AIエンジニアになるためには？ 仕事内容・必要なスキル

Photo by Glenn Carstens-Peters on Unsplash

業種業界を問わずあらゆる領域へ進出しているAI。

AI開発の需要が高まるなか、経済産業省の資料では、日本のAI人材は2018年の段階で3.4万人不足しており、2030年には不足が12.4万人にも及ぶと予測されています。

AIの台頭による社会の変化を見越し、AI人材に興味を抱く方や、AI人材へのキャリアチェンジを考えている方もいるのではないでしょうか。

この記事では、AI開発を手がけるAIエンジニアの仕事内容、必要なスキル、待遇、なり方などについて紹介していきます。

AIエンジニアとは

AIエンジニアとは、AIを使うエンジニアやつくるエンジニアのことです。

AIを使ってデータ分析、システムの開発や実装をするほか、目的に合わせたAIのアルゴリズムの研究や開発を実施します。

同様の業務を実施する人の肩書を、機械学習エンジニアということもあります。また企業によっては、AIを使うことを中心に手がけるエンジニアの肩書を機械学習エンジニア、AIをつくることを中心に実施するエンジニアの肩書をAIエンジニアと分けています。

データサイエンティストとの違い

データサイエンティストもAIエンジニアと業務内容が似ており、AIを使ったりつくったりします。データサイエンティストが、「データを分析し、ビジネスに活用する」ことを主目的としているのに対し、AIエンジニアは「ビジネスに必要な予測や画像認識といったシステムの開発、および新たな技術の開発」を主目的としています。データサイエンティストがデータ分析によりデータをうまく活用する方法を見いだし、AIエンジニアがデータを活用するためのシステムを開発するという役割です。

とはいえ、AIを使う技術やつくる技術をもつ人材は貴重であり、データサイエンティスの肩書でAIエンジニアに近い役割もこなす人や、その逆のパターンもあります。

ITエンジニアとの違い

ITエンジニアとは、情報技術に関する技術をもつ人のことです。情報技術の「どこ」に関する技術をもつかで、ITエンジニアのなかにもさまざまな種類が存在します。

たとえば、システム開発の技術をもつ人をシステムエンジニア（SE）といい、そのなかでもデータベースの設計や開発に特化した人であればデータベースエンジニアといいます。

AIエンジニアはITエンジニアに含まれ、ITエンジニアのなかでもAI開発の技術をもつ人がAIエンジニアです。

AIエンジニアが注目される理由

AIエンジニアが注目される理由は、「AI市場の拡大」です。AI市場は国内でも世界でも拡大傾向にあります。世界市場の分析によると、新型コロナウイルスの影響により2020年には縮小が見込まれていますが、影響は長引かないと見込まれており、世界市場は2023年には19億7000万米ドル（2080億円）に達すると予測されています。国内市場も、2023年には640億円に達すると予測されています。成長するAI市場への進出や影響力拡大を目指す企業では、優秀なAIエンジニアの獲得や育成に力を入れています。

▲AI主要6市場規模推移および予測（2017～2023年度）（ITRプレスリリースより）

また、小売・農業・医療などさまざまな分野に貢献可能性があり、需要の高まりと人材不足により、引く手あまたであるAIエンジニアという職業は、雇われる側の関心も集めています。

AIエンジニアの仕事内容

AIエンジニアの仕事内容は、「ビジネスに必要な予測や画像認識といったシステムの開発、および新たな技術の開発」です。

主な業務内容は以下の通りです。

また企業や経験年数によっては、以下のような業務にも関わります。

AIエンジニアに必要なスキル

AIエンジニアになるには、「AIに関する知識」「AIを使うスキル」の2つが必要で、さらに「AIをつくるスキル」が求められる場合もあります。

AIに関する知識

AIに関する知識としては、数学と機械学習アルゴリズムの2つがあげられます。AIを使う・つくる以前に、既存アルゴリズムに対する理論的な理解が必要です。そしてアルゴリズムの理解に必要な基礎となるのが数学です。

AIを使うスキル

AIを使うスキルとは、AIを使ううえで一般的な環境でデータを扱い、プログラミングを用いて既存のアルゴリズムを使えるスキルです。以下でスキルの詳細を1つずつ挙げていきます。

AIをつくるスキル

既存のアルゴリズムでは解決できない問題に対し、新たなアルゴリズムを開発できるスキルや、既存のアルゴリズムを改善できるスキルがAIをつくるスキルです。類似した問題に取り組む研究を調査し解決のためのアイデアを探すとともに、考案したアルゴリズムをプログラミングで実装するスキルも必要となります。

