AIエンジニアに転職したいけれど、「未経験の自分にできるのか」「何から学べばいいのか」と迷っている方は多いのではないでしょうか。
未経験からの転職はできますが、実務経験を求める求人が多く、準備なしでの採用は簡単ではありません。
今の経験によって近道は変わり、前職の業界知識が強みになる場面もあります。
プログラミング未経験から独学で目指すなら、全体で1〜3年程度が目安です。
学ぶ範囲が広いので、順番を決めて進めることが欠かせません。
今の経験別の進め方、必要なスキル、ロードマップ、企業の選び方、年収と将来性まで順に解説します。
未経験からAIエンジニアへの転職は可能か？
未経験からの転職はできますが、ITの実務経験がない状態から、すぐにAIエンジニアとして採用されるのは簡単ではありません。AIエンジニアの中途採用では、実務経験を条件にする求人が多いためです。今の経験に合う道筋を選び、学習と成果物で実力を示す準備が必要です。
AIエンジニアは、機械学習や深層学習を使ってAIシステムを開発・運用するエンジニアです（参考①②）。データの収集と前処理、モデルの開発と評価、システムへの組み込み、運用と改善を担います。大規模言語モデル（LLM）を業務に組み込む開発や、社内文書を検索して回答させるRAG（検索拡張生成）の構築も仕事に加わっています。
未経験からの転職を難しくしているのは、必要な知識の幅広さです。プログラミングに加え、統計学や線形代数などの数学、機械学習、クラウドまで学ばなければなりません。情報系の学部の出身者や、開発経験のあるITエンジニアと同じ求人で比べられることも壁になります。
一方で、学ぶ環境は整っています。TensorFlowやPyTorchなどのライブラリと、Google Colabのようなクラウド環境を使えば、高価なパソコンがなくてもモデルを作って試せます。既存のLLMをAPIで呼び出す開発なら、モデルを一から作らなくても始められます。ただし、精度の改善や原因の調査には数学の理解が必要で、ライブラリが使えれば十分というわけではありません。
海外では、学位よりスキルを重視する動きも報告されています。英国の求人約1,100万件（2018年〜2024年半ば）を分析した研究では、AI職の求人で大学教育に触れる割合が15%減っていました（参考④）。LinkedInの2025年版の調査では、米国で伸びている職種の1位がAIエンジニアでした（参考③）。どちらも海外のデータなので、日本の採用にそのまま当てはまるとは限りません。
日本でも、社会人経験や業界の知識は、AIのスキルと組み合わせると強みになります。製造業の品質管理や金融の不正検知のように、業務を知っている人でないと課題を正しく定義できない場面があるからです。
参考
①AIエンジニアの仕事内容と必要なスキルの解説（Coursera：Artificial Intelligence Engineer）
https://www.coursera.org/articles/ai-engineer
②AIエンジニアの役割と必要なスキルの解説（IBM：How to Become an AI Engineer）
https://www.ibm.com/think/topics/ai-engineer
③米国で伸びている職種の1位がAIエンジニア（LinkedIn：Jobs on the Rise 2025）
https://www.linkedin.com/business/talent/blog/talent-acquisition/worlds-fastest-growing-jobs-2025
④英国の求人約1,100万件の分析（Skills or Degree? The Rise of Skill-Based Hiring for AI and Green Jobs）
https://arxiv.org/pdf/2312.11942
今の経験別の進め方
同じ未経験でも、今の経験によって近道は変わります。4つのケースに分けて紹介します。
開発エンジニアの経験がある方
プログラミングとチーム開発の経験は、そのまま活かせます。機械学習と数学の学習に時間を使い、今の職場のAI案件に手を挙げるか、成果物を作って転職を目指しましょう。LLMを使ったアプリの開発は、Web開発の経験を活かしやすい分野です。
データ分析・統計の経験がある方
