AIエンジニア

AI（人工知能）の様々な分野での活用に関して研究開発を行う。

タグの基準(job tag の就業者調査から、全職業の上位・下位20%などでrokudakaが判定)

年収の目安
610万円
2025年・平均より広い職種の数値
有効求人倍率
1.50倍
2025年平均より広い職種の数値
就業者数
207,400人
2020年より広い職種の数値

出典厚生労働省「賃金構造基本統計調査」2025年 一般労働者 職種 第1表「職種(小分類)、性別きまって支給する現金給与額、所定内給与額及び年間賞与その他特別給与額」 / 厚生労働省「職業安定業務統計(一般職業紹介状況)」長期時系列表 第21表「有効求人倍率（パート含む常用）」(2023〜2025年) / 総務省統計局「国勢調査」2010〜2020年 2020年 抽出詳細集計「男女，従業上の地位，職業（小分類）別就業者数（15歳以上）」(それ以前は同じ区分で集計された時系列データ)

計算年収の目安 = きまって支給する現金給与額(月額) × 12 + 年間賞与その他特別給与額。いずれも統計の平均値からrokudakaが計算。

数字で見るAIエンジニア

出典厚生労働省「賃金構造基本統計調査」2025年 一般労働者 職種 第1表「職種(小分類)、性別きまって支給する現金給与額、所定内給与額及び年間賞与その他特別給与額」 / 厚生労働省「職業安定業務統計(一般職業紹介状況)」長期時系列表 第21表「有効求人倍率（パート含む常用）」(2023〜2025年) / 総務省統計局「国勢調査」2010〜2020年 2020年 抽出詳細集計「男女，従業上の地位，職業（小分類）別就業者数（15歳以上）」(それ以前は同じ区分で集計された時系列データ) / 総務省統計局「国勢調査」2020年 抽出詳細集計「男女，従業上の地位，職業（小分類）別就業者数（15歳以上）」 / 総務省統計局「国勢調査」2020年 抽出詳細集計「男女，年齢（5歳階級），職業（小分類）別就業者数（15歳以上就業者）」 / 厚生労働省 職業情報提供サイト(job tag)「職業情報データベース 簡易版数値系ダウンロードデータ ver.7.00」スキル(2021年度、その職業に就いている人へのWebアンケート)

計算全職種の平均は、統計に全職種の合計がないため、「不詳」を除く144職種の年収の目安(月額×12+年間賞与、2025年)を労働者数で重み付けしてrokudakaが計算(男女別も同じ方法)。差が3%未満は「ほぼ同じ」。年齢別は推計労働者数1,000人以上の年齢階級だけで比べた。職業全体の有効求人倍率は統計の「職業計」(2025年平均)。差が0.1未満は「同じくらい」。働く人全体は国勢調査の「総数」(2020年)。増減率・女性の割合の差が5ポイント未満は「同じくらい」。年齢構成は、60歳以上・30歳未満の割合が全体より10ポイント以上多いときに記載。スキルは、全職業の平均との差が大きい順。近い職業は下の「スキルが近い職業」と同じ計算で、年収の目安がこの職業より高く、賃金の統計の区分が違うもの。

どんな仕事か

AI（人工知能）の様々な分野での活用に関して研究開発を行う。

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。ビッグデータを分析するデータサイエンティストをAIエンジニアに含める場合もあるが、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。

現在、AIの応用は、顔認証、疾病の画像診断、自動車の自動運転、カスタマーセンターの相談支援、異常や障害の検知等々、様々な分野で研究開発が進んでいる。

仕事を進行に沿ってみていくと、まずチームで開発目標を設定し、どのような開発を行うか計画を策定する。受託して開発する会社では、クライアントから要件を聞き、提供されるデータを確認してから開発設計を行う。開発に入ると最適な実現方法を検討し、AIを実行するマシンの性能が低い場合は、処理性能も考慮に入れながらＡＩを実装する。平行して、教師データ（結果が分っている既存のデータ）を投入しAIに学習させる仕組みを検討し、教師データの管理方法、加工方法を設計する。設計やプログラムはクラウドに上げてチームで共有することが多い。

効率の良い学習のためにデータを管理する画面やツールを準備し、膨大な教師データを投入し、診断、判定等の精度を上げていく。この学習には何日もかかることがあるため、AI学習用の専用のマシンやスーパーコンピューター（高度な演算処理を高速に行うことができる）などが使われる。スーパーコンピューターはリモートで利用されることが多い。

