この記事は、こんな気持ちを抱えている方に向けて書きました。
- 今の収入だけに頼り続けるのは少し不安で、もう1つの柱を持ちたい
- AI副業に興味はあるけれど、自分にできる仕事があるのか分からない
- AIスキルを身につけて、副業や転職の選択肢を増やしたい
- 今の仕事でもAIを使えるようになりたいが、何から試せばいいか迷っている
ひとつでも当てはまるなら、この地図を一緒に見てほしいと思います。AI副業と検索すると、ライティング、画像・動画制作、業務自動化、チャットボット、AIエージェント開発と、選択肢が一気に出てきます。けれど、始める前から「自分に何が売れるのか」「どこまで学べば仕事になるのか」が分かっている人は、ほとんどいません。
私自身も、法人営業から未経験でエンジニアへ移ったとき、最初から進む道が見えていたわけではありませんでした。この記事では、副業案件と正社員求人を別の物差しで読み、あなたの現在地から次に作る小さなPoCを選べるようにします。副業か転職かを、ここで決める必要はありません。まずは、AIでどんな課題を解けるようになると仕事の選択肢が広がるのかを整理していきましょう。
ひと目で分かる生成AI案件・求人マップ｜まず指標の違いを押さえる
📖 この章で使う用語
- 掲載在庫：検索結果に表示された案件の蓄積です。店頭の在庫数とは違い、募集終了や同じ案件の重なりを含む可能性があります。
- 提示年収：求人票に書かれた給与の上限と下限から算出された値です。採用後に実際に支払われる年収とは同じではありません。
- PoC：概念実証（Proof of Concept）の略です。本番開発の前に「小さく作って、使えるか確かめる試作品」を指します。
この地図には、副業案件、正社員求人、次に作るPoCの3つがあります。ただし、副業案件の掲載件数と正社員求人の割合・提示年収は、対象も単位も異なるため合算も順位付けもできません。
たとえるなら、商店の「商品数」と会社員の「給与」を比べるようなものです。どちらも仕事選びの材料ですが、同じ物差しでは測れません。
そして、もうひとつ先に伝えたいことがあります。AI開発の専門案件だけを見て「少ない」と落胆する必要はない、ということです。AIで作業効率が上がる裾野のカテゴリまで広げると、入口は一気に大きくなります。
| 入口の段階 | カテゴリの例（ランサーズ掲載在庫） | 規模感 |
|---|---|---|
| ① 今日から狙える裾野 | ライティング 933,244件／データ作成 296,312件／動画編集 56,436件 | 数万〜数十万件 |
| ② AI活用で差がつく専門 | ChatGPT開発 670件／AIチャットボット 472件 | 数百件 |
| ③ 実装の最前線 | AI自動化・エージェント開発 82件 | 数十件（参入者も少ない） |
掲載在庫は募集終了・重複を含む表示件数（①取得：2026-07-15、②③取得：2026-07-14）。規模の桁の違いだけを読み取ってください。全27レコードの観測値と出典はデータ正典ページで公開しています。
転職側も同じです。厚生労働省 job tag の有効求人倍率で見ると、システムエンジニア（Web）は2.57倍（求職者1人に求人2.57件）、ヘルプデスク（IT）は1.79倍と入口が広い一方、Webデザイナーは0.12倍の狭き門です。どの土俵を選ぶかで、同じ努力でも難易度が桁で変わります。職業別の年収と倍率も正典ページに一覧があります。
数字を見る順番は、次のとおりです。
- 副業を考えるなら、まず①の裾野で「AIで速く・正確に納品する」実績を作り、②③へ上がる
- 転職を考えるなら、提示年収より先に「有効求人倍率＝入口の広さ」と「求める経験」を見る
- どちらへ進む場合も、今の仕事に近い小さなPoCで不足を確かめる
RAGやエージェントの仕組みがまだ曖昧なら、先にRAGが回答を作る流れとAIエージェントを小さく作る手順を読むと、この地図の技術側をつかみやすくなります。
副業案件の在庫を見る｜ランサーズの件数と仕事内容
📖 この章で使う用語
- 固定報酬：成果物の完成に対して報酬が決まる契約です。作業時間が増えても、報酬が同じ場合があります。
- 業務自動化：人が繰り返している作業の一部を、プログラムやAIへ移すことです。会社の手順書を小さな仕組みに置き換えるイメージです。
- チャットボット：入力された質問へ会話形式で応答する仕組みです。社内FAQや問い合わせ窓口などに使われます。
