AI求人はモデル開発から業務統合へ　エージェント需要が促す職種転換

【何が起きたか】AI求人の世界的な急増とエージェント需要の台頭

世界の求人市場において、AIスキルを持つ人材への需要が拡大しています。2025年における世界のAIスキル求人は、前年比で69%増加しました[1]。この数値は、求人市場全体の増加率である9%を大きく上回っています[1]。

全求人に占めるAI関連の割合も着実に上昇しています。2021年には世界の全求人の1.8%でしたが、2025年には3.2%に達しました[2]。企業の採用意欲が衰えていない事実が示されています。

特に米国では、自律的に業務を進めるエージェント需要が急増しました。2025年の米国では、AIスキルを求める求人が全求人の2.56%を占めています[3]。中でもAIエージェント関連の求人は、2024年の0.06%から2025年には0.23%へと拡大しました[3]。

AIエージェントとは、自律的に判断して一連の業務を遂行するシステムを指します。このエージェント関連求人の増加率は前年比で280%に達し、1年で約3.8倍に急成長しました[3]。

AI求人の需要には地域的な集中も見られます。2025年のデータでは、シンガポールが4.69%で首位となり、香港が3.48%、ルクセンブルクが3.43%で続きました[4]。スペインは3.31%、米国は2.56%、英国は1.93%となっています[4]。

国・地域	全求人に占めるAIスキル求人の比率（2025年）
シンガポール	4.69%
香港	3.48%
ルクセンブルク	3.43%
スペイン	3.31%
米国	2.56%
英国	1.93%

業界別に見ると、テクノロジー・メディア・通信分野の比率が11%と突出しています[5]。専門サービス分野も6%と高い水準を示しました[5]。一方でヘルスケア分野は0.90%にとどまり、分析対象の中で最も低い比率となっています[5]。

日本国内でも外部人材の需要が急伸しています。ITフリーランス市場におけるAI関連の案件数は、2024年度から2025年度にかけて約2倍に増加しました[6]。生成AIや対話AI、RAGなどの実装案件が市場を牽引しています[6]。RAGとは、外部知識を検索して回答精度を高める技術です。

【なぜ今か】推論コストの劇的な低下と法規制が促す実用化

実務での導入が加速している背景には、推論コストの大幅な低下があります。推論とは、学習済みモデルがデータをもとに回答を出力する処理のことです。

米スタンフォード大学の報告によると、GPT-3.5相当の性能を持つモデルの推論コストは劇的に低下しました[7]。2022年11月時点では100万トークンあたり20米ドルでした[7]。トークンとは、AIが言語を処理する最小単位です。

このコストが2024年10月には0.07米ドルまで下落しました[7]。推論コストは280分の1以下に縮小した計算になります[7]。このコスト低下により、常時稼働型のエージェントを実務に組み込む経済的ハードルが下がりました。

計算資源に対する需要の強さは、インフラ企業の業績からも確認できます。半導体大手NVIDIAの2026年度第4四半期決算では、データセンター売上高が623億米ドルに達しました[8]。これは前年同期比で75%の増加です[8]。

このインフラ投資の拡大に伴い、採用需要は変化しています。モデル開発者だけでなく、推論基盤の効率化やデータセンター運用、分散システムを担う人材へ採用枠が広がっています[8]。

制度面での環境整備も採用を後押ししています。欧州連合の包括的なAI規制である「EU AI Act」は、2026年8月2日に一般適用が開始されます[9]。この法規制は、AIシステムのリスク評価や透明性の確保、監督体制の構築を事業者に義務づけます[9]。

規制の本格化は、採用を抑止するのではなく専門職の需要を喚起すると考えられます[10]。AIガバナンスやリスク評価、監査を担う人材の重要性が高まっています[10]。ただし、各企業の対応状況にはばらつきがあるため、需要の波及速度を一律に断定することはできません。

【何が変わるか】「モデル開発」から「業務統合・信頼性・評価」への職種転換

企業のAI活用は、対話支援から自律的な業務実行へと移っています[11]。それに伴い、採用市場が求める職種も大きく変化しました。モデルの利用者よりも、業務設計や権限管理、評価、本番運用を担う人材が求められています[11]。

この潮流の中で注目されているのが「Applied AI Engineer（業務適用エンジニア）」です。米OpenAIの求人要件によると、この職種はモデル開発だけにとどまりません[12]。ユースケースの選定からシステム設計、試作、評価、本番展開、スケール運用までを一貫して主導します[12]。

自律型エージェントの開発現場では、単一モデルの精度向上よりも全体設計が重視されます。ツールの呼び出しや外部メモリの管理、プロトタイプから本番環境への移行を適切に設計できる能力が必須とされています[13]。

実践的なスキルを習得する動きも加速しています。GoogleとKaggleが開催した集中講座「AI Agents Intensive」には、世界から150万人以上が参加しました[14]。エージェントを設計・評価して本番運用するスキルの需要は極めて高い状況です。