データの扱いと統計の知識が強みになります。足りなくなりやすいのは、モデルをシステムに組み込む力です。PythonでのAPI開発、Git、クラウドを重点的に学びましょう。
インフラ・運用・PMの経験がある方
クラウドや運用の経験は、モデルを安定して動かし続ける仕組みづくり（MLOps）に活かせます。プロジェクト管理の経験があれば、AIの導入を進める責任者を目指す道もあります。
ITの実務経験がない方
いきなりAIエンジニアを目指すより、プログラマーやデータアナリストとしてITの実務を経験してから移る道が現実的です。今の業界の知識は強みになるので、その業界でAIを使う企業や部署を狙うと、志望理由を説明しやすくなります。
未経験転職に必要なスキル・準備
最低限身につけるべきスキル
転職を目指すときに最低限身につけたいスキルは、次の7つです（参考⑥）。
1つ目はPythonです。AI・機械学習の分野で広く使われており、文法に加えて、NumPy、pandas、scikit-learnの使い方まで身につけます。コードを自分で書いて動かせる状態を目指しましょう。
2つ目は機械学習の基礎です。教師あり学習と教師なし学習の考え方、線形回帰や決定木、ニューラルネットワークなどの代表的な手法を理解します。理論を暗記するより、scikit-learnで簡単な分類や回帰を実装しながら覚えるほうが身につきます。
3つ目は数学です。線形代数、微分、確率統計の3分野を、アルゴリズムの仕組みを説明できる程度まで学びます。最初は高校数学の復習からで問題ありません。
4つ目はデータ処理です。データサイエンティストなどを対象にしたAnaconda社の調査（2020年）では、データの読み込みと整形が作業時間の約45%を占めていました。pandasでの欠損値の処理やデータの結合、Matplotlibでの可視化に慣れておくと、入社後の仕事に直結します。
5つ目はGitとSQLです。チーム開発ではGitでのバージョン管理が前提になり、データの取り出しにはSQLを使います。自分のコードをGitHubで管理しておくと、ポートフォリオにもなります。
6つ目はクラウドの基礎です。AWS、Google Cloud、Microsoft Azureのいずれかで、学習環境の作り方とAPIでのモデルの公開を試しておきましょう。料金は使い方で変わるので、無料枠や利用上限を先に確かめてください。
7つ目は生成AI（LLM）の活用です。APIの使い方、プロンプトの設計、RAGの仕組みを押さえ、簡単なアプリを作ってみると、現場の仕事に近い経験を積めます。
ポートフォリオの作り方
実務経験がない段階では、ポートフォリオが実力を示す主な材料になります。どんなものを作れるのかを、採用担当者が確かめられる形で用意しましょう。
テーマは、自分の興味や前職の経験に関わるものを選びます。例えば、公開データを使った価格予測、商品レビューの感情分析、画像分類アプリ、社内文書を検索するRAGのチャットボットなどです。完成度だけでなく、なぜそのテーマを選び、どんな工夫をして、どんな結果になったかを説明できるようにしましょう。
Kaggleなどのデータ分析コンペ（参考②）は、実践の練習になります。ただし、順位だけで評価されるとは限りません。その経験を業務でどう活かせるかを説明できる人が、選考を有利に進められます。
GitHub（参考①）で公開するときは、READMEに使った技術、データの説明、モデルの精度、工夫した点、今後の改善点を書きます。READMEだけで概要が伝わるように整理しましょう。
動作するデモがあると、採用担当者がすぐに確かめられます。FlaskやStreamlitを使えば、比較的簡単にWebアプリを作れます。公開先の料金は変わることがあり、例えばHerokuは最低でも月5ドルかかります（参考③）。無料で公開できるかどうかは、各サービスの料金ページで確かめてください。
役立つ資格
AIエンジニアに必須の資格はありません。ただし、資格の勉強は知識の整理になり、学習意欲を示す材料にもなります。
最初の目標にしやすいのがG検定です。受験資格の制限はなく、AIの基礎知識とビジネスでの活用を問います（参考④）。実装力を示すならE資格ですが、受験には試験日の過去2年以内にJDLA認定プログラムを修了している必要があります（参考⑤）。ほかに統計検定や基本情報技術者試験も基礎固めに役立ちます。資格だけで実装力は示せないので、成果物づくりと並行して進めましょう。
