生成AIエンジニアになるには｜文系・未経験から現役になる全地図

Q: 生成AIエンジニアの年収はどれくらいですか？

領域・経験・職責で大きく開くため、1点では断定しません。求人ボックス 給料ナビの集計では、AIエンジニアの正社員平均年収は569万円、ボリュームゾーンは352〜451万円、全体の幅は352〜1,147万円とされています（求人ボックス 給料ナビ、取得2026-06-16・集計時点2026-05-07）。数字は時期で動くので最新値の確認をおすすめします。なお私自身の年収は非公開です。

生成AIエンジニアになるには、私が文系・営業出身・未経験から歩いたルートでいうと「①プログラミングの基礎を3〜6ヶ月、②生成AI（ChatGPT・Claude・Gemini の API、RAG、エージェント）の扱いを1〜3ヶ月、③小さな成果物を1つ作って応募」という順番がいちばん近いです。資格は必須ではなく、年収は領域・経験で大きく開くので断定しません。

私は法人営業を約7年4ヶ月やったあと、未経験からエンジニアに転職し、いまは生成AIを業務で扱う現役です。この記事では仕事内容（4領域）／文系・未経験からのなり方／学習の進め方／年収・求人の見方／資格・スクールの選び方までを、現役の手触りで地図にしていきます。「結局なんの人？」だけ先に知りたい方は最初の章を、「自分にもなれるか」を確かめたい方は三段階キャリアの章から読むのがおすすめです。

生成AIエンジニアとは｜職種の定義・ふつうのエンジニアとの違い・仕事の4領域

ひとことで言うと、生成AIエンジニアは「生成AI（ChatGPT・Claude・Gemini など）を使って、業務やプロダクトに AI 機能を組み込む人」です。AIそのものを作る人ではなく、AIを「使って価値を生む」人。ここが出発点です。

よく混同される機械学習エンジニアは、AIモデルそのものを学習させて精度を上げる職種で、数学やデータの素養が強く問われます。一方で生成AIエンジニアは、すでにある優秀なAIを「呼び出して業務に組み込む」のが主戦場。私自身、未経験から関わり始めたとき「自分はモデルを一から作る人ではなく、AIで現場の困りごとを解く人だ」と整理できてから、何を学べばいいかの霧が晴れました。

本サイトは「生成AIを使う側」に話を絞り、モデルを学習させる機械学習エンジニアの領域は過剰な約束を避けてあえて扱いません。LLM の仕組みは LLMとはの記事、「まず生成AIを学びたい」段階の方は生成AI 入門の記事へどうぞ。

なぜいま「なるには」を調べる人が増えているのか

「なるには」で調べる人が増えているのは、生成AIが一過性のブームではなく業務に定着しはじめ、AIを「使える人」を確保したい動きが続いているからだと感じます。

私が営業から作る側に回ったきっかけも、ここでした。営業時代の終盤に社内でAI活用を全社的に広げる動きに関わり、「使う側」として現場にAIを根づかせるうち、「組み込む側」に回りたい気持ちが強くなったのです。「相手が次に何を求めているか」を半歩先で読む癖は、AIに何をさせるかを考える仕事と地続きでした。「このままで取り残されないか」という不安は、当時の私もまったく同じでした。需要の数字の見方は、後半の年収の章で出典付き・断定なしで扱います。

