AIエンジニアは何をしているの？

JobSignalのほそめがねです。職業ごとに、厚生労働省の職業情報提供サイト「job tag」に載っている作業を出発点にして「AIでどう変わっているか」を調べるシリーズの3回目です。1回目の一般事務、2回目の経理事務に続いて、今回は「AIエンジニア」を取り上げます。AIを使う側ではなく、AIをつくる側の仕事です。

ただ、AIエンジニアは変化がとても速い職種です。job tagの解説の中身は2024年度に更新されたもので、そのあとも、生成AIを仕事に組み込む動きは広がっています。そこで今回は、AIエンジニアが何をしている仕事なのかを、job tagの21の作業を土台に整理します。そのうえで、2025〜2026年の会社の発表と国の調査を重ねて、いまの仕事の中身と、job tagの説明とのずれを見ていきます。

job tagのAIエンジニア：21の作業を4つに分ける

job tagでは、AIエンジニアを「ディープラーニング（深層学習）などの手法により、AIによる処理を実現するエンジニアである。」と説明しています。そのうえで、「ここでは狭義のAIエンジニアである、機械学習のエンジニアを解説する。」としています。つまり、job tagのAIエンジニアは、データを整えてAIに学習させる側の仕事です。

作業は21個載っていて、それぞれに「実施率」（働く人へのアンケートで、その作業がこの仕事で「一般的に実施されていると思う」と答えた人の割合）が付いています。まずは21の作業を、実施率の高い順に並べてみます。紫の棒は、次の章で最近の動きと比べる2つの作業です。

21の作業のうち12個が94.3%で並び、紫の2つも、ほかと同じ94.3%です。いちばん低い論文を書く作業でも80.0%で、ほとんどの作業を、働く人の多くがこの仕事で一般的に行われていると答えています。

似た作業をまとめると、次の4つに分かれます。

作業のまとまり	中の作業（job tagの番号）	実施率（job tag）
設計と方向づけ	全体の設計（1）、AI開発の方向性（2）、データの管理・加工の方法（3）、データ管理の仕組み（8）、システムの設計と提示（11）	91.4〜94.3%
学習させて直す	教師データで学習（4）、検証を踏まえた修正（5）、計算処理の工夫（6）、運営しながらAIを成長させる（12）、モデルの更新タイミング（19）	88.6〜94.3%
データとツールの準備	AIの動きとデータの流れの確認（7）、データ入力の管理画面やツール（9）、オペレータの負荷を減らすツール（10）、APIの調査（18）	94.3〜97.1%
情報を集め、学び、伝える	チーム内の情報共有（13）、コミュニティ（14）、論文を読む（15）、論文を書く（16）、ツールの習得（17）、市場動向の調査（20）、講師（21）	80.0〜94.3%

一番高いのは、AIの全体的な動きとデータの流れの確認（7）と、データ入力の管理画面やツールの準備（9）で、どちらも97.1%でした。job tagのAIエンジニアは、データを扱い、AIに学習させ、学び続けることまでを、まとめて担う仕事として描かれています。

ずれ1：「学習させる」から「評価して直す」へ

job tagの作業には「教師データを投入し、AIに学習させる。」（実施率94.3%）や「学習結果の検証を踏まえて、必要な修正を行う。」（94.3%）があります。どちらも、AIそのものを育てる側の作業です。

一方、2025〜2026年の会社の発表を見ると、すでに出来上がった生成AIを仕事に組み込み、その答えがよいかを評価して直す仕事が目立ちます。

LINEヤフー株式会社（以下、LINEヤフー）の技術ブログ（2026年10月7日）によると、ニュース記事やSNSの投稿の要点まとめ（ブリーフィング）を生成AIで作る仕事で、熟練の編集者がよい例と評価の基準を作り、それをもとに評価の仕組みが採点しています。そのうえで、「事前に定めた基準を達成するまで生成、評価、改善を繰り返す」と書いています。

株式会社LayerX（以下、LayerX）の技術ブログ（2025年3月27日）では、生成AIを使ったサービスには、生成AIに合わせたテストの進め方と品質の指標が必要だと書いています。品質を確かめるエンジニアの役目として紹介されています。

どちらも1社ずつの、会社自身による説明です。ただ、job tagの作業にはない、よい答えの基準を作り、評価し直す仕事が、AIエンジニアの周りで生まれていることは読み取れます。LINEヤフーの例では、AIの専門家ではない熟練の編集者が基準づくりに入っている点も目を引きます。

ずれ2：お客さんの現場にAIを組み込むエンジニア（FDE）

もう1つのずれは、働く場所です。job tagの作業は、主に自分たちのチームの中でAIを作る作業です。

AnthropicとAccentureは2025年12月9日、提携を発表しました。Anthropicの発表によると、Claudeの研修を受けるAccentureの社員は約3万人で、その中には、お客さんの会社の中にClaudeを組み込む「forward deployed engineers」も含まれています。頭文字をとって「FDE（フォワード・デプロイド・エンジニア）」とも呼ばれます。

AIを作る会社の中だけでなく、AIを使う会社の現場に入って、仕事の流れにAIを組み込むエンジニアです。job tagの21の作業には、この働き方はまだ出てきません。FDEの仕事の中身は「FDE（フォワード・デプロイド・エンジニア）とは？ AIを『現場で動かす』仕事の中身とキャリア」で詳しく紹介しています。

