIT経験があるなら、生成AIを使った開発効率化や社内向けツール作成が強い材料になります。

たとえば、次のような実績です。

• 社内ナレッジ検索のプロトタイプを作った
• 問い合わせログを分類するスクリプトを作った
• GitHub CopilotやCursorでコードレビュー時間を短縮した
• Azureやクラウド上で簡単なAI API連携を試した

実務で使ってみた立場からの判断基準

実務でAIツールを使うと、評価されるのは「ツールに詳しいこと」だけではありません。
むしろ、次の3点を見られます。

判断基準	見られるポイント	例
再現性	他の人も同じ手順で使えるか	プロンプトをテンプレ化した
安全性	情報漏えいや誤回答を防げるか	個人情報を入れないルールを作った
業務効果	時間・品質・抜け漏れに効いたか	レポート作成の下準備を短縮した

AIは出力が毎回少し変わるため、丸投げでは実務に載りません。
人間が確認する箇所、一次情報を見る箇所、使ってはいけないデータを決めて初めて「仕事で使える」と言えます。ここを言語化できる人は、未経験でもかなり印象が変わるはずです。

職務経歴書に書ける成果の作り方

職務経歴書では、AIツール名の羅列よりも、業務課題から成果までの流れを見せたいところです。
次の型で整理すると書きやすくなります。

1. 課題：何に時間がかかっていたか
2. 工夫：どのAIツールをどう使ったか
3. 安全策：確認・修正・情報管理をどうしたか
4. 結果：作業時間、品質、属人化のどれが改善したか

例としては、次のように書けます。

悪い書き方	良い書き方
ChatGPTを業務で使いました	顧客向けFAQの下書き作成に生成AIを活用し、担当者レビュー前の論点整理を標準化
AIで資料を作りました	週次報告の構成案をテンプレート化し、作成前の情報整理時間を短縮
Copilotを使えます	コード修正案の比較とテスト観点洗い出しに活用し、レビュー前の確認項目を明文化

数値を書く場合は、盛らないことが大切です。
「体感で半分」ではなく、「30分かかっていた下準備が15〜20分程度になった」など、説明できる範囲に留めましょう。

応募前にやることチェックリスト

応募前にやるべきことは、資格を増やすことだけではありません。
求人票と自分の経験を照らし合わせ、足りない材料を小さく作ることです。

• 気になる求人を10件集める
• 必須要件と歓迎要件を表に分ける
• 共通して出る言葉を3〜5個に絞る
• その言葉に対応する小さな成果を作る
• 職務経歴書をAI活用実績中心に書き換える

たとえば「業務改善」「データ分析」「生成AI活用」が多いなら、現職で小さな改善プロジェクトを作れないか考えます。
社外秘データを使わず、ダミーデータや公開情報で再現できる形にしておくと、面接でも説明しやすくなります。

転職エージェントに聞くべき質問

AI関連求人は、職種名だけでは実態が分かりません。
「AIコンサル」「AIエンジニア」「DX推進」と書かれていても、営業寄り、開発寄り、社内調整寄りで求められる経験は大きく違います。

相談時は、次を確認してください。

• 未経験可の「未経験」は、業界未経験か職種未経験か
• 実際に使うAIツールや開発環境は何か
• 入社後に教育・OJTがあるか
• 求められる成果物は企画書、分析、実装のどれか
• 年収相場は求人票上でどう書かれているか

私ならこう準備します

未経験からAI関連職へ移るなら、最初から肩書きだけで勝負しないほうが現実的です。私なら、今の会社にいながら小さなAI活用の実績を作り、それを職務経歴書に変換できる形で残します。

転職するかどうかは人それぞれですが、今の職種でAIを使い、業務改善の小さな実績を作る流れは、社内評価にも転職準備にも使いやすいはずです。

• AIエンジニア一本勝負より、現職×AIで踏み台を作る
• 成果は「ツールを使った」ではなく「業務がどう変わった」で書く
• 求人票の必須要件を分解し、応募前に不足経験を補う