参考：
①GitHubの説明（GitHub Docs）
https://docs.github.com/ja/get-started/start-your-journey/about-github-and-git
②データ分析コンペの一覧（Kaggle Competitions）
https://www.kaggle.com/competitions
③料金（Heroku Pricing）
https://www.heroku.com/pricing
④G検定の概要（日本ディープラーニング協会）
https://www.jdla.org/certificate/general/
⑤E資格の概要（日本ディープラーニング協会）
https://www.jdla.org/certificate/engineer/
⑥AIエンジニアに必要なスキルの解説（IBM：How to Become an AI Engineer）
https://www.ibm.com/think/topics/ai-engineer
未経験からAIエンジニアへの転職ロードマップ
プログラミング未経験から独学で目指す場合、全体で1〜3年程度が目安です。毎日1〜2時間学ぶと想定した、学ぶ内容から見た目安で、公的な統計ではありません。開発経験があれば、機械学習に絞って6か月〜1年程度で準備できる場合もあります。
フェーズ1：基礎学習期間（9〜18か月）
プログラミングの基礎に3〜6か月、数学・統計と機械学習の基礎に6〜12か月が目安です。先を急ぐより土台を固めたほうが、あとの学習が楽になります。
まずPythonの基本文法を学びます。UdemyやProgateなどのオンライン講座や書籍のほか、東京大学が公開している教材「Pythonプログラミング入門」（参考④）もあります。文法を一通り学んだら、NumPyとpandasでデータを扱う練習に移りましょう。
並行して統計を学びます。平均と分散、確率分布、相関と因果の違い、仮説検定などを押さえると、機械学習の理解が深まります。数式は後から理解すればよいので、最初は意味をつかむことを優先しましょう。
機械学習は、書籍やオンライン講座で手を動かしながら学びます。英語の講座には、Courseraの「Machine Learning Specialization」や、fast.aiの「Practical Deep Learning for Coders」があります。
この段階の終わりには、タイタニックの生存者予測やカリフォルニアの住宅価格といった公開データで、簡単なモデルを自力で作れることを目標にしましょう。
フェーズ2：実践・ポートフォリオ作成期間（6〜12か月）
基礎が固まったら、実践力を高めてポートフォリオを作ります。取り組みたいことは次の3つです。
1つ目は深層学習と生成AIです。PyTorchやTensorFlowでニューラルネットワークを作り、画像認識や自然言語処理を試します。最初はチュートリアルをなぞり、少しずつ自分で変えていきましょう。LLMをAPIで呼び出すアプリや、RAGの開発も経験しておくと、作品の幅が広がります。
2つ目はコンペへの参加です。Kaggleでは、ほかの参加者のコードを読みながら自分の方法を試し、実際のデータでモデルを改善する経験を積めます。
3つ目はクラウドでの公開です。Google ColabでGPUを使った学習を試し、クラウドの機械学習サービスでモデルをデプロイしてみると、開発から運用までの流れをつかめます。
フェーズ3：転職活動期間（1〜3か月）
スキルとポートフォリオが整ったら、転職活動に入ります。ポイントは3つです。
1つ目は、自分の強みを明確にすることです。実務経験では経験者に及ばないので、「前職の経験×AIスキル」で差をつけます。例えば、製造業の経験があれば品質管理へのAI活用、金融業界の経験があれば不正検知のモデルで、業務を理解している強みを示せます。
2つ目は職務経歴書です。修了した講座、作ったモデルの内容と精度、工夫した点を具体的に書き、GitHubのリンクも載せましょう。
3つ目は面接の準備です。アルゴリズムの説明、過学習への対処、評価指標の選び方といった技術の質問と、学習の進め方についての質問の両方に備えます。その場で答えが出ないときも、考え方を順に説明できると、実力を伝えやすくなります。