AIの学習の進み具合をみるため、正解率が目標に達したり、エラー率が十分に下がったところで学習は完了となる。AIに検証用のテストデータを投入し、どのような診断、判定になるか、様々な分野の専門家とエンジニアで検証する。この検証を経て、出来上がったシステムを納入する。システムが実際に運営されるようになるが、運用段階のデータからもAIを成長させていく。

関連技術が急激に発展しているため、常にWeb上で公開されている関連論文を調べて読んだり、大学、研究機関の研究者と意見交換し、関連する最新情報は押さえておくことが必要である。

出典厚生労働省 職業情報提供サイト(job tag)「職業情報データベース 解説系ダウンロードデータ ver.7.01」(2024年度更新)

よく使う道具・機材・情報技術

2024年度時点の情報

スーパーコンピューター、クラウドストレッジ、統合開発環境（ＩＤＥ: Integrated Development Environment）、プログラミング言語（Python、C言語、JAVA、等）、生成AI（コードを仮作成し人間が手直しする等）、GoogleGoogleスプレッドシート、パソコン

出典厚生労働省 職業情報提供サイト(job tag)「職業情報データベース 解説系ダウンロードデータ ver.7.01」(2024年度更新)

主なタスク

job tagの就業者調査で重要度が高いとされたもの。実施率は、そのタスクを行っていると答えた人の割合です。

タスク実施率
データに合った、AI開発の方向性を検討する。94%
データを確認し、全体的な設計を考える。94%
学習結果の検証を踏まえて、必要な修正を行う。94%
AIに流し込むデータの管理・加工の方法を設計する。94%
プロジェクトに合ったデータ管理の仕組みを考える。94%
システムを運営しながらAIを成長させる。94%
システムを設計して、プロジェクト関係者に提示する。91%
AIの全体的な動き、データの流れを確認する。97%

出典厚生労働省 職業情報提供サイト(job tag)「職業情報データベース 簡易版数値系ダウンロードデータ ver.7.00」タスク(2025年度、その職業に就いている人へのWebアンケート)

計算重要度の高い順に最大8件を表示。

労働条件の特徴

AI（人工知能）開発のベンチャー企業、研究所、IT企業、大手メーカーなどに勤務するため、職場は都市部に集中している。AI開発のベンチャー企業はスタートアップ支援をしている自治体に多い。大学との共同研究等の関係もあり、大学のあるところに多い傾向もある。海外に開発拠点がある場合は海外勤務もある。ベトナムなど日本以外の国で一部の開発を行うオフショア開発も行われている。

人材不足の状態であり、雇用形態や契約形態は正社員が多いが、個人事業主、フリーランスもいる。新しい仕事であり、年齢は20歳代、30歳代が多い。就業者は現状では男性が多い。

勤務はフレックスタイム制やリモートでの勤務も多い。リモート勤務の場合、開発の打合せ等にはオンライン・ミーティングが活用される。

AI（人工知能）は個人の開発目標や方法を明確にしにくく、成果に基づく報酬と馴染まないことも多く、給料は正社員の場合は通常の月給制が多い。一方、フリーランスや個人事業主の場合は準委任契約になり、人月単価により報酬が決まる。AIエンジニアに限定した高い賃金体系となっている会社もある。

生成AIによりコードの下書きをすることも広がっており、AIに適切に指示を出す「プロンプト・エンジニアリング」が話題になるなど、AIエンジニアに関連する話題は多い。

AIの様々な分野での応用が広がる今日、AIエンジニアの需要は極めて高い。しかしながら、今日、急速に拡大するAI開発において、著作権等の法律問題、またAI開発の危険性や倫理も話題になっており、このような動きが今後、AI開発に影響し、AIエンジニアの働き方が変わる可能性もある。

出典厚生労働省 職業情報提供サイト(job tag)「職業情報データベース 解説系ダウンロードデータ ver.7.01」(2024年度更新)

働く環境の特徴

job tag の就業者調査で、この職業の人が答えた「仕事の性質」です。全職業の平均と比べて、特に高い項目と低い項目を並べています。

全職業の平均より高い

全職業の平均より低い:立ち作業、歩行、走行、他者との身体的近接

勤務のスケジュール:規則的 42%、不規則 52%、季節的 6%

出典厚生労働省 職業情報提供サイト(job tag)「職業情報データベース 簡易版数値系ダウンロードデータ ver.7.00」仕事の性質(2020年度、その職業に就いている人へのWebアンケート)