業務で触れている4領域マップ（API・RAG・エージェント／コーディング・全社推進）

📖 用語

API：外部のAI機能を自分のプログラムから「呼び出して使う」窓口。コンビニのレジで注文票を渡すイメージ。

RAG（検索拡張生成）：AIに社内文書などの資料を参照させてから答えさせる仕組み。本屋で店員が棚から本を取って答えるイメージ。

AIエージェント：ゴールだけ渡すと手順を自分で組んで動くAI。

AIコーディングアシスタント：コードを書く作業を手伝うAI（Claude Code・Cursor など）。

生成AIエンジニアの仕事は、ざっくり4領域に分かれます。私はこの4つすべてに触れ、日によって比重が変わります。

生成AIエンジニアが業務で触れる4領域（AI API利用・RAG/チャットボット・AIエージェント/コーディング・全社推進）のマップ

API を業務に組み込む（ChatGPT・Claude・Gemini）：AIのAPIを自分たちのプログラムから呼び出す領域。私は業務プロダクトから OpenAI・Anthropic・Google のAPIを Ruby・Python・Scala で呼び出しています。「この文章を要約して」とコードで頼むと結果が返り、それを自社サービスで使える形に整える——ここが中身です。
RAG で社内情報を検索可能にする：AIは自社の社内文書までは知りません。関連資料を先に探してAIに読ませてから答えさせるのがRAG。私は社内ドキュメント検索などで実際に組んでいます。詳細は RAGとはの記事へ。
AIエージェント・AIコーディングで開発を加速する：エージェントはゴールだけ渡すと手順を自分で組んで動くAI、コーディングアシスタントは Claude Code・Cursor のように書く作業を手伝うAI。私は両者を日常的に使い、「全部手で書く人」より「AIに書かせて方向づけとレビューをする人」に寄ってきています。深掘りは AIエージェントの作り方・AIコーディングの記事へ。
非エンジニア部門へAIを広める（全社推進）：資料作成・議事録・コードレビューなどへの活用を後押しする仕事。新しい道具は「正しいから」ではなく「その人の今の困りごとに刺さるから使われる」もので、相手をヒアリングして刺さる一点を見つける——営業の提案そのものでした。

必要スキルと文系・未経験キャリア｜「AIに書かせて見極める」力／営業7年→現役の三段階

📖 用語

プロンプト設計：AIに狙いどおり動いてもらう「指示文の組み立て」。営業の「話す前に整える台本」に近い。

要件定義：「何を作るか」を相手の意図から固める工程。営業の提案ヒアリングと地続き。

Vibe coding：細部はAIに書かせ、人間は方向づけとレビューに回る開発スタイル。

SES：客先に常駐して開発を担う働き方。未経験の入口になりやすい。

自社開発：自社のサービス・プロダクトを社内で作る働き方。

必要なスキルは優先順で「プログラミングの基礎（読めて直せる）」「API・プロンプト設計」「業務理解・要件解釈」。意外かもしれませんが、コードをゼロから書く力より、AIが書いたものを見極めて直せる力が効きます。

基礎は外せませんが、「全部スラスラ書ける」ではなく「読んで、おかしいところに気づいて、直せる」レベル。AIのコードを鵜呑みにせず「ここは危ない」と判断できることが大事です。次にAPIとプロンプト設計。商談前に「どう切り出せば本音を引き出せるか」と台本を整えていた感覚に近く、狙いを言葉にして渡す点で地続きでした。そして私がいちばん効くと感じるのが業務理解と要件解釈で、相手が口に出していない困りごとを半歩先で読む癖がそのまま役立っています。

最近の私は Vibe coding に近い働き方で、細部はAIに書かせ、人間は方向づけとレビューに回ります。やってみると「どう書くか」より「何を・なぜ作るか」を言葉にできる人ほど強い、という実感があります。手綱の握り方は Vibe coding の記事、AIコードの見極めは AIコードレビューの記事へ。

文系・未経験からなれるのか——私の三段階キャリア（営業7年→未経験エンジニア→現役）

結論、私は文系出身で法人営業を約7年4ヶ月やったあと、未経験からエンジニアになりました。ただ「文系なら誰でも必ずなれる」話ではなく、「私の場合はこう歩いた」一例として読んでください。

文系・営業出身から生成AIエンジニアへの三段階キャリア（法人営業7年→未経験エンジニア/SES→自社開発→現役PM・生成AI4領域）の段階図

営業時代に感じた「このままでいいのか」

新卒からずっと法人営業でした。約7年4ヶ月、機器のリースや消耗品の販売で新規開拓も既存深耕もやり、多い日は1日に何十件と訪問。「断られてからが本番」の感覚はこの時期に染み込みました。仕事は嫌いではなかったものの、30代に入る頃「この先もずっと同じ売り方を続けるのか」と立ち止まり、手に職をつけて作れる側に回りたい気持ちが大きくなっていきました。