独学かスクールか
費用を抑えて自分のペースで進めたいなら独学、短期間で体系的に学びたいならプログラミングスクールが向いています。スクールは費用がかかるので、カリキュラムと転職支援の中身を比べて選びましょう。厚生労働大臣が指定した講座なら、教育訓練給付制度で費用の一部が支給されます（参考⑤）。
未経験者が転職しやすい企業・業界
すべての企業が未経験者を採用しているわけではありません。次の4種類の企業から、自分の経歴に合うところを選びましょう。
1つ目は育成型の採用を行う企業です。研修制度やOJTがあると、入社後に学びながら実務に慣れられます。求人票に未経験歓迎とあってもAIの開発に関われるとは限らないので、配属先と担当業務を面接で確かめましょう。
2つ目はAI系のスタートアップです。幅広い業務に関われる一方、教育に時間を割けない会社もあり、自分で学ぶ力が求められます。実務経験を条件にする会社もあるので、募集要項をよく読みましょう。
3つ目はDXを進めている一般企業です。前職と同じ業界なら、業界知識を活かしながらAIのスキルを磨けます。社内でAIの活用を進める立場から始める道もあります。
4つ目はSIer（システムインテグレーター）です。AIの部門を持つ会社なら、ITの実務を積みながらAI案件を目指せます。ただし、入社後すぐにAI案件に入れるとは限らないので、配属の実績を確かめましょう。
業界は、金融、医療・ヘルスケア、物流・EC、広告など、AIの活用が進む分野の中から、前職の経験を活かせるところを選ぶと、ほかの応募者と差をつけやすくなります。
未経験転職後の年収と将来性
年収
厚生労働省の職業情報提供サイト「job tag」によると、AIエンジニアの平均年収は609.8万円です（参考①）。国税庁の「民間給与実態統計調査」（令和7年分）では、正社員（正職員）の平均給与は559万円です（参考②）。統計の取り方が違うので単純には比べられず、job tagの数値はAIエンジニアだけを集計したものでもありません。
未経験で入社した直後は、この平均より低い年収から始まることも想定しておきましょう。job tagの年齢別では、20〜24歳が388.3万円、30〜34歳が548.9万円です。転職直後に年収が下がる場合もあるので、生活費と照らして計画を立ててください。
将来性
経済産業省の「IT人材需給に関する調査」（2019年）は、AI人材が2030年に最大で約12.4万人不足すると試算しています（AIの需要が年16.1%伸びる場合。年10.3%の場合は約1.2万人。参考③）。ChatGPTの公開前の試算なので、生成AIの普及による需要の増加は含まれていません。
ただし、人材の不足は、未経験者がすぐに採用されることを意味しません。企業が求めているのは実務のできる人材であることが多く、技術の変化も速いため、入社後も学び続ける必要があります。
未経験転職を成功させるためのポイント
未経験からの転職を成功させるために、押さえておきたいポイントは5つです。
1つ目は、学習を習慣にすることです。AIの技術は変化が速く、学んだ知識がすぐに古くなることもよくあります。論文や技術ブログ、GitHubのトレンドを見る習慣を少しずつ取り入れましょう。
2つ目はアウトプットです。学んだことをQiitaやZennにまとめると、理解が深まり、学習の姿勢も伝えられます。
3つ目はコミュニティへの参加です。connpassなどで見つかる勉強会やオンラインのコミュニティに参加すると、同じ目標を持つ仲間と情報交換でき、挫折も防ぎやすくなります。
4つ目は応募先を絞ることです。数を増やすより、自分のスキルに合う企業を選び、なぜその企業のAI事業に関わりたいのか、自分の経験でどう貢献できるのかを具体的に語れるようにしましょう。
5つ目は段階を踏むことです。最初からAIエンジニアの採用だけを狙わず、データアナリストやバックエンドエンジニアなど近い職種を経由する道もあります。収入を得ながら実務経験を積めるので、無理なく近づけます。
知っておきたい注意点
学習には時間と費用がかかり、途中で挫折する人もいます。また、入社できても、希望どおりAIの開発を担当できるとは限りません。学習の期限を決めておくこと、選考で担当業務を確かめることで、転職後のずれを減らせます。
