エンジニア転職でAIスキルをアピールする方法｜職務経歴書・面接で「使っている」を成果に変える数値化の型と、誇張にならない線引き【2026年10月版】

職務経歴書の「使用ツール」欄にChatGPT・GitHub Copilot・Cursorと並べただけでは、今はほとんど差がつきません。Stack Overflowの2025年調査では、回答した開発者の84%がAIツールを使っているか、使う予定だと答えています。使っていること自体は前提になりつつあり、見られているのは「どの作業で、何がどう変わったか」と「どこで使わない判断をしたか」です。

この記事は、AIエンジニアへの職種転換ではなく、Web・インフラ・QAなど今の職種のまま転職する現役エンジニア向けです。業務でのAI活用経験を職務経歴書と面接でどう書き、どう話すかを、採用側の調査データと求人票の書かれ方から組み立てます。

01
採用側はAIスキルを「何で」判断しているか

求人票の要件に入る割合が1年で約3倍

エンジニア向けスカウトサービスOffersの集計（アクシスコンサルティングの調査リリース内で公表）では、掲載された正社員求人2,648件のうち、必須条件・歓迎条件に生成AIやAIツールの経験を挙げた求人の割合が次のように増えています。

Offers掲載求人に限った数字で、国内求人全体の値ではありません。また公開後に要件欄が書き換えられた求人も含みます。それでも「AIの経験を書く欄が求人側にできてきた」という方向は読み取れます。

同じ集計は、求人票でのAI要件の書かれ方を3つの型に分けています。

1. 日常の開発や業務で、Claude Code・Cursor・GitHub Copilot・ChatGPTなどのAIツールを使っていること
2. LLMや生成AIのAPIを使って、アプリケーションや機能を開発した経験
3. AIの出力を評価・検証できること、プロンプトを設計・改善できること

水準別の記載例としては「日常の開発や業務でAIツールを使っていること」「AIを使って業務の時間や品質を改善した経験」「AIの活用をチームの手順や仕組みに組み込んだ経験」が挙がっています。応募先の求人票がどの型・どの水準で書いているかを確認するのが、アピール内容を決める最初の作業です。

「使える」より「成果を出せる」が基準

アクシスコンサルティングが2026年9月に採用に関わる課長級以上648人に聞いた調査では、選考でAI活用経験を何らかの形で確認している人は68.3%（必ず確認16.8%・職種によって33.3%・必要に応じて18.2%）でした。「AIを活用できる人材」と判断する水準は次のとおりです。

「基本的なツール利用」で足りるとした人は10.0%しかいません。一方で20.7%は基準を「定義していない」ので、面接官によって見方がばらつく前提で、こちらから成果と根拠をセットで出すほうが確実です。

ハイクラス層では要求がさらに上がります。JACリクルートメントの調査（中途採用担当者1,017人、2026年4月）では89.3%がハイクラス採用でAIスキルを重視すると答え、59.8%が「求める水準に達していない」と回答しています。デロイト トーマツの調査（2026年1月、1,004人）でも、幹部採用に生成AI活用スキルが影響するとした人は79.7%で、そのうち「確認しない」は3.8%だけでした。確認の中身は実務事例・プロジェクト経験・知識や理解度です。

02
自分のAI経験を4段階で棚卸しする

求人票の3つの型と採用側の判断水準を重ねると、アピールできるAI経験は4つの段に分かれます。上の段ほど評価されやすいですが、それ以上に大事なのは段ごとに出せる証拠が違うことです。

Lv1しか無い人も、書き方次第で評価される余地はあります。ポイントは「使わない場面」を言えることです。Stack Overflowの2025年調査では、AIツールへの不満の1位が「ほぼ正しいが、少し違う回答」（66%）で、45.2%が「AIが生成したコードのデバッグに時間がかかる」と答えています。どこでAIの出力を疑い、どう検証しているかを説明できること自体が、Lv1の差別化材料になります。