計算「仕事の性質」は回答の平均(値はおおむね1〜5の範囲)で、棒の縦線はjob tagの全職業(518職業)の平均。平均との差が0.3以上の項目を、差の大きい順に高いもの最大6つ・低いもの最大3つ。勤務のスケジュールは回答者の割合。

一般的な就業形態

この職業の一般的な就業形態として、job tag の就業者調査で選ばれた割合です。複数回答のため、合計は100%を超えます。回答した人の数が少ない職業もあるため、目安として見てください。

出典厚生労働省 職業情報提供サイト(job tag)「職業情報データベース 簡易版数値系ダウンロードデータ ver.7.00」一般的な就業形態(2025年度、その職業に就いている人へのWebアンケート)

禄高(給与)

より広い職種の数値統計に「AIエンジニア」だけの区分がないため、「その他の情報処理・通信技術者」全体の数値を表示しています。

この年収は、会社などに雇われて働く人の給与です。事業主(開業している人など)の収入は含まず、会社の役員も原則として含みません。

出典厚生労働省「賃金構造基本統計調査で使用されている主な用語の説明」 / 総務省統計局「国勢調査」2020年 抽出詳細集計「男女，従業上の地位，職業（小分類）別就業者数（15歳以上）」

計算割合は国勢調査の従業上の地位別の就業者数からrokudakaが計算。

精度の目安標準誤差率 4.08%(統計の全職種の中央値は2.04%)

標準誤差率は、調査の対象に選ばれた事業所によって平均がどのくらいぶれるかの目安です。小さいほど数字が安定しています。

出典厚生労働省「賃金構造基本統計調査」2025年 標準誤差率 誤差率表4「職種(小分類)別所定内給与額及び所定内給与額の標準誤差率(役職者を含む)」

計算誤差率は所定内給与額(残業代・賞与を除く月額、男女計)に対する統計の公表値。中央値は全職種の誤差率からrokudakaが計算。

年収の目安は610万円です (月々の給与41.6万円 × 12か月 + 賞与など111万円)。統計の全144職種の中で32番目に高い水準です。

平均年齢は42.2歳、平均勤続年数は12.1年です。年齢別では55～59歳が最も高く、778万円です。

出典厚生労働省「賃金構造基本統計調査」2025年 一般労働者 職種 第1表「職種(小分類)、性別きまって支給する現金給与額、所定内給与額及び年間賞与その他特別給与額」 / 厚生労働省「賃金構造基本統計調査」2025年 一般労働者 職種 第5表「職種(小分類)、年齢階級別きまって支給する現金給与額、所定内給与額及び年間賞与その他特別給与額」

計算順位は、統計の全144職種(「不詳」を除く)を年収の目安で並べてrokudakaが計算。

年収の推移

2023年2024年2025年
558万円629万円610万円

出典厚生労働省「賃金構造基本統計調査」2023〜2025年 一般労働者 職種 第1表「職種(小分類)、性別きまって支給する現金給与額、所定内給与額及び年間賞与その他特別給与額」

計算各年の年収の目安(月額 × 12 + 年間賞与)。企業規模10人以上、男女計。

年齢別の年収

白抜きの点と破線は、推計労働者数が1,000人未満の区分です。 人数が少なく平均がぶれやすいため、参考値として見てください。 薄い棒(右の目盛り)は、賃金の統計の推計労働者数です。企業規模10人以上の会社などに雇われて働く人の数で、自営業の人や小さな会社で働く人を含まないため、下の「年齢別の就業者数」(国勢調査)とは対象が違います。

出典厚生労働省「賃金構造基本統計調査」2025年 一般労働者 職種 第5表「職種(小分類)、年齢階級別きまって支給する現金給与額、所定内給与額及び年間賞与その他特別給与額」

計算年齢階級ごとの年収の目安(月額 × 12 + 年間賞与)と推計労働者数。企業規模10人以上、男女計。

男女別

男636万円
女509万円

女性の年収は男性の80%です。年齢構成や勤続年数の違いも含んだ差です。

企業規模別

1,000人以上639万円
100〜999人621万円
10〜99人523万円

企業規模による差は最大116万円です。

出典厚生労働省「賃金構造基本統計調査」2025年 一般労働者 職種 第1表「職種(小分類)、性別きまって支給する現金給与額、所定内給与額及び年間賞与その他特別給与額」