国の「必要なスキル」も広がった

国の指針も変わっています。経済産業省と独立行政法人情報処理推進機構（以下、IPA）は2026年4月16日、「デジタルスキル標準ver.2.0」を公開しました。IPAの発表には「AI実装、運用などに関するスキルの新設」とあります。データサイエンティストについても「重要となるスキルとしてAI実装・運用やAIガバナンスなどに関するスキルも追加しました」と書かれています。AIを「作る」だけでなく、「実装して運用する」側まで、必要なスキルの範囲が広がったことになります。

では、会社の側では何が足りないのでしょうか。IPAが2026年7月16日に公表した調査（回収1,799社、調査は2026年4月17日〜6月12日）では、DXを進める人材の量が「やや不足している」「大幅に不足している」と答えた会社は、合わせて85.5%でした。AIに関わる人材も、「多くの人材種別において『不足している』が過半数」とされています。なかでも、「現場の知見と基礎的 AI 知識を持ち、自社への AI 導入を推進できる従業員」は、不足していると答えた割合が高いままでした。

同じ調査では、AIの使い道で一番多いのは「文書・音声の要約・翻訳・校正」（82.5%）でした。AIを入れた効果は、「期待以上の効果があった」「期待どおりの効果であった」を合わせて31.8%、「一定の効果はあった」が50.6%です。使い方はまだ、仕事の効率化が中心のようです。

もっと先の推計もあります。厚生労働省の「令和8年版 労働経済の分析」は、経済産業省の推計を引いて、2040年に「AI・ロボット等利活用人材」が約340万人不足するとしています。ただし、これはAIエンジニアだけでなく、AIやロボットを使いこなす人まで含めた広い区分の推計です。

数字で見るAIエンジニアの今

AIエンジニアだけの人数や年収を示した統計は、公的な統計を調べた範囲では、2026年11月時点で見つかっていません。job tagの解説には、機械学習やディープラーニングの専門家は「日本全国で1万人を超えると考えられ」とあります。ただし、これはAI開発会社の数や関連学会の会員数などからの推定で、統計ではありません。

求人倍率も、AIエンジニアだけの数字はありません。AIエンジニアがつながる区分「情報処理・通信技術者」（プログラマーなどと同じ区分）の有効求人倍率は、1.45倍（情報処理・通信技術者、2025年度平均）でした。2022年度の1.51倍から、2025年度は1.45倍へ、少し下がっています。1倍を超えているのは、仕事を探す人より求人が多いということです。ただ、この区分にはプログラマーなども入っているので、AIエンジニアの求人の多さをそのまま表すものではありません。

置き換わりそうな仕事／増えそうな仕事／身につけること

ここまでの資料から、変わりそうな側と増えそうな側を分けると、次のようになります。どちらも、根拠にした資料を下に書いています。

身につけること

増えそうな仕事に共通するのは、「よい答えとは何か」や「仕事がどんな手順でできているか」を言葉にすることです。これはAIエンジニアに限らず、AIに仕事を任せる人すべてに関わる力です。練習のやり方は「『自分の仕事を手順に分けて説明する力』は、どう鍛える？」にまとめています。

まとめ

• job tagのAIエンジニアは「機械学習のエンジニア」として説明され、21の作業はどれも実施率が8割以上です。解説の中身は2024年度のものです。
• 2025〜2026年の会社の発表では、出来上がった生成AIを評価して直す仕事や、お客さんの現場にAIを組み込む仕事が目立ちます。どれも会社自身の説明です。
• 国の調査では、現場を知っていて自分の会社にAIを入れられる人が足りないとされています。

さいごにひと言

生成AIは、半年前のことがずいぶん昔に感じるほど、進み方が速いと感じています。この記事で見た21の作業が、これからAIにどこまで任されていくのかにも、注目していきたいと思います。

あわせて読みたい

一般事務は、AIでどこまで変わり始めている？ 16の作業に分けて調べた（シリーズ1回目）

FDE（フォワード・デプロイド・エンジニア）とは？ AIを「現場で動かす」仕事の中身とキャリア

「自分の仕事を手順に分けて説明する力」は、どう鍛える？ AIに任せる前の3つの練習

参考にした主な情報源

• 厚生労働省 職業情報提供サイト（job tag）「AIエンジニア」（2026年11月6日に確認）
• LINEヤフー Tech Blog「今日、生成 AI は良い仕事をした。では、明日は？」（2026年10月7日）
• LayerX エンジニアブログ「EM観点から見た生成AIプロダクト開発におけるQAエンジニアの役割とおもしろさ」（2025年3月27日）
• Anthropic「Accenture and Anthropic launch multi-year partnership to move enterprises from AI pilots to production」（2025年12月9日）
• IPA「デジタルスキル標準ver.2.0を公開」（2026年4月16日）
• IPA「国内企業の DX 動向・AI 活用動向のポイント」（2026年7月16日）
• 厚生労働省「令和8年版 労働経済の分析」概要（2026年9月）
• 厚生労働省「一般職業紹介状況」第21表-7（e-Stat）

本記事は公開されている統計と発表をもとにまとめたものです。数値は2026年11月6日時点のものです。内容に誤りがあれば、お問い合わせフォームから教えていただけると幸いです。