AIエンジニアにおすすめの資格

Photo by Nick Morrison on Unsplash

AIエンジニアは資格を取らなければなることのできない職業ではありません。

一方で資格取得への挑戦は、スキルが実際に身についているかを確かめる場となり、勉強のモチベーションを上げるための目標にもなります。前章で紹介したAIエンジニアに必要なスキルをもつ証明として有用な資格がいくつかあるため紹介していきます。

統計学の基礎を身につけたい人におすすめ：統計検定（JSSC）

統計検定は、「統計に関する知識や活用力を評価する全国統一試験」です。試験の種別には、統計検定 1級〜統計検定 4級までのほか、統計調査士、専門統計調査士、統計検定 データサイエンス基礎（CBT）があります。AIエンジニアには統計検定 2級（大学1,2年次レベル）の知識は必要だと考えられています。

AIの知識を身につけたい人におすすめ：G検定

G検定は、日本ディープラーニング協会（JDLA）が手がける検定で、「ディープラーニングの基礎知識を有し、適切な活用方針を決定して、事業活用する能力や知識を有しているか」を評価します。すべて知識問題で、実装問題はありません。一番初めにAIを勉強するきっかけとして活用できます。

Pythonを学びたい人におすすめ：Python試験

Python試験には、「文法基礎を問う試験」であるPython3エンジニア認定基礎試験と、「Pythonを使ったデータ分析の基礎や方法を問う試験」であるPython3エンジニア認定データ分析試験があります。

AIの実装能力を身につけたい人におすすめ：E資格

E資格は、「ディープラーニングの理論を理解し、適切な手法を選択して実装する能力や知識を有しているかを認定する」ものです。E資格の受験には、JDLAが指定する認定プログラムの講座の受講が必要です。

GCPを用いたデータ運用・機械学習を学びたい人におすすめ：Professional Data Engineer（Google Cloud 認定資格）

Professional Data Engineerは、「データを収集、変換、公開して、データに基づく意思決定ができる」かどうか評価します。クラウド・ビッグデータ・AIの3要素を扱う能力が備わっているかを確認できます。

AIエンジニアになるには

Photo by John Lockwood on Unsplash

AIエンジニアになる方法はさまざまです。現在、中高生か、大学生か、社会人か、ITエンジニアとしての経験があるか否か、などにより道筋も異なってきます。

学生の場合

学生でAIエンジニアを目指すときにまず挙げられるのが、大学で情報科学を専攻し、AIエンジニアになるための知識を身につける方法です。なかには、AIやデータサイエンスに特化した学部を新設した大学もあります。

AIをつくる（既存のものをつくるのではなく、新たなアルゴリズムをつくる）能力に重きを置くのであれば、AIの研究室への所属が考えられます。研究分野（画像認識、自然言語処理など）の最先端の手法や、その手法に関する議論など、深い知識を得ることができます。

一方で、AIの研究のみを実施していると、自分の研究対象の分野に関する知識が突出しがちになります。自分の研究分野にとくに焦点の当たったAIエンジニア募集の場合や、AI研究者としての就職に有利です。

さらに、自身の研究分野以外にも興味を持ち、幅広い対象へAIをつかう能力も有している場合は、AIをつかうこともつくることもできる貴重な人材となり、就職先の幅も広がります。AIの研究室の例は以下の通りです。

AIの研究室に所属していない場合でも、情報科学の専攻でITに関する技術を身につけ、長期インターンでAI開発の実務経験を積む、AIを手段として活用している研究室に所属するといった形で、AIをつかう能力を身につけられます。

また、専門学校へ通うという手もあります。専門学校では、AIをつかう実践的な能力を集中して習得できます。大学がAIを学問として学ぶ要素が強いのに対し、専門学校ではツールとして使いこなす能力を身につけるという要素が強いです。

文系大学生でAIエンジニアを目指したい場合は、AIや機械学習といった言葉に対するアンテナを張り、情報を積極的に取得していくことが重要です。大学によっては理系文系に関係なくAIの知識を身につけるべきだという認識で、文系にもAIやプログラミングの講義を実施している場合があります。また、現在は多くのオンライン学習サイトがAIやプログラミングの講義を提供しています。

ある程度のスキルを身につけていれば、長期インターンとして採用してもらい、実務経験をつめる可能性もみえてきます。大学の専攻の勉強とAIエンジニアになるための勉強の両立が必要です。

社会人の場合

転職してAIエンジニアになる場合、スキルや実務経験が重視されます。

ITエンジニアの場合、会社によっては希望すればAIエンジニアになるための教育を受けさせてくれるかもしれません。そうでない場合、自分で時間をつくりAIエンジニアに必要なスキルを身につけていく必要があります。書籍やオンライン学習サイトで知識をインプットし、SIGNATEやKaggleなどの機械学習コンペに参加して実際にAIを使ってみる、AIを学べるプログラミングスクールに通うといった方法があるでしょう。