実務でLLMアプリケーションを構築する職種には、複合的な能力が要求されます。機械学習の実装力に加え、エージェント設計、コンテキストエンジニアリング、安全性、応答遅延の改善、コスト管理などを横断的に扱う能力です[15]。

インフラを担うエンジニアの役割も再定義されています。従来の学習パイプライン構築から、分散学習、推論基盤、計算資源のスケジューリング、障害復旧までを統合運用する職種へ広がっています[16]。

評価と安全性も独立した専門領域になりました。システムの脆弱性を検証するレッドチーミングや、安全指標の測定を行う専門職が設置されています[17]。プロダクトマネージャーにも、安全性やエージェントAPIを戦略に組み込む知見が求められます[18]。

技術と顧客業務を橋渡しする職種も増えています。米Anthropicでは、Applied AI ArchitectやForward Deployed Engineerといった導入伴走型の職種が採用されています[19]。

AIの業務利用が進むなかで、人間に求められる資質も変化しています。AI利用者を対象とした調査では、AI時代により重要になるスキルとして「AI出力の品質管理」（50%）と「批判的思考」（46%）が挙げられました[20]。

【何が変わるか】国内企業の採用動向と報酬水準、柔軟な外部人材調達

日本国内でも、AIの実務適用を担う人材の採用が活発に行われています。米OpenAIは東京拠点において、顧客導入を主導する正社員を募集しています[21]。募集職種にはApplied AI EngineerやForward Deployed Engineerが含まれます[21]。

東京向けのForward Deployed Engineerには、5年以上のエンジニアリング経験が求められます[22]。顧客対応を伴う技術導入の実績が必須要件です[22]。さらに週3日の出社や国内出張、日英バイリンガルの語学力が条件となっています[23]。

米Anthropicも東京勤務のApplied AI Architectなどを募集しています[24]。また国内有力スタートアップのSakana AIも、推論基盤や信頼性を担うPlatform Reliability Engineerなどを募集しています[25]。

Sakana AIのインフラ求人では、GPU資源の管理やLLM配信、SLA管理、障害対応、コスト最適化が職務範囲とされています[26]。AIインフラ人材の役割が研究基盤から本番運用へ移っている証左です。

企業名	募集職種	想定年収	主な要件・担当範囲	勤務形態
日本経済新聞社	LLMアプリケーションエンジニア	700万〜1,100万円	社会人経験、日本語ビジネス会話、RAG・エージェント設計、評価データセット	在宅勤務可（フルリモート不可）
エムニ	機械学習エンジニア	600万〜1,000万円	開発または研究経験、Python、LLM・RAG・AIエージェント活用、モデル評価	東京・京都出社またはフルリモート
HOKUTO	AI Platform Engineer	950万〜1,500万円	Web開発運用5年以上、クラウド運用3年以上、生成AI等活用1年以上	フルリモート
ELYZA	シニア機械学習エンジニア	900万〜1,500万円	機械学習等の実務・研究開発3年以上、論文実装・検証、Python	日本国内フルリモート可

日本経済新聞社は、LLMアプリケーションエンジニアを年収700万〜1,100万円で募集しています[27]。エムニは機械学習エンジニアを年収600万〜1,000万円で募集しています[28]。

シニア層では提示額がさらに上がります。HOKUTOはAI Platform Engineerを年収950万〜1,500万円で募集しています[29]。ELYZAもシニア機械学習エンジニアを年収900万〜1,500万円で募集しています[30]。

国内の正社員求人では、中堅層で年収600万〜1,100万円、シニア層で950万〜1,500万円の提示が目立ちます[31]。本番運用や評価、セキュリティまで担える人材ほど上限が高くなる傾向が見られます[31]。ただし、これらは求人票に基づく傾向であり、個別の契約条件によって異なるため一概には断定できません。

勤務形態に関しては、スタートアップを中心にフルリモートが導入されています[32]。一方で、大企業や顧客密着型の職種ではハイブリッド勤務が指定される傾向があります[32]。

外部人材市場でも、業務統合へのシフトが鮮明です。フリーランス市場では、AI導入やエージェント関連案件が伸びる一方、モデル開発単体の比率は低下しています[33]。副業市場でも、公開案件の14.1%がAIに明確に言及しており、活用余地を含めると35.4%に達します[34]。ただし副業調査は単一サービスの暫定集計であり、市場全体を断定するには注意が必要です。

副業・フリーランス人材への企業依頼件数の中央値は、前年の3件から5件へ増えました[35]。一方で、ハイクラス人材の月間活用費用の中央値は20万円に低下しています[35]。

企業は専門スキルの即時確保や業務加速を目的に、数週間から数か月単位の特定タスクを切り出して外部委託しています[36]。現在の活用率は約2割ですが、未活用企業を含む約8割が活用意向を示しています[37]。

短期的な検証（PoC）の契約形態も見直されています。公的ガイドラインでは、完成義務や性能保証を伴わない準委任契約が妥当であると整理されています[38]。

行政の導入案件でも、単なるツール開発にとどまらず、環境整備や研修、現場定着支援までを委託する動きが確認できます[39]。日本の外部人材活用は、一時的な人手不足の補填から、専門家への段階的なタスク調達へ移行していると考えられます[40]。

