コトラ（広報チーム） 
生成AIを仕事で活用する企業が増えるなか、AIへの指示文を設計・改善するプロンプトエンジニアに関心を持つ人が増えています。一方で、未経験者向けの求人は限られ、求人名と実際の業務が一致しないこともあります。非IT職、学生、エンジニア経験者など、それぞれの強みを生かしながら、学習・実績作り・求人応募を進めることが重要です。
本記事では、プロンプトエンジニアの仕事の実態、未経験から転職を目指すための学習手順、ポートフォリオの作り方、求人の見極め方を解説します。
未経験からプロンプトエンジニアを目指す前に知る仕事の実態
プロンプトエンジニアの仕事内容と求められる役割
プロンプトエンジニアは、生成AIに与える指示文を設計し、求める品質の出力を安定して得られるように改善する仕事です。単にAIへ質問するだけではなく、業務目的を整理し、必要な情報、制約、出力形式、確認方法を設計します。
実務では、文章の作成、問い合わせ対応、議事録の整理、社内文書の検索、資料作成、データの分類など、さまざまな業務が対象になります。作成後は出力を確認し、誤りや不適切な表現、情報不足がないかを検証して、指示文や業務の流れを改善します。
そのため、求められるのは指示文を書く力だけではありません。現場の課題を聞き取り、AIに任せる範囲と人が確認すべき範囲を決め、成果を評価する役割も担います。
求人で使われる職種名と関連する仕事
プロンプトエンジニアという職種名だけで求人を探すと、選択肢が少なくなる場合があります。実際には、生成AIエンジニア、AI活用推進、AI導入支援、業務改善、AIコンサルタント、AIプロダクト企画、チャットボット運用、コンテンツ企画などの職種で、プロンプト設計や生成AI活用の業務が含まれていることがあります。
開発寄りの求人では、AIを使った機能の設計、外部システムとの連携、社内文書を参照する仕組みの構築、出力の評価などを担当します。一方、非開発寄りの求人では、業務部門へのヒアリング、活用方法の提案、文章・画像の生成支援、マニュアル整備、研修などが中心になることがあります。
肩書きではなく、業務内容に「生成AI活用」「指示文の設計・改善」「出力評価」「業務自動化」「業務要件の整理」といった記載があるかを確認することが大切です。
未経験者向け求人が少ない理由
プロンプトエンジニアは比較的新しい職種であり、企業によって業務範囲や必要なスキルが大きく異なります。そのため、未経験者を育成する前提の独立した求人は多くありません。
求人検索では未経験可の募集も見られますが、同時に実務経験、開発経験、生成AIを使った業務改善経験、プログラミング経験を求める求人もあります。また、未経験歓迎と書かれていても、研修後にどの業務を担当するのか、AI関連の仕事に配属されるのかは別途確認が必要です。
未経験から目指す場合は、いきなり専門職名だけに絞り込まず、AI活用を含む事務、企画、カスタマーサポート、マーケティング、業務改善、ITサポートなども候補に入れると、実務経験を積む入口を広げられます。
非IT職・学生・エンジニア経験者が生かせる強み
非IT職の経験者は、現場の業務を理解していることが強みになります。営業、事務、経理、人事、カスタマーサポート、制作などの経験があれば、どの作業に時間がかかるのか、どのようなミスが起きやすいのかを把握しているため、実用的なAI活用案を考えやすくなります。
学生は、授業や研究、アルバイトなどで扱ったテーマをもとに、情報整理や文章作成、問い合わせ対応などの作品を作れます。完成度だけでなく、課題を見つけて検証した過程を示せれば、学習意欲と実践力を伝えられます。
エンジニア経験者は、プログラミング、外部サービスとの連携、データ処理、システム運用の知識を生かせます。プロンプト設計に加え、AIを組み込んだ仕組みまで提案・実装できるため、応募できる求人の幅が広がります。
年収・働き方・将来性を判断する視点
プロンプトエンジニア関連の求人は、経験や担当範囲によって給与差が大きい傾向があります。求人情報には、高い年収や月額単価が掲載されているケースもありますが、開発経験、AI導入経験、業界知識、プロジェクトを主導した経験を前提とする求人も少なくありません。未経験者は、提示額だけで判断せず、求められる経験と実際の担当業務を確認する必要があります。
働き方についても、在宅勤務可やフルリモートと書かれていても、研修中の勤務場所、出社頻度、連絡可能な時間、顧客対応の有無、機材支給、相談先などは求人ごとに異なります。