ITエンジニアは「プログラミング経験」という、AIをつかうスキルの素養がすでにある状態からのスタートです。そうでないまったくの未経験の場合は、AIエンジニアになるためのスキルを身につけることがより大変になります。

AIに関する知識とプログラミングの両方の勉強を同時に進めても良いですが、まずはプログラミングの勉強に注力し、PythonエンジニアやRエンジニアに転職し、その後、AIに関する知識を身につけていくという方法もあります。

AIエンジニアの給与年収

日本

求人ボックスの求人情報内の給与情報からの試算によると、日本のAIエンジニアの平均年収は602万円となっており、日本の平均年収436万円と比較して高い水準にあることがわかります。

給与分布全体でみた場合、ボリュームが多いのは470〜551万円の水準で、やはり日本の平均年収より高めの水準であると言えます。また、全体の給与幅としては389〜1,035万円と比較的広いことから、AIエンジニアの待遇はさまざまで、勤務先や持っているスキルにより変わってくることがわかります。未経験OKの求人などの場合は即戦力となることは期待されていないため、年収が低い傾向にあります。

企業規模別の平均年収は以下の表のようになっており、大規模な企業の方が平均年収は高い傾向にあります。

▲求人ボックスを参考に、編集部で作成

海外

indeedによると、アメリカのAIエンジニア（検索ワードは「Machine learning engineer」）の平均年収は146,121ドル（約1540万円）で、日本のAIエンジニアの平均年収の2倍以上となっています。なかには30万～50万ドル（約3300万～5500万円）の年収の人もいるようです。アメリカでもAIエンジニア（そのなかでも本格的な研究に取り組めるような、AIをつくる能力を備えている人）は不足しています。企業は優秀な人材の獲得に必死になっており、結果として優秀な人材への報酬が高騰しています。

優秀なAI人材の海外流出を阻止するため、一部の日本企業も給与を引き上げています。

たとえば、ソニーは2020年度から、人工知能（AI）開発などの専門スキルを持つ社員を対象に、年収1100万円以上を支払う制度（エクセプショナル・リサーチャー制度）を新設しています。

NECも若手に報酬上限を設けない選択制研究職プロフェッショナル制度を導入しました。これにより年収が1000万円を超える可能性が出ています。

NTTコミュニケーションズは19年7月から「アドバンスト・スペシャリスト」という制度を導入しました。ソフトウェアエンジニアやデータサイエンティストなど即戦力の人材を3年以内に100～200人採用する方針で、最高ランクは年俸で3000万円になる可能性があります。富士通も高度人材処遇制度を導入し、AIやセキュリティーといった分野で高い能力を持つデジタル人材には、30代でも3000万～4000万円程度までの報酬を支給するとしています。

好待遇な海外への人材流出を背景に、年功序列型ではなくスキルを重視した給与体系は今後も日本で増えていく可能性があります。高い能力を持つAIエンジニアであるならば、年齢や学歴などに左右されず、スキル重視の求人に応募し、高い報酬を獲得することが可能になるでしょう。

AIエンジニアの将来性

Photo by Drew Beamer on Unsplash

さまざまな社会課題の解決や企業の業務効率化のため、AI開発の需要が高まり、AIエンジニアの必要性は高まっています。

一方で、AI人材不足に国が本格的に対応しだしたことから、今後人材が増え、AIエンジニアの競争が激しくなる可能性はあります。また、学校のカリキュラムもAIや情報に力を入れた内容に変化しつつあることから、未来のAIエンジニアは幼少期からAIの使い方やつくり方を学んだAIネイティブであり、将来そうした若い世代にも淘汰されないよう、常に新しい情報を取り入れ、スキルを磨いていく必要があると考えられます。

さらに、AIを使う難易度を下げようとする取り組みも進んでおり、ノーコードのAIプラットフォームも登場しています。

実際に、プログラミングをしてAIをつかう場合と比較すると、ノーコードのAIプラットフォームでは設定できる項目が少ないなど、柔軟性への制限もあります。しかし、プログラミングができなくてもAIを使えるという流れは今後も進んでいくでしょう。

ノーコードのAIプラットフォームの技術の進歩やAIに関する知識の広まりにより、AIエンジニアの仕事内容も変化し、自分がAIを使う・つくるというだけではなく、人に教える、AIで解決可能な問題かどうか見極めることの重要性が増していくかもしれません。

ただ、内容が多少変化したとしても、これからの時代、AIを使い・つくってきたノウハウを活かす場所はたくさんあると言えるでしょう。