AIエンジニアに向いている人
次の3つに当てはまる人は、AIエンジニアに向いています。
・論理的に考え、問題の原因を切り分けるのが好きな人
・うまくいかなくても、条件を変えて試行錯誤を続けられる人
・新しい技術を学び続けることが苦にならない人
よくある質問
文系でもAIエンジニアに転職できますか？
できます。ただし、数学とプログラミングの学習は避けられません。多くは高校から大学初年級までの内容なので、順番に学び直せば追いつけます。業界の知識や、相手に合わせて説明する力は、文系出身の方の強みになる場面もあります。
30代・40代でも転職できますか？
挑戦できます。ただし、学習歴だけで若手と比べられると不利になるので、業界知識やプロジェクトを進めた経験をAIとどう組み合わせて貢献するかを説明しましょう。AIの導入を進める責任者やマネジメントの立場から関わる道も考えられます。
独学だけで転職できますか？
できる場合もありますが、学習を続ける難しさと、実力の示し方が課題になります。成果物で実力を示せるようにし、行き詰まったらスクールや勉強会を使って補いましょう。
転職エージェントの活用方法
転職エージェントを使うと、求人探しから面接対策まで支援を受けられます。主なメリットは次の4つです。
1つ目は非公開求人です。一般の求人サイトに載っていない求人を紹介してもらえることがあります。
2つ目は書類と面接の支援です。未経験から目指す場合は、職務経歴書でAIへの適性をどう伝えるかが悩みどころです。キャリアアドバイザーと一緒に整理できます。
3つ目は条件の交渉です。自分では言いにくい給与や入社日の相談を、エージェントが仲介してくれます。
4つ目は面接後のフィードバックです。企業の評価を聞いてもらえれば、次の面接で直す点が分かります。
エージェントは、IT分野に特化した型と、求人の幅が広い総合型に分かれます。技術の話ができるかどうかで相性が変わるので、担当者の知識も見て判断しましょう。
各社で保有する求人が違うため、2〜3社に登録して比べるのがおすすめです。未経験の場合は、紹介された求人で本当にAIの開発に関われるのかも確かめてください。
まとめ
未経験からAIエンジニアへの転職はできますが、実務経験を求める求人が多く、準備なしでは採用されにくいのが現実です。今の経験に合わせて進め方を選びましょう。
必要なスキルは、Python、機械学習、数学、データ処理、GitとSQL、クラウド、生成AIの活用の7つです。学んだ内容は、自分の言葉で説明できるポートフォリオにまとめます。
準備は、基礎学習、実践・ポートフォリオ作成、転職活動の3つのフェーズで進めます。プログラミング未経験から独学で目指す場合は、全体で1〜3年程度が目安です。
応募先は、育成型の企業、AI系のスタートアップ、DXを進めている一般企業、SIerの中から、経歴に合うところを選びます。「前職の経験×AIスキル」が、ほかの応募者と差をつける軸になります。
転職エージェントを使えば、非公開求人の紹介や書類・面接の支援を受けられます。2〜3社に登録して比べましょう。
年収はjob tagで平均609.8万円ですが、未経験なら低い年収から始まることも想定しておきましょう。第一歩は、Pythonの学習を今日から始めることです。
参考：
①AIエンジニアの平均年収（厚生労働省 職業情報提供サイト job tag）
https://shigoto.mhlw.go.jp/User/Occupation/Detail/325
②民間給与実態統計調査（国税庁）
https://www.nta.go.jp/publication/statistics/kokuzeicho/minkan/top.htm
③IT人材需給に関する調査（経済産業省、2019年）
https://www.meti.go.jp/policy/it_policy/jinzai/houkokusyo.pdf
④Pythonプログラミング入門（東京大学 数理・情報教育研究センター）
https://utokyo-ipp.github.io/
⑤教育訓練給付金（厚生労働省）
https://www.mhlw.go.jp/stf/seisakunitsuite/bunya/koyou_roudou/jinzaikaihatsu/kyouiku.html