将来性を考える際は、指示文を書く作業だけに依存しないことが重要です。業務理解、課題整理、出力の評価、安全な運用、データ活用、システム連携まで扱える人材は、AI技術や職種名が変化しても価値を発揮しやすいでしょう。
転職に必要なスキルと学習の全体像
生成AIの基本的な仕組みとできること
生成AIは、大量の文章や画像などをもとに学習し、入力された指示に応じて新しい文章、要約、分類、アイデア、画像などを生成する技術です。もっとも、生成AIは事実を完全に保証する仕組みではなく、もっともらしい誤情報を出力することがあります。
学習の初期段階では、生成AIが得意な作業と苦手な作業を理解しましょう。要約、文章の下書き、分類、表現の調整、情報整理は活用しやすい一方で、最新情報、数値、法律・医療・金融に関する判断、機密情報を含む内容は慎重な確認が必要です。
AIに任せることと人が判断することを切り分けられるようになると、実務で使える提案につながります。
指示文を設計して回答を改善する力
良い指示文には、目的、対象読者、前提条件、作業内容、出力形式、禁止事項、確認方法が含まれます。例えば文章作成を依頼する場合も、単に作成を求めるのではなく、誰に向けた文章か、文字数、語調、必ず含める情報、避ける表現を指定すると、出力の質が安定します。
また、一度で理想の回答を得ようとせず、出力を比較して改善する姿勢が必要です。複数の指示文を試し、どこが改善されたか、どの条件が不要だったかを記録します。この検証の積み重ねが、実務での再現性につながります。
業務課題を整理してAI活用につなげる力
企業が求めているのは、AIを使った経験そのものではなく、業務上の課題を解決できる人材です。そのため、作業を細かく分け、時間がかかる工程、判断基準が決まっている工程、繰り返しが多い工程を見つける力が必要です。
例えば、問い合わせ内容の分類、会議記録の整理、定型文の作成、資料の要点抽出などは、AIを試しやすい業務です。ただし、最終判断や対外的な発信は人が確認するなど、運用ルールもあわせて考える必要があります。
課題、原因、AIの活用方法、期待する効果、確認方法を順序立てて説明できるようにしましょう。
情報を安全に扱うための基礎知識
生成AIを業務で使う場合、個人情報、顧客情報、未公開情報、社内資料、著作物の扱いに注意が必要です。入力した情報がどのように扱われるかは、利用するサービスや契約内容、会社の規程によって異なります。
学習時やポートフォリオ作成時には、本物の顧客情報や社内資料を入力しないことが原則です。公開情報、自分で作成した架空データ、個人や企業を特定できないよう加工したデータを使いましょう。
また、AIが作成した文章や画像をそのまま公開・納品するのではなく、事実確認、著作権への配慮、不適切な表現の確認を行う姿勢が求められます。
プログラミングが必要になる求人と不要な求人の違い
プロンプト設計、文章作成支援、業務改善提案、研修、コンテンツ企画などが中心の求人では、必ずしもプログラミングが必須とは限りません。論理的に指示を設計する力、業務知識、文章力、コミュニケーション力が重視されることがあります。
一方、AIを業務システムへ組み込む求人、外部サービスと連携する求人、大量データを処理する求人、社内検索の仕組みを作る求人では、プログラミングやデータベース、外部サービスをつなぐ知識が求められます。特にPython、データ処理、外部連携、クラウド環境などの記載があれば、開発寄りの業務と考えられます。
応募先に合わせて学ぶ範囲を決めることが重要です。未経験者はまず業務活用と出力評価を身に付け、開発職を目指す場合に技術学習を追加する進め方が現実的です。
未経験者向けの学習手順
第1段階：生成AIを日常的に使い基本操作に慣れる
最初は、文章の要約、メールの下書き、アイデア出し、学習内容の整理など、日常的な作業で生成AIを使います。目的は便利な使い方を覚えることではなく、入力の仕方によって出力が変わることを体感することです。
同じ依頼でも、条件を追加した場合、対象読者を変えた場合、出力形式を指定した場合で結果を比較しましょう。使った内容と気づきを記録しておくと、後のポートフォリオ作成にも役立ちます。
第2段階：目的・条件・出力形式を指定する練習をする
基本操作に慣れたら、指示文を構造化する練習を始めます。まずは、目的、役割、入力情報、条件、出力形式、確認事項の順に書く習慣を付けましょう。
