AI関連の職種名は、指す範囲が企業ごとに違います。同じ「AIエンジニア」でも、モデルそのものを作る求人と、既存モデルを製品に載せる求人が同じ名前で募集されています。
そのため当サイトでは、職種名ではなく担当する範囲で8つに分けています。まず下の3つの軸で当たりをつけ、気になった領域の詳細ページで求人例と必須要件を確かめてください。
軸1：モデルを作るのか、
使うのか - モデルを作り製品に載せる
- モデルを研究する
- 研究寄り分散学習や論文実装
使う
軸2：製品を作るのか、
顧客に届けるのか 製品を作る
軸3：機能を作るのか、
支える仕組みを作るのか
研究寄りの求人は、当サイトの8職種には含めていません。
1. モデルを作るのか、使うのか
求人の必須要件に分散学習や論文実装が並ぶなら研究寄り、API連携やクラウド運用が並ぶなら製品寄りです。開発経験から移るなら後者のほうが接点を見つけやすくなります。その間で、モデルの学習から本番運用までを担って製品に載せるのがMLエンジニアです。研究寄りの求人は、当サイトの8職種には含めていません。詳しくはAIアプリケーションエンジニアで、同じ職種名の求人がどこまで違うかを求人要件の対比で示しています。
2. 製品を作るのか、顧客に届けるのか
同じ実装でも、自社製品を作る仕事と、顧客ごとの環境に入って導入まで担う仕事は別物です。後者はFDE（Forward Deployed Engineer）と呼ばれ、2025年後半から国内の求人が増えました。顧客の業務理解と合意形成が仕事の一部になります。
3. 機能を作るのか、支える仕組みを作るのか
AI機能そのものではなく、それを動かし続ける側の仕事もあります。推論や評価の共通基盤はAIプラットフォームエンジニア、AIが使うデータの収集と整備はデータエンジニア、エージェントの実行と安全性の制御はエージェント実行基盤エンジニア、品質を測る仕組みはAI評価エンジニアが担います。営業やマーケティングの自動化に寄るならGTMエンジニアという領域もあります。
職種名で判断しないほうがよい理由
企業が公開している職種の分け方を見ると、呼び方が揃っていないことがわかります。DeNAはAI人材を「研究者」「データサイエンティスト」「MLエンジニア」の3つに分け（2021年8月公開）、メルカリは「データアナリスト」「データエンジニア」「MLエンジニア」に分けています（2025年11月公開）。一方でPKSHA Technologyは、求人の職種名を「アルゴリズムエンジニア（機械学習エンジニア／データサイエンティスト）」と併記しています。
当サイトの8分類も編集上の整理であり、業界の標準ではありません。応募先を決めるときは、必ず個別の求人票の仕事内容と必須要件を読んでください。