Lv4はAIエンジニア寄りの経験です。求人の要件にLLMの機能開発が入っていない応募先では、Lv2〜3の話を主役にして、Lv4は補足に回したほうが噛み合います。AIエンジニア職そのものを目指す場合の必要スキルは生成AIエンジニアに求められるスキルで整理しています。

03
成果を数値化する「5つの部品」と、体感を使わない理由

1文を5つの部品で組み立てる

Lv2以上の経験は、次の5つの部品がそろうと職務経歴書の1文になります。どれか1つでも欠けると、面接で深掘りされたときに崩れます。

1. 対象業務：「開発全般」ではなく「PRの一次レビュー」「Terraformのモジュール追加」「障害報告書の下書き」まで絞る
2. 母数・期間：何件のPR、何か月で比べたか。母数が小さいときは小さいと書く
3. Before/After：導入前後の値。率だけでなく元の値も書くと信頼性が上がる
4. 測り方：GitHubのPR履歴、Jiraのチケット、CIの実行ログ、工数表など、後から確認できる記録
5. 自分の役割：提案した、試験導入した、手順を書いた、チームに展開した、のどこを担ったか

体感の「2倍速くなった」を書いてはいけない理由

研究機関METRが2025年に行ったランダム化比較試験では、経験豊富なOSS開発者16人が、自分がよく知る大規模リポジトリの実タスク246件に取り組みました。結果は、AIを使える条件のほうが作業時間が19%長かったというものです。ところが開発者本人は、作業後に「AIで20%速くなった」と見積もっていました。

METRは2026年2月に、より新しいツールで続けた実験の結果も公表しています（57人・800件超）。前回からの参加者は18%、新規参加者は4%の時間短縮という推定でしたが、どちらも信頼区間がゼロをまたいでおり、METR自身も「AIなしでは作業したくない」として参加を断る開発者が増えたため、信頼できる推定ではないとしています。

この2つの結果から言えるのは「AIは遅い」ではなく、本人の体感は実測とかなりずれることがあるという点です。面接官もこの手の話は知っている前提で、記録に基づく数字を出してください。

Web・インフラ職で記録から取りやすい指標

導入前の値を取っていなかった場合は、無理に作らないでください。「導入後3か月の値」だけを書く、変化を件数で書く（例：Runbookを12本整備）、定性的に書く（例：一次切り分けを夜間当番が単独で行えるようになった）といった逃げ道があります。

04
職務経歴書の書き方：置き場所と職種別の例文

3か所に分けて書く

AIの話を独立した段落にすると、本業の成果とつながらず「ツール好きな人」に見えます。プロジェクト欄の中で、課題 → 打ち手（AIを含む） → 結果の順に入れるのが基本です。職務経歴書全体の構成はエンジニアの職務経歴書の書き方を参照してください。

例文：Webバックエンド（Lv2）

- 生成AI（ChatGPT、GitHub Copilot）を活用し、開発効率を大幅に向上+ 決済APIの改修（Go、5名チーム）で、単体テストの下書きをClaude Codeで作る手順を自分で試し、
+ チームに提案。導入前後3か月ずつのPR約120件で比べると、テスト追加を含むPRの
+ マージまでの中央値が2.1日→1.4日（GitHubのPR履歴から集計）。
+ 生成したテストは境界値と異常系を必ず人手で追加する運用にした

例文：インフラ・SRE（Lv3）

- AIを使ってインフラ運用を効率化+ AWS基盤の運用（SRE 4名）で、アラートごとのRunbook整備にLLMの下書きを使う手順を作成。
+ 6か月で主要アラート30件中24件にRunbookを整備（Wikiの更新履歴）。
+ 本番の認証情報・顧客データはプロンプトに入れないルールを利用ガイドラインに明記し、
+ チーム全員に展開した

例文：フロントエンド（Lv1〜2）

- 使用ツール：ChatGPT、Cursor、Copilot+ AIツール：Cursor（コンポーネントのテスト・Storybookの下書き）、
+ ChatGPT（ライブラリ移行時の差分調査）。設計判断と型定義は自分で書き、
+ 生成コードはレビューとテストを通してからマージする運用