計算男女別は企業規模10人以上の計、企業規模別は男女計。いずれも年収の目安(月額 × 12 + 年間賞与)。

需要と将来性

より広い職種の数値求人倍率は「情報処理・通信技術者」全体の数値です。

2025年の有効求人倍率は1.50倍です。仕事を探している人1人に対して、1.5件の求人がある状態で、人手が足りない側に傾いています。2023年からの推移を見ると、大きくは変わっていません。

有効求人倍率の推移

ハローワークを通じた求人・求職の数から計算した値で、民間の求人サイトの求人は含みません(パートタイムを含む常用)。

出典厚生労働省「職業安定業務統計(一般職業紹介状況)」長期時系列表 第21表「有効求人倍率（パート含む常用）」(2023〜2025年)

計算各年の値は統計表の年平均(暦年)をそのまま表示。

就業者数の推移

より広い職種の数値就業者数は「その他の情報処理・通信技術者」全体の数値です。

2020年の就業者数は207,400人です(うち女性19%)。2010年と比べると+75%増えています。

国勢調査は5年ごとの調査です。会社員だけでなく、自営業や家族で営む仕事の人も含みます。 そのため、給与の統計(企業規模10人以上の会社などで働く人)とは対象が違います。

出典総務省統計局「国勢調査」2010〜2020年 2020年 抽出詳細集計「男女，従業上の地位，職業（小分類）別就業者数（15歳以上）」(それ以前は同じ区分で集計された時系列データ)

計算調査票の一部を抽出して集計した推計値(10人単位)。増減率は2010年と2020年の値からrokudakaが計算。

年齢別の就業者数(2020年)

「その他の情報処理・通信技術者」全体の数値です。5歳ごとの年齢層では、40～44歳がいちばん多くなっています(70歳以上はまとめているため除く)。30歳未満は21%で、働く人全体(15%)より多くなっています。60歳以上は6%で、働く人全体(24%)より少なくなっています。

国勢調査の就業者数で、雇われて働く人のほか、自営業や家族で営む仕事の人も含みます。70歳以上はまとめています。

出典総務省統計局「国勢調査」2020年 抽出詳細集計「男女，年齢（5歳階級），職業（小分類）別就業者数（15歳以上就業者）」 / 総務省統計局「国勢調査」2010〜2020年 2020年 抽出詳細集計「男女，従業上の地位，職業（小分類）別就業者数（15歳以上）」(それ以前は同じ区分で集計された時系列データ)

計算年齢(5歳階級)の就業者数を、賃金の統計の年齢階級に合わせて「〜19歳」から「70歳〜」にまとめた。割合は5歳階級の合計に対する割合でrokudakaが計算。働く人全体は国勢調査の「総数」で、差が5ポイント未満は「同じくらい」。

働き方の内訳(2020年)

雇われて働く人(正社員・派遣・パートなど)95%197,530人
会社などの役員2%4,630人
事業主(人を雇っている)1%未満410人
事業主(一人で)(開業・フリーランスなど)2%4,250人
家族従業者・内職など1%未満80人
不詳1%未満500人

出典総務省統計局「国勢調査」2020年 抽出詳細集計「男女，従業上の地位，職業（小分類）別就業者数（15歳以上）」

計算割合は従業上の地位別の就業者数を総数で割ってrokudakaが計算。「家族従業者・内職など」は家族従業者と家庭内職者の合計。

必要なスキル・知識

全職業の平均と比べて特に求められるスキルは、プログラミング、数学的素養、カスタマイズと開発です。 知識ではコンピュータと電子工学、工学、数学が特徴的です。

スキル(全職業の平均との差が大きい8項目)

知識(全職業の平均との差が大きい8項目)

水準はスキルが0〜7程度、知識が0〜5程度で、数字が大きいほどその仕事で高いレベルが求められることを表します。

出典厚生労働省 職業情報提供サイト(job tag)「職業情報データベース 簡易版数値系ダウンロードデータ ver.7.00」スキル(2021年度、その職業に就いている人へのWebアンケート) / 厚生労働省 職業情報提供サイト(job tag)「職業情報データベース 簡易版数値系ダウンロードデータ ver.7.00」知識(2019年度、その職業に就いている人へのWebアンケート)

計算「全職業の平均」は、job tagで数値のある全職業(最大518職業)の単純平均をrokudakaが計算。表示する8項目は、この職業の値と全職業の平均との差が大きい順。

なり方・学び方

この仕事に就くためには、特に学歴や資格は必要とされず、現状では求められる要件や水準も明確でないが、大学院で情報科学あるいは工学部、理学部の様々な分野の修士か博士号取得者が多くを占める。大学学部卒の割合がそれに続き、高専卒も若干いる。新卒者を採用する場合は、大学での研究実績、国際学会での発表、また、AI（人工知能）関連の各種コンペティションでの入賞等が評価される。