例えば、議事録の要約であれば、決定事項、担当者、期限、未解決の課題に分けて出力するよう指定します。文章作成なら、読者、目的、文字数、語調、見出しの有無を明示します。
回答が期待と異なる場合は、AIの性能だけでなく、指示に不足や矛盾がなかったかを見直してください。
第3段階：文章作成・調査・事務作業などの業務課題で試す
次に、自分の前職、アルバイト、学業、日常生活で経験した業務を題材にします。実務に近い課題を設定することで、単なる練習ではなく、課題解決の経験として説明しやすくなります。
テーマ例としては、会議メモからの議事録作成、問い合わせ文の分類、応募者向け案内文の作成、商品情報の整理、調査資料の要約などがあります。重要なのは、AIに任せる前後で、どのように品質や作業の流れが変わったかを確認することです。
第4段階：表計算・資料作成・自動化の基礎を学ぶ
業務改善の幅を広げるには、表計算ソフトや資料作成ツールの基礎も役立ちます。データを整理し、集計し、グラフや報告資料にまとめる力があると、AIの出力を業務で使える形に整えやすくなります。
さらに、繰り返し作業を減らすための自動化の考え方を学びます。最初から高度な仕組みを作る必要はありません。入力、処理、確認、出力という流れを整理し、どこを自動化できるか考えることが第一歩です。
第5段階：求人に合わせて開発・データ活用の知識を広げる
開発寄りの求人を目指す場合は、プログラミングの基礎、外部サービスとの連携、データの扱い、検索機能を使った回答生成、出力評価の方法を学びます。求人票に書かれている必須スキルと歓迎スキルを分け、優先順位を付けることが大切です。
未経験の段階で多くの技術を浅く学ぶよりも、ひとつのテーマを選んで、小さくても動く仕組みを作るほうが効果的です。例えば、文書を要約して分類し、結果を表に保存する仕組みなどは、学習成果として示しやすいでしょう。
転職活動で示せる実績とポートフォリオの作り方
未経験者でも作れる業務改善の作品例
未経験者でも、身近な業務を題材にすればポートフォリオを作れます。重要なのは、見栄えのよい作品を作ることではなく、課題に対してどのようにAIを活用し、どのように検証したかを示すことです。
- 会議メモから決定事項・担当者・期限を抽出する仕組み
- 問い合わせ文を内容別に分類し、回答案を作成する仕組み
- 長い資料を指定の形式で要約する仕組み
- 商品情報から紹介文や比較表の下書きを作る仕組み
- 学習資料から確認問題と解説を作成する仕組み
- SNS投稿やメール文の案を、対象読者別に作成する仕組み
実在企業の資料や機密情報を使わず、自作データや公開情報を活用して作成してください。
課題・指示文・結果・改善過程を記録する方法
ポートフォリオでは、完成した指示文だけを掲載しても、考える力は伝わりにくいものです。課題、利用者、目標、最初の指示文、出力結果、問題点、改善後の指示文、改善結果の順にまとめると、試行錯誤の過程を説明できます。
記録する際は、改善前後の違いを具体的に示しましょう。例えば、出力形式がそろわなかったため項目を固定した、情報不足が起きたため参照する入力項目を追加した、誤った回答が出たため回答できない場合の処理を指定した、といった形です。
画面の画像を掲載する場合も、個人情報や利用規約に反する情報が含まれていないか確認が必要です。
AIの回答を検証し品質を高めた工夫の伝え方
生成AIの回答には誤りや偏りが含まれることがあります。そのため、ポートフォリオでは、AIを使ったことよりも、回答をどのように検証したかが評価されます。
評価項目をあらかじめ決めると、改善の根拠を示しやすくなります。例えば、正確さ、必要な項目の網羅性、文章の読みやすさ、指定形式の順守、不適切表現の有無、作業時間などを確認します。
また、AIに判断を任せすぎない工夫も重要です。根拠がない場合は回答しない、参照した情報を示す、最終確認は人が行う、といった運用ルールを設計できると、実務への理解をアピールできます。
前職や学業の経験をAI活用の強みに変える方法
前職や学業の経験は、AI活用のテーマに変換できます。事務経験がある人は、文書作成、データ整理、会議運営などを題材にできます。営業や接客の経験がある人は、問い合わせ分類、提案文の下書き、顧客の声の整理などがテーマになります。
学生は、研究資料の整理、授業内容の要約、学習計画の作成、イベント運営などを題材にできます。エンジニア経験者は、仕様書の整理、テスト観点の洗い出し、技術文書の検索、問い合わせ対応の効率化などが考えられます。
