転職でAIの経験を伝えるなら、ツール名だけでなく、どんな課題に使い、何を自分で確認し、どう改善したかを説明します。資格は知識を学ぶ手段の一つですが、実務経験と同じものではありません。応募先の仕事内容から必要なスキルを整理し、確認できる成果物や記録をそろえることが出発点です。
求人票で「AI」の意味を確かめる
AIを開発する仕事、AI機能を組み込む仕事、既存ツールを業務に使う仕事では、必要な知識が違います。「AIに関わる仕事」という名称だけで応募先を選ばず、業務内容と必須条件を読んでください。
| 仕事の方向 | 確認する条件 | 経験の示し方 |
|---|---|---|
| モデルの研究・開発 | 数学、機械学習、開発言語など | 研究・開発成果、評価の方法 |
| AIを使う仕組みの開発 | API、データ、システム運用など | 動く成果物、テスト、運用上の制限 |
| 既存業務への活用 | 業務知識、出力の確認、改善の進め方 | 課題、作業手順、確認した結果 |
職種名が同じでも期待される範囲は会社によって異なります。募集日が古くないか、使う技術や仕事内容が現在の求人票に記載されているかも確認します。
資格は、学びたい範囲から選ぶ
たとえばJDLAのG検定は、AI・ディープラーニングの活用リテラシーに関する検定です。受験を検討する際は、最新のシラバス、試験方式、日程を公式ページで確認します。取得すれば転職や年収アップが保証されるものではありません。
業務改善を目指す場合は、IPAのDXリテラシー標準も、学ぶ内容を整理する資料になります。資格の取得だけを目的にせず、求人で求められる仕事と、いま足りない知識を照らし合わせてください。
職務経歴書には、工程と結果を書く
「ChatGPT、Claudeを使用」だけでは、何を任せられるかが伝わりません。課題、担当した範囲、使った方法、確認した結果、残った課題を整理します。
以下は記述の型です。数値には自分で測定した値を入れ、測っていない項目は無理に埋めません。
対象業務:[作業名と発生頻度]
課題:[困っていたこと]
担当範囲:[自分が設計・実行・確認した部分]
実施内容:[AIに任せた工程と、人が確認する工程]
検証:[対象件数、期間、比較条件、品質の確認方法]
結果:[確認できた変化。未計測の場合はその旨]
残る課題:[誤りが起きる条件、運用上の制約]
チーム全体の結果なら、自分の貢献を分けて書きます。短縮時間を記載する場合も、準備や修正を含むか、同じ条件で比較したかを説明できるようにします。架空の年収アップや採用成功の事例を参考値として使う必要はありません。
業務実績を公開できない場合の成果物
仕事先の資料や顧客情報を、許可なくポートフォリオに載せないでください。公開資料や架空データを使った自主制作でも、作業の設計や確認方法を示せます。
- 公開資料から根拠付きの比較表を作り、誤りを確認した記録。
- 架空の問い合わせを分類し、人の確認を残した自動化の試作品。
- 同じ文章を複数の読者向けに書き換え、条件に合うか評価した例。
自主制作はその旨を明記し、実際の業務成果とは区別します。成功例だけでなく、使えなかった入力と修正した理由も説明できると、作業の理解が伝わります。
学習計画は、応募先の仕事に近づける
文章の整理が中心の仕事なら、出典確認や文体の修正を練習します。データを扱う仕事なら、集計条件、欠損、計算式の検証を重視します。自動化に関わる仕事なら、費用、権限、失敗時の対応まで学ぶ必要があります。
「VBAを使うからプログラミング不要」という説明は正確ではありません。VBAもプログラミング言語です。自分がコードを書けるのか、AIが生成したコードを動かせるのか、内容を説明・修正できるのかを区別して伝えてください。
面接に向けて説明を確かめる
成果物を見せながら、「なぜこの方法を選んだか」「誤りをどう見つけたか」「他の業務で使うなら何を変えるか」を説明してみます。ツールのバージョンが変わっても残るのは、課題を整理し、結果を確かめる力です。
採用や報酬は、業務経験、募集条件、選考など複数の要素で決まります。AIの学習だけで結果を約束する情報を前提にせず、応募先に合う経験の整理から進めましょう。
AIの使い方を実践しながら学びたい方は、RIALAの学習内容と参加条件をご覧ください。
関連記事
参考資料
仕様・提供条件の確認日:2026年10月26日。料金・利用枠は契約時の公式表示も確認してください。