先にお伝えすると、この章のAI開発カテゴリは「今日の応募先」ではなく、裾野で実績を作った人が次に進む先です。件数が小さいのは市場がないからではなく、実装できる人がまだ少ないから——早く準備した人から選ばれる領域だと読んでください。
2026年7月14日にランサーズの公開カテゴリで確認した掲載在庫は、ChatGPT開発670件、AIチャットボット開発472件、AI自動化・エージェント開発82件、AI画像・動画生成活用支援41件でした。これは募集終了を含む検索結果の表示件数で、現在募集中のユニーク案件数でも成約件数でもありません。
検索語間で同じ案件が重なる可能性があり、同一案件の再掲載や検索条件による変動も考えられます。そのため、4つの件数は合計せず、取得日のスナップショットとして個別に読みます。
| ランサーズの公開カテゴリ | 掲載在庫 | 仕事内容を見るときの焦点 |
|---|---|---|
| ChatGPT開発 | 670件 | 納品物が文章作業か、既存業務へ組み込む開発か |
| AIチャットボット開発 | 472件 | 社内FAQ、RAG、外部サービス連携のどこまでを含むか |
| AI自動化・エージェント開発 | 82件 | 要件整理、権限、例外処理、納品後の運用を含むか |
| AI画像・動画生成活用支援 | 41件 | 生成だけか、編集・修正・納品仕様までを求めるか |
出典：ランサーズの各公開カテゴリ（取得：2026-07-14）。件数は募集終了を含む掲載在庫で、カテゴリ間の重複を除いていません。現在募集中の案件数、成約件数、市場総数を示すものではありません。
「生成AI」という言葉だけでは仕事内容を分けられません。文章の下書きと、社内データを参照するチャットボットの開発では、納品物、必要な確認、運用後の責任が違います。
カテゴリの掲載在庫から平均単価や中央値は作っていません。税、手数料、作業時間、契約条件がそろわないまま独自平均や時給を出すと、読者の判断をかえって誤らせるためです。
案件ページを見るときは、次の5点を確認すると仕事内容が見えやすくなります。
- 何を納品するのか
- どのデータを扱うのか
- 既存の業務やサービスと接続するのか
- 誰が出力を確認するのか
- 納品後の修正や運用を含むのか
私が業務でRAGやAIエージェントを扱うときも、モデル名より先に、入力、権限、失敗時の処理、確認する人を決めます。AIエージェントと外部ツールをつなぐ場合の考え方は、MCPで権限と接続先を分ける設計でも整理しています。
正社員求人の傾向を見る｜求人割合と求人票給与を分けて読む
📖 この章で使う用語
- AI関連求人割合：調査対象のIT求人のうち、求人タイトルにAI関連語を含む求人の割合です。AIを使うすべての仕事を数えた値ではありません。
- 平均提示年収：求人票の年収上限と下限の中間値を求め、対象求人で平均した値です。働いている人の実支給額ではありません。
- 中央値：数字を小さい順に並べたとき、中央に来る値です。少数の高い求人に引っ張られにくい物差しです。
NowcastとFrogによる求人広告分析では、IT求人に占めるAI関連求人の割合が、2024年第1四半期の0.5%から2025年第4四半期の約2.0%へ増えました。対象は東京都の正社員求人で、10求人サイトに掲載された求人タイトルから、AI、LLM、GPT、Claude、Gemini、RAG、LangChainなどの語を含むものをAI関連求人と定義しています。
同じ分析で、2025年12月のAI関連求人は平均提示年収852.0万円、中央値825.0万円、IT求人全体は平均提示年収766.3万円でした。平均提示年収は求人ごとに年収の上限・下限の中間値を求め、対象求人で平均した値で、採用者の実年収ではありません。
| 指標 | 観測値 | 対象と限界 |
|---|---|---|
| IT求人に占めるAI関連求人割合 | 0.5%から約2.0% | 2024年第1四半期から2025年第4四半期。東京都・正社員・10求人サイト |
| AI関連求人の平均提示年収 | 852.0万円 | 2025年12月。求人票の上限・下限の中間値を求人単位で集計 |
| AI関連求人の中央値 | 825.0万円 | 2025年12月。未経験者だけの集計ではない |
| IT求人全体の平均提示年収 | 766.3万円 | 2025年12月。東京都・正社員・同じ10求人サイト |