スクール約半年＋転職活動3ヶ月以内でSESへ（内定3社）

選んだのはプログラミングスクールでした。私はテックキャンプ福岡校の対面教室に約半年通い、まとまった時間を学習に充てました。

⚠️ 注記：私が通った当時は対面教室がありましたが、コロナ禍で全国の教室は閉鎖され、現在テックキャンプはオンライン受講のみです（運営：株式会社div）。また、同名の「テックキャンプ就労移行スクール福岡校」（2024年開校・障がい者就労移行支援）はまったく別のサービスです。出典: テックキャンプの教室閉鎖｜プログラミングなび（取得：2026-06-16）／別サービス：就労移行スクール福岡校（取得：2026-06-16）

転職活動は応募10社以下・約3ヶ月以内で、内定を3社いただきました。最初に入ったのは客先常駐のSES。最初の半年は調べ方を覚えるだけで精一杯で「続けられるだろうか」と何度も思いましたが、営業時代の「断られてからが本番」のおかげか踏ん張れた気がします。

SES→自社開発→生成AI4領域を業務でカバーする現役まで

SESで約2年半、Ruby での業務改善や基幹システム開発で実務を積んだあと、自社開発の会社へ移りました。ここでも内定3社、通算2回の転職で6社から内定をもらった計算です。自己PRの軸は一貫して営業時代の「気配りと配慮」1本でした。自社開発ではWeb面接系・営業支援系のプロダクトに関わり、いまは生成AIを業務で扱いながらプロジェクトのマネジメントも担っています。SESの手触りは SES やめとけ？の記事、未経験転職の流れは未経験エンジニア転職の記事へ。

営業のスキルは、どこまで転用できたか（公開データで突き合わせる）

営業の必要スキルとAIエンジニアの必要スキルをjob tagのデータで突き合わせ、転用できる土台・実務で効く補助・ゼロから要る壁の3つに仕分けた図

営業から来た私が実感したのは、ゼロからのスタートではなかったことです。これは気持ちの問題だけでなく公開データでもたどれます。職業情報サイト job tag（厚生労働省）の「営業」と「AIエンジニア」の必要スキルを突き合わせると、営業で培ったものは3つに仕分けられました。

A 転用できる土台：読解力・説明力・論理と推論・継続的な観察と評価・新しい情報の応用力。営業でも重要だったこれらは、仕様書を読む／要件を言葉にする／原因を切り分ける場面で、そのまま効きました。
B 実務で効く補助：傾聴・調整・交渉といった対人スキル。AIエンジニアの中核はあくまで技術なので、ここは「中核」ではなく正直に“補助”として書いておきます。それでも、要件定義のヒアリングやチーム開発では確かに差がついた、というのが私の実感です。
C ゼロから要る壁：プログラミング（必要スキルの最上位）・数学的素養・開発・計算機の基礎。未経験が最初に埋める部分で、私自身が独学でいちばん詰まったのもここでした。独学で行き詰まったときの伴走の選び方は、次のなり方ルートの章で書いています。

出典：job tag〔厚生労働省職業情報提供サイト〕の「AIエンジニア」「広告営業」の各職業詳細。job tag には汎用の「法人営業」ページが無いため、私の経歴（無形商材の法人提案営業）に構造が近い広告営業を代理職として参照しました。スキルの重要度は JILPT（労働政策研究・研修機構）『職業情報データベース』の掲載値です（2026-06取得）。これは独自調査ではなく、公開データ（job tag）を基にした集計です。

なお、この代理職どうしの比較では年収はむしろ広告営業のほうが高く、「営業から転職すれば年収が上がる」とは言えません。年収の見方は年収の章で断定せずに整理しています。