例文：LLM機能の開発経験がある人（Lv4）

- LLMを使ったチャットボットを開発+ 社内問い合わせ用の検索・回答機能（Python、RAG構成）をバックエンド担当として開発。
+ 過去の問い合わせ200件で評価セットを作り、回答の正誤を人手で判定して改善を回した。
+ 回答できない質問は担当窓口に回す設計にし、月のAPI費用を上限内に収める設定を入れた

例文の数値は書き方の見本です。自分の記録にある数字だけを使ってください。社名・顧客名・社内の売上や件数は、比率や概数に置き換えるか、書かずに面接で口頭補足にとどめます。

書類で落ちる原因がAI以外にある場合は、書類選考が通らない原因の診断で、要件の不一致・書き方・応募経路のどこを直すかを先に切り分けてください。

05
面接での話し方：深掘りされる6つの質問

面接ではAIの話は必ず深掘りされます。デロイトの調査で確認の中身として挙がっていたのも、実務事例とプロジェクト経験でした。次の6つに答えを用意しておくと、ほとんどの質問に対応できます。

話す順番は「状況 → 自分の判断 → 結果 → 限界・次の改善」が安定します。4つ目の質問に正直に答えられると、数字全体の信頼性が上がります。一般的な技術面接の準備は技術面接対策、役員面接でAI方針を聞かれたときの答え方は最終面接で落ちる理由の切り分けも参考になります。

06
誇張にならない線引き

経歴の詐称は採用後に問題になる

スキルの誇張は「選考で通れば終わり」ではありません。プログラマーの採用をめぐるグラバス事件（東京地裁 平成16年12月17日判決）では、ソフトウェア開発会社が、開発に必要なJAVAのプログラミング能力があるという前提で採用した社員について、開発作業の過程でその能力が無いことが分かり、採用から24日後に解雇しました。裁判所は「労働者の責に帰すべき事由」に当たるとして、会社に解雇予告手当の支払義務は無いと判断しています。

別の事件（メッセ事件、東京地裁 平成22年11月10日判決）でも、採用時に労働力の評価に関わる事項の申告を求められた労働者は、信義則上、真実を告知する義務を負うとされ、経歴詐称を理由とした懲戒解雇が有効と判断されています。

AIの経験は新しい分野なので、「少し触った」を「実務で使っていた」に盛りたくなりがちです。しかし入社後に同じ水準を求められるのは自分です。迷ったら、面接で記録を見せながら自分の言葉で説明できるかを基準にしてください。

よくある「盛り」と言い換え

07
AIの実務経験が少ない人が2〜4週間でできる準備

現職でAIツールが使えない、使っていても成果を測っていない、という人も少なくありません。転職活動の期間内にできることを順に挙げます。

1. 現職で1つだけ測る：許可された範囲で、PRレビューや手順書作成など1つの作業を決め、2〜4週間分の記録を取る。母数が少なくても、測り方を説明できれば話になる
2. 使わない場面を言語化する：AIの出力が間違っていた例を2〜3件メモしておく。面接の質問3にそのまま使える
3. 個人開発でLv4の入口を作る：LLM APIで小さな機能を作り、評価の方法（テストケース・判定基準）とAPI費用をREADMEに書いてGitHubに公開する。作り方はエンジニアのポートフォリオの作り方、ツールの使い方はClaude Codeの使い方を参照
4. 応募先の求人票を3つの型で読む：日常利用・API開発・評価と検証のどれを求めているかで、書類の主役にする経験を入れ替える

レバテックが2024年11月にIT人材を採用する企業担当者1,000人に聞いた調査では、生成AIの登場で重要性が高まったスキルの1位はコミュニケーションスキル（48.3%）、2位がプロンプトのスキル（38.5%）でした。AIの話でも、チームにどう説明し、どう展開したかを話せることが評価につながります。

よくある質問

福朗

フリーランスAIエンジニア。AIパイプライン開発と技術キャリアについて発信しています。

Zenn