出典：「求人広告データを用いたAI人材需要の分析」｜Nowcast（公開：2026-06-02、取得：2026-07-14）。複数サイトに掲載された同一求人などの重複は除去されておらず、全国求人、業務委託、副業市場を表す調査ではありません。
852.0万円を「未経験からAI職へ移れば得られる年収」と読むことはできません。経験者、管理職、高年収帯の求人を含む掲載条件の集計であり、未経験者の初年度年収を示す数字ではないためです。ただ、落ち込む数字でもありません。AI関連求人は2年で割合が4倍に増え、提示水準も高い——裾野から始めても、行き先の天井が高い市場だという意味では、安心して読んでよい数字です。
AI関連求人の割合が増えたことも、採用されやすさを直接示すものではありません。応募を考えるときは、求人票の必須経験、担当範囲、選考条件を個別に確認する必要があります。
職種別の年収データを別の物差しで読みたい場合は、生成AIエンジニアの年収データで、就業者の実態値と求人票の提示額を分けて説明しています。
3つの出発点から選ぶ｜次に作る小さなPoC
📖 この章で使う用語
- 評価セット：AIへ渡す質問と期待する答えを組にした確認用データです。料理の「味見の基準」を先に決めるイメージです。
- 例外処理：空欄、誤った形式、外部サービスの停止など、想定外が起きたときの動きを決めることです。
- 監査ログ：誰が、いつ、何を実行したかを後から確認する記録です。会社の入退室記録に近い役割があります。
最初に作るものは、流行しているツールではなく、今の仕事で説明できる小さな課題から選ぶと進めやすくなります。現在地ごとの入口は違っても、最後に見るのは「動いたか」だけではなく、確認方法と失敗時の扱いです。
| 現在地 | 最初のPoC | 先に決めること | 次に足す品質 |
|---|---|---|---|
| 非IT職 | 問い合わせ分類、社内文書の検索補助、定型文の下書き | サンプル入力、期待する出力、人が確認する箇所 | 個人情報を使わないテスト、誤答時の戻し方 |
| 開発経験あり | APIを使った小さな業務ツール | 認証、入力形式、出力先 | 入力検証、外部API失敗時の処理、ログ |
| PM・業務改善担当 | 1業務・1チームに絞った業務フロー補助 | 関係者、判断基準、AIに任せない範囲 | 権限、承認、品質・時間・差し戻しの検証 |
非IT職から始める
自分が説明できる定型業務を1つ選び、入力と出力を固定します。実在する顧客情報や社内の機密情報は使わず、架空のデータで試すと安全側から始められます。
たとえば問い合わせ分類なら、10件ほどの架空の問い合わせと期待する分類を用意し、AIの出力を人が確認します。件数を増やす前に、間違えたときにどこで止めるかを決めるのが次の一手です。
開発経験がある地点から始める
API接続のデモが動いたら、正常系だけで完成とせず、空入力、誤った形式、外部APIの停止を再現します。検索拡張生成（RAG）やAIエージェントは、必要な問題が見つかってから選ぶくらいで十分です。
構成を複雑にすること自体は成果になりません。入力検証、ログ、評価を加え、「別の人が試しても同じ確認ができる」状態を目指します。
PM・業務改善の地点から始める
現行業務、関係者、判断基準、禁止事項を書き出し、AIへ任せる範囲と人が承認する範囲を分けます。最初は1業務・1チーム・短期間に絞ると、導入前後を比べやすくなります。
私はAI API、RAG、AIエージェント、自作MCPを業務で扱い、現在はPMとしてプロジェクトマネジメントを担当しています。その経験からも、動く画面より先に、誰が確認し、どこで止められるかを決めることが、本番へ進む分かれ目だと感じています。
3つの入口に共通する完成条件は、次の5点です。
- 期待する入力と出力が書かれている
- 間違いを判定する評価例がある
- 失敗時の動きが確認できる
- 誰が実行・承認できるか分かる
- READMEや短いデモで第三者へ説明できる
副業側なら：最初の1週間で試せる3ルート
転職前提のPoCより先に、副業の最初の1件を小さく試したい場合は、次の3ルートから今の経験に近いものを一つだけ選びます。ランキングではなく、AIに任せる範囲と人が確認することをセットで見るための整理です。
| ルート | 最初の成果物 | AIに任せる範囲 | 人が確認すること |
|---|---|---|---|
| AI補助のショート動画編集 | 15〜30秒の動画1本と投稿文 | 構成案、字幕下書き、投稿案 | 事実、他者素材の権利、完成尺 |