なり方のルート3つ｜独学・スクール・資格の使い分け

📖 用語

ポートフォリオ：「これが作れます」を示す自作の成果物。営業の実績資料。

基本情報技術者試験：ITの全体像を体系的に押さえる国の入門資格。

到達ルートは大きく3つ——①独学＋小さな成果物、②スクールで型を作る、③社内での異動・職務拡張。どれが正解ということはなく、状況と使える時間で選ぶものです。

ルート①独学＋小さな成果物（AI機能を1つ組み込む）

時間とお金を抑えたいなら独学から。ポイントは教材を最後まで読むことより、「AI機能を1つ組み込んだ小さな成果物」を作ること。たとえば文章を要約する小さなツールを、APIを呼び出して作る、といった具合です。営業の実績資料と同じで「これが作れます」と見せられるものが1つあると説得力が変わります。完璧でなくていいので、動くものを1つ。

ルート②スクールで型を作る（私はテックキャンプ福岡校・当時対面／現在オンラインのみ）

独学だと挫折しそう、最初の型をまとめて手に入れたい方にはスクール。私が通ったのはテックキャンプ福岡校（当時対面、現在オンラインのみ）でした。良し悪しは人で分かれるので「絶対おすすめ」とは言いませんが、私の場合は学習時間を強制的に確保でき、つまずいたとき聞ける環境があったのが大きかったです。自分でどんどん進められる人なら独学のほうがラクなこともあり、向き不向きで選ぶのがいいと感じます。

※ スクールの紹介には「PR」表記が付く場合があります。掲載内容は個人の感想で、特定の効果を保証しません。受講料や条件は各社の最新情報をご確認ください。

資格・検定はどう使うか（地図として・必須ではない）

資格は必須ではありません。「この資格がないと応募不可」というケースは未経験向けではあまり見かけません。ただ学習の「地図」としては有用で、基本情報技術者試験はITの全体像を体系的に押さえるのに向き、各種AI検定やクラウド認定試験も迷ったときの道しるべになります。「資格を取る」より「出題範囲を地図に使う」ほうが実利は大きい、というのが私の実感です。学ぶ順番に迷ったら生成AI 入門の記事も合わせてどうぞ。

年収・求人と最初の90日｜数字は断定せず「見方」を渡す／独学に限界を感じたら

📖 用語

年収レンジ：1点の金額ではなく「幅」で示した年収。経験・領域で大きく開くため、本記事では幅と「決まり方」で扱います。

環境構築：プログラムを書いて動かすための準備（必要なソフトを入れる作業）。最初の小さな関門になりがち。

ここはいちばん慎重に書きたい章です。年収は領域・経験・職責で大きく開くため、「生成AIエンジニアは年収◯◯万円」と1点で断定するのはミスリードになりかねません。なので「いくらもらえるか」ではなく「何で年収が決まるか」の見方をお渡しします。私自身の年収は非公開とさせてください。なお「そもそも募集はどれだけあるのか」という入口の広さは、生成AI案件・求人マップで職業別の有効求人倍率と案件在庫として整理しています。

公開統計でみる年収レンジ（出典＋取得日／断定しない）

求人ボックスの「給料ナビ」（求人情報を集計したもの）では、AIエンジニアの正社員平均年収が示されています。

AIエンジニアの正社員の平均年収は569万円。ボリュームゾーン（最も求人が多い水準）は352〜451万円、給与幅の全体は352〜1,147万円。出典: AIエンジニアの仕事の年収・時給・給料｜求人ボックス給料ナビ（取得：2026-06-16、集計時点：2026-05-07）

注目してほしいのは、平均が569万円でも、いちばん求人が多い帯は352〜451万円で、上は1,000万円超まで開いている点です。「平均値1点」を見ても自分の現実はわかりません。数字は時期で動き、IT・AI 領域は変動が速いので、3ヶ月以上経ったら最新値を公式の集計で再確認してください。