研究機関、メーカー、情報通信会社、ベンチャー企業などに採用される。システムエンジニアとは別にAIエンジニアとして採用されることが多い。

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（AI開発会社の数、関連学会の会員数、関連コミュニティの参加者数から推定）、実績のあるAIエンジニアの中途採用、優秀な大学院生・大学生の新卒採用は争奪戦となっている。データサイエンティストなど隣接する分野から転身してくる人もいる。

転職する場合は、同業他社でAIエンジニアになるというケースもあるが、大学や研究機関に移るケースも多い。

ディープラーニングやその他の機械学習の手法に精通していること、この分野でメジャーなプログラミング言語であるPython（パイソン）などを使いこなせること、データ分析の技術やツールが十分に使えること等が求められる。また、その上に、例えば、画像処理、自然言語処理、音声処理などの技術に精通していることや、医学、農学などの特定の分野における専門知識が求められることもある。

新しい分野であり、人材の育成方法はまだ確立していないが、大学で学んだ専門知識、個人のポテンシャルや閃きが新しい発明に繋がることも多く、開発する力は年齢や経験年数と必ずしも比例しない。

進歩が速い分野であり、常に情報収集が必要で、論文を読んだり、また、自ら書いたりすることが多い。

出典厚生労働省 職業情報提供サイト(job tag)「職業情報データベース 解説系ダウンロードデータ ver.7.01」(2024年度更新)

関連団体

スキルが近い職業

スキル・知識の傾向が似ている職業です。必要なスキルの重なりが大きいほど、転職のときに経験を活かしやすいと考えられます。

出典厚生労働省 職業情報提供サイト(job tag)「職業情報データベース 簡易版数値系ダウンロードデータ ver.7.00」スキル(2021年度、その職業に就いている人へのWebアンケート) / 厚生労働省 職業情報提供サイト(job tag)「職業情報データベース 簡易版数値系ダウンロードデータ ver.7.00」知識(2019年度、その職業に就いている人へのWebアンケート)

計算スキル39項目・知識33項目の水準を、job tagの全職業の中での位置(標準化した値)に直し、職業ごとの全体の高さの差を除いてから傾向の近さ(コサイン類似度)をrokudakaが計算。このサイトに掲載している職業の中から近い順に5件。

AIエンジニアと、ほかの職業をくらべる →

出典と注意

使っている統計について

賃金構造基本統計調査(e-Stat)
厚生労働省が毎年行う基幹統計(統計法で特に重要と定められた統計)です。 事業所が、働いている人ごとの給与を記入する調査で、職種・年齢・企業規模などの区分ごとの給与がわかる国の代表的な賃金統計です。 このサイトの数値の範囲は一般労働者(短時間労働者を除く)、企業規模10人以上です。
職業安定業務統計(一般職業紹介状況)(e-Stat)
厚生労働省が、全国のハローワークで受け付けた求人と求職の数を集計した業務統計です。 民間の求人サイトや人材紹介会社の求人は含みません。
国勢調査(e-Stat)
「国勢調査は、日本に住んでいるすべての人及び世帯を対象とする国の最も重要な統計調査で、国内の人口や世帯の実態を明らかにするため、5年ごとに行われます。」 (総務省統計局「令和2年国勢調査に関するQ&A」問1-1) 職業別の就業者数は、調査票の一部を抽出して集計した推計値です(抽出詳細集計)。 範囲は15歳以上の就業者(雇用者のほか、自営業主・家族従業者などを含む)です。
厚生労働省 職業情報提供サイト(job tag)(ダウンロードページ)
厚生労働省の職業情報サイトです。スキル・知識・タスクの数値は、独立行政法人労働政策研究・研修機構(JILPT)がその職業に就いている人へのアンケートで集めたものです。

データの対応関係

数字の見方

数字の計算方法や読み方は「統計の読み方」にまとめています。

独立行政法人労働政策研究・研修機構(JILPT)作成『職業情報データベース 簡易版数値系ダウンロードデータ ver.7.00』職業情報提供サイト(job tag)より2026年10月30日にダウンロード(https://shigoto.mhlw.go.jp/User/download)、『職業情報データベース 解説系ダウンロードデータ ver.7.01』職業情報提供サイト(job tag)より2026年10月30日にダウンロード(https://shigoto.mhlw.go.jp/User/download)を加工して作成