| AI補助のコンテンツ制作 | 読者像、記事構成、短い下書き | 論点整理、下書き、校正補助 | 出典、事実、独自性、著作権 |
| 小規模事業者向けのAI業務整理 | ヒアリングシート、作業フロー、試作プロンプト | 情報整理、定型文・手順の下書き | 秘密情報、実務適合、承認者 |
今週5時間で試すなら、①一つだけ選ぶ → ②「誰に、何を見せるか」を一文で書く → ③AIで下書きを作る → ④上の「人が確認すること」を一つずつ点検する → ⑤できなかった理由を「スキル・時間・素材・営業」のどれかに分けて記録する、の順です。会社勤めの方は、就業規則と秘密保持の確認も忘れずに。
このPoCや試作がそのまま受注や採用を保証するわけではありません。ただ、案件票や求人票と見比べたときに「何が足りないか」を具体的にする材料になります。職種選びまで含めた道筋は、生成AIエンジニアになるまでの現実的なルートも参考にしてみてください。
データ更新方針とFAQ｜数字を古いまま使わないために
📖 この章で使う用語
- 取得日：ページや数値を確認した日です。公開日とは別で、変動するデータの鮮度を示します。
- 再利用条件：出典の数字や文章を、引用、加工、配布のどこまで使えるかという条件です。出典ごとに異なります。
- 訂正履歴：公開後に数値や説明を直したとき、変更日と理由を残す記録です。
更新とデータ利用の方針
本記事の数値は、生成AI案件・求人マップのデータ正典ページで全レコード（出典・取得日・注意点つき）を公開しており、CSVとPDFをダウンロードできます。数値の訂正は正典ページの更新履歴に旧値と新値を残し、本記事はそれに追従します。
ランサーズの掲載在庫は、検索語、絞り込み条件、取得日、URL、表示件数をセットで記録します。件数が変わったときは過去値を黙って置き換えず、更新履歴に旧値と新値を残します。
Nowcastの数字は、レポート公開日、対象期間、地域、雇用形態、対象サイト数、抽出定義を確認します。調査条件が変わった場合は、同じ指標として増減比較を続けません。
本記事は、ランサーズとNowcastの単一値を出典付きで引用し、個別案件の一覧化、複数サイトの横断合算、掲載データを使った独自平均は行いません。記事内の図も、2種類の指標を混ぜずに読むための概念図です。
よくある質問
生成AI案件の件数と生成AI求人の割合は比較できますか？
対象、集計単位、期間が異なるため直接比較はしません。各データの範囲と注意点を付けて別々に読みます。
表示されている給与は未経験者の年収ですか？
いいえ。求人票に掲載された給与の集計であり、未経験者の初年度年収を示す数字ではありません。
最初に何を作ればよいですか？
現在の職種に近い小さな課題を選び、入力、処理、確認方法を限定したPoCから始めます。
出典と更新履歴
- ランサーズ：ChatGPT開発、AIチャットボット開発、AI自動化・エージェント開発、AI画像・動画生成活用支援（取得：2026-07-14。募集終了を含む掲載在庫、カテゴリ間の重複未除去）
- Nowcast：求人広告データを用いたAI人材需要の分析（公開：2026-06-02、取得：2026-07-14。東京都の正社員求人、10求人サイト、同一求人の重複未除去）
- 2026-07-14：初版作成。ランサーズ4カテゴリの掲載在庫と仕事内容の確認軸、NowcastのAI関連求人割合と提示年収を掲載
- 2026-07-15：データ正典ページを公開し、本記事の数値の正典をそちらへ移管（CSV・PDF配布開始。数値は2026-07-14スナップショットのまま変更なし）
- 2026-07-15（拡張）：AIで効率が上がる裾野6カテゴリ（ランサーズ、取得2026-07-15）と、job tag 6職業の年収・有効求人倍率（取得2026-07-15）をデータセットへ追加（9→27レコード）。本記事に「入口の広さ」の要約表と読み順を追記
- 2026-07-15（統合）：旧「AIを使う小さな仕事、最初に何を選ぶ？」ページの内容（1週間で試せる3ルートと5時間の試し方）を本記事へ統合し、旧ページは本記事へ転送するようにしました
この記事を書いたaikunは、法人営業から未経験でエンジニアへ転職し、AI API、RAG、AIエージェント、MCPを業務で扱ってきた現役PMです。公開できる経歴と技術範囲は運営者プロフィールにまとめています。
数字の誤りやリンク切れに気づいた場合は、お問い合わせから知らせていただけると助かります。確認後、修正内容と日付をこの章の更新履歴へ追記します。