性格の違う3つの物差しで読む（職業情報・求人提示・実支給）

同じ「年収」でも出どころで意味が変わります。1つに混ぜず、性格の違う3つを並べると相場の輪郭がつかめます。

年収を3つの物差し（job tagの職業情報=約610万、求人ボックスの求人提示額=569万、dodaの登録者実支給[技術系IT/通信2025]=469万）で並べ、未経験はまず求人の提示額、経験を積んだら職業情報の目安へ、という読む順番を示した図

物差し	数値の目安	何を測った数字か
職業情報（job tag）	AIエンジニア約610万円	いま働いている人ベースの職業情報（経験者込み）
求人の提示額（求人ボックス）	AIエンジニア 569万円（上記）	これから入る人が見る、いま出ている求人の相場
登録者の実支給（doda）	技術系（IT／通信）469万円（2025版）	登録者の実支給。AIエンジニア単独の公表はなく、最も近い技術系IT/通信の値（20代は398万円）

3つがズレているのは「どれかが間違い」だからではなく、測っている対象が違うからです。未経験のうちはまず「求人の提示額」を、経験を積んだら「職業情報の目安」を——という順で読むと、1点の数字に振り回されずに済みます。

（出典: job tag（厚生労働省職業情報提供サイト）（年収の原典は賃金構造基本統計調査）／転職サービス「doda」−「平均年収ランキング2025」 doda・平均年収ランキング。いずれも取得：2026-06-22。金額は範囲・個人差があり、特定の結果を保証するものではありません。）

未経験求人のリアル（「未経験歓迎」の中身を読む）

求人で大事なのは「未経験歓迎」の中身を読むことです。同じ言葉でも研修が手厚いものもあれば、実務寄りで即戦力に近いものを求めるものもあり、額面だけで判断しないほうが入ってからのギャップが減ります。年収が何で決まるかを一言でいえば「どの領域を、どれだけの実務年数で、どこまでの責任を持ってやるか」。この3軸で自分の現在地と次の一手を見るほうが納得のいくキャリアになります。一般的な整理は未経験エンジニア転職の記事も参考に。

未経験から最初の90日でやること（独学に限界を感じたら）

行動に落とすと、最初の90日はこのイメージ。私が実際に踏んだ順番がベースです。

1〜30日：プログラミングの基礎。多くの人が最初につまずくのが環境構築（コードを書く前の準備）で、私も何度も引っかかりました。「自分だけが詰まっているわけではない」と知るだけで気が楽になります。
31〜60日：AIのAPIとプロンプト設計。実際にAPIを呼び出してAIの応答が返る体験を一度すると霧が晴れます。私が業務でやっていることの、いちばん小さい版を自分で動かすイメージ。
61〜90日：小さな成果物を1つ作って応募準備。完璧でなくていいので「動くものを1つ」。エラーで止まる・モチベが続かない——ここが独学の最大の壁です。

独学だけで全部を乗り切るのは人を選びます。私は独学で詰まった末にスクールで型をまとめて手に入れる道を選びました。限界を感じたら、いきなり申し込まず無料の相談やカウンセリングがある窓口から入ると、判断材料が増えて入る前と後のギャップが減らせます。学習の30日プランは生成AI 入門の記事、コードの手伝わせ方は AIコーディングの記事へ。

将来性と3つの誤解｜仕事はなくなるのか／「文系は不利」「数学必須」「資格がないと無理」

📖 用語

要件解釈：相手が本当に困っていることを読み取り、「何を作るか」に翻訳する力。

「AIが進化したら仕事も奪われるのでは」。正直、私は「なくなる」とも「絶対になくならない」とも言い切れません。ただ現役の見立てはあります。

コードを書く作業そのものは年々AIに寄り、私も細部はAIに書かせる働き方に変わりました。けれど「何を・なぜ作るか」を相手の意図から読み取る要件解釈、責任を持って良し悪しを判断する部分、複数の仕組みを統合する部分は、いまのところ人に残っている実感があります。ここでも効くのが営業時代の感覚で、相手が口に出していない困りごとを半歩先で汲み取る力は、道具がAIに変わってもむしろ価値が上がっている気がします。なので私の答えは「作業の一部はAIに任せる前提で、要件解釈・判断・統合という人にしか残らない部分に軸足を置く」です。