【誰に影響するか】若手開発者が直面する逆風と全職種での「業務再設計」

AI技術の急速な進展は、労働市場のあらゆる階層に影響を与えています。特に若手開発者の雇用環境には厳しい変化が現れています。

米スタンフォード大学の報告によると、米国の22〜25歳のソフトウェア開発者雇用は2024年から約20%減少しました[41]。また、マイクロソフト研究所の調査でも、AI曝露度の高い職種において22〜25歳の雇用が類似職種に比べて16%減少したと報告されています[42]。

この背景には、若手の担当業務の変化があります。初歩的なコード生成はAIが代替しつつあります。その結果、若手の仕事はコード作成から、AI生成コードのレビュー、テスト、評価へとシフトしています[43]。この変化により、若手が実務経験を段階的に蓄積する機会を失うリスクが指摘されています[43]。

企業リーダーの意識も揺れています。調査によると、リーダーの78%が新たなAI職種の採用を検討する一方で、33%は人員削減も検討しています[44]。また、46%の組織がエージェントによる業務プロセスの完全自動化を実施しています[45]。

非IT職においては、AIを指揮する「agent boss」型の役割が広がっています[45]。業務の指示や委任、検証を人間が行い、AIと混成チームを組む形です。リーダーの83%は、AIの活用によって従業員が早期に戦略的な仕事を担えると回答しています[45]。

業界によっても構造の違いが見られます。ヘルスケア業界のAI求人では、AIユーザー職が89%を占め、開発者職は11%にとどまります[46]。専門開発者よりも、既存業務にAIを適用できる実務人材の需要が圧倒的です[46]。

世界経済フォーラムの報告でも、AIスペシャリストや開発者が成長職種に挙がる一方、事務職やデータ入力は減少職種とされています[47]。労働市場は、専門職化して生産性を高める層と、AIによって業務が容易になる層へと二極化しています[48]。

若手や初学者側でも、実践的なスキル獲得へ向けた動きが見られます。GoogleとKaggleのエージェント講座には150万人以上が参加し、1万1,000件以上のプロジェクトが提出されました[49]。

採用要件においても、単なる研究者にとどまらず、顧客業務を理解して本番展開を主導できる実務型エンジニアが重視されています[50]。米OpenAIの東京向け求人でも、顧客対応を含む5年以上の経験が求められています[50]。

米Anthropicでは、技術系社員の約半数が過去に機械学習の経験を持たず、博士号を持たない社員も在籍しています[51]。独立した研究やブログ記事、オープンソースへの貢献といった非典型的な実績も評価されています[51]。

隣接する職種でも再設計が進んでいます。データ作成者の役割は、単純なラベリングから合成データの設計や品質レビュー、評価データの監修へと移行しています[52]。翻訳や定型業務でも、反復作業から品質管理や専門的判断へ仕事がシフトしています[53]。

クリエイターや非IT職においても、成果物の量産能力より、目的設定や事実確認、最終責任を引き受ける能力が差別化要因になると考えられます[54]。

【データの読み解き方】求人データと「AI失業論」を解釈する際の注意点

本稿で取り上げた各種データを読み解く際には、指標の前提条件や限界を理解することが不可欠です。

まず、オンライン求人件数は採用需要の上限を示す指標であり、実際の雇用創出そのものではありません[55]。1件の求人票が必ずしも1人分の採用枠を意味するわけではないためです[55]。また採用サイトのデータはネット掲載求人に限られ、オフライン採用や特定業界の動向を取りこぼす偏りがあります[56]。

AI求人の分類基準にも注意が必要です。調査では求人票に指定のAIスキルが1つでも含まれていればAI求人と判定されます[57]。そのため、新設ポストだけでなく既存職の要件変更や社内異動、実際の採用成否までは区別されません[57]。

「AI曝露度」という概念の解釈にも慎重さが求められます。AI曝露度は、特定の職務タスクがAI技術によって影響を受けうる潜在的な度合いを示す指標です[58]。これは実際の導入状況や業務削減、失業を直接測定したものではありません[58]。

学術的な研究においても、個別のAI曝露モデルは失業率や離職リスクを予測できないことが示されています[59]。影響を受ける可能性と、実際の失業を同一視してはなりません。

マクロ視点での集計雇用全体では、明確な失業の増加は確認されていません[60]。ただし、高曝露職種において22〜25歳の雇用が16%減少しているように、若年層やキャリア入口に影響が偏っている傾向は注視すべき事実です[60]。

世界経済フォーラムなどの将来予測も、AI単独の影響ではなく、人口動態や景気、脱炭素化など複数のマクロ要因を含む企業見通しです[61]。また対象労働者も世界の全雇用を網羅しているわけではありません[61]。極端な言説に惑わされず、指標の定義を冷静に見極める姿勢が重要です。