始める前に知っておきたい3つの誤解（「文系は不利」「数学必須」「資格がないと無理」）

目指す前に耳にする3つの誤解を、私の体験からほどいておきます（「だから誰でも簡単になれる」方向には倒しません。あくまで体験談です）。

「文系は不利」：私は文系出身でいま生成AIを業務でやれています。文系だから門前払い、ということは私の経験ではなく、むしろ営業で鍛えた相手の意図を読む力が要件定義で役立っています。とはいえ私個人の例です。
「高度な数学が必須」：モデルを一から作る機械学習エンジニアと混ざりやすい誤解。使って実装する側では、微積分や統計をゴリゴリ使うよりAPIの扱いと要件の理解のほうが日々の仕事に直結します。私も数式より相手の困りごとと向き合う時間のほうがずっと長いです。
「資格がないと無理」：資格は必須ではなく、学習の地図としては役立つが「これがないとスタートできない」ものではない、というのが私の実感です。誤解を1つずつ外すと最初の一歩が軽くなります。

よくある質問（FAQ）

Q1: 生成AIエンジニアは未経験・文系からでもなれますか？

A. 私は文系・営業出身から未経験でエンジニアになり、いま生成AIを業務で扱っています。ただ、これは「私の場合は」という一例で、誰でも必ずなれると保証するものではありません。私の周囲を見ても、学習を続けられたかどうかが大きな分かれ目になっている印象です。

Q2: 生成AIエンジニアと、AIエンジニア・機械学習エンジニアは何が違いますか？

A. 大きな違いは「役割」です。生成AIエンジニアは ChatGPT・Claude などを使って業務やプロダクトに機能を組み込む側、機械学習エンジニアはAIモデルそのものを学習・改良する側です。本サイトは前者（使って実装する側）に絞って扱っています。

Q3: 生成AIエンジニアの年収はどれくらいですか？

A. 領域・経験・職責で大きく開くため、1点では断定しません。求人ボックス給料ナビの集計では、AIエンジニアの正社員平均年収は569万円、ボリュームゾーンは352〜451万円、全体の幅は352〜1,147万円とされています（出典: 求人ボックス給料ナビ、取得：2026-06-16・集計時点2026-05-07）。数字は時期で動くので最新値の確認をおすすめします。なお私自身の年収は非公開です。

Q4: 資格は必要ですか？

A. 必須ではありません。未経験向け求人で資格を絶対条件にしているケースは、私の見る範囲では多くありません。ただ、基本情報技術者試験や各種AI検定は「何を学べばいいか」の地図としては有用なので、出題範囲を学習の道しるべに使うのがおすすめです。

Q5: 生成AIエンジニアの仕事は将来なくなりませんか？

A. 「なくなる」とも「絶対になくならない」とも言い切れません。コードを書く作業の一部はAIに寄っていく一方、要件解釈・最終判断・統合といった部分は、いまのところ人に残っている実感があります。最新技術より、相手の困りごとを読む力のほうが価値が上がっている気もしています。

営業を約7年やったあと、未経験からエンジニアになり、いまは生成AIを業務で扱う現役として、自分が実際に歩いた手触りをもとにこの記事を書きました。年収など人生の選択に関わる数字は、断定せず出典付きで、私個人の体験は「私の場合は」に限定する——その線引きを大事にしています。

出典

AIエンジニアの仕事の年収・時給・給料｜求人ボックス給料ナビ（取得：2026-06-16、集計時点：2026-05-07）
テックキャンプの教室閉鎖｜プログラミングなび（取得：2026-06-16）
テックキャンプ就労移行スクール福岡校（別サービス）｜ブロードメディア（取得：2026-06-16）