経験を単に列挙するのではなく、その領域で起きやすい課題を理解していること、AIを活用する際の注意点を考えられることを伝えましょう。
守秘義務・著作権・個人情報に配慮した作品公開の注意点
ポートフォリオには、前職の社内資料、顧客情報、取引先情報、未公開の制作物を掲載してはいけません。退職後であっても守秘義務が残ることがあるため、公開可能かどうか不明な情報は使わないことが安全です。
また、他者が作成した文章、画像、プログラム、データを使う場合は、利用条件を確認してください。公開情報であっても、転載や二次利用が自由とは限りません。
作品には、使用したデータが自作・公開情報・匿名加工データのいずれであるかを記載すると、情報管理への意識を伝えやすくなります。
未経験歓迎のプロンプトエンジニア求人を見極める方法
求人票で確認したい業務内容と担当範囲
求人票では、具体的な業務内容を確認します。「AIを使った仕事」とだけ書かれている場合は、実際に何を担当するのか判断できません。指示文の設計、出力の検証、業務ヒアリング、資料作成、開発、顧客対応、研修など、担当範囲を見ましょう。
また、AI関連業務が主業務なのか、一部の付随業務なのかも重要です。入社後にどのような成果を求められるのか、誰と連携するのか、どの程度の裁量があるのかまで確認できると安心です。
研修内容・期間・研修後の配属先を確認する
未経験歓迎や研修ありという表記は安心材料になりますが、それだけで判断するのは避けましょう。研修で何を学ぶのか、期間はどのくらいか、研修中の給与や雇用条件はどうなるのか、研修後はどこに配属されるのかを確認する必要があります。
特に、研修後に生成AI関連の業務へ進めるのか、一般的なIT業務や別職種に配属される可能性があるのかは重要です。選考時には、未経験者が入社後に担当した業務例や、育成担当者の有無を質問するとよいでしょう。
フルリモート求人で確認すべき勤務条件と支援体制
フルリモートの求人では、働く場所だけでなく、業務を進めるための体制を確認することが必要です。未経験者の場合、質問先やレビュー担当者がいるか、定期的な面談があるか、研修や情報共有がオンラインで機能しているかは特に重要です。
また、完全在宅勤務なのか、研修期間や定例会、顧客対応時には出社が必要なのかも確認しましょう。勤務時間、残業の有無、連絡可能な時間、機材の支給、通信費の扱いも比較ポイントになります。
雇用形態・給与・評価制度・キャリア支援を比較する
求人を比較する際は、月給や年収だけでなく、正社員、契約社員、派遣社員、業務委託などの雇用形態を確認します。特に業務委託は、会社員とは異なり、社会保険、税金、営業、契約管理などを自身で担う必要があります。
給与については、固定残業代の有無、賞与、昇給条件、試用期間中の条件、研修中の給与を確認しましょう。評価制度では、何を成果として評価するのか、AI関連の業務経験をどのように積めるのか、将来的にどの職種へ進めるのかを見ます。
未経験歓迎の表記だけで応募を決めないための注意点
未経験歓迎という表記は、業界未経験可、職種未経験可、開発未経験可など、意味が異なる場合があります。応募前に、必須条件、歓迎条件、選考課題、入社後の業務を読み込み、自分がどの条件を満たしているか整理しましょう。
また、仕事内容や給与条件が不自然に抽象的な求人、研修内容が具体的でない求人、雇用形態や配属先の説明が不足している求人には注意が必要です。疑問点を質問しても明確な説明が得られない場合は、慎重に判断してください。
応募書類と面接で未経験を補う対策
履歴書・職務経歴書で伝える学習内容と実績
未経験者は、学習内容を羅列するだけでは不十分です。何を学んだかに加え、どのような課題で使い、どのように改善したかを記載しましょう。
例えば、生成AIを使った文書要約の作品を作成し、指示文を改善して出力形式のばらつきを減らした経験は、実務に近い取り組みとして説明できます。前職の経験についても、担当業務、工夫した点、数値で示せる成果、AI活用に生かせる知識を整理します。
資格は補助的な要素として有効ですが、実際に作ったものや検証した過程と組み合わせることが大切です。
志望動機で仕事理解と転職理由を結び付ける
志望動機では、AIに興味があるという理由だけで終わらせず、応募先の業務と自分の経験を結び付けます。なぜその企業の事業や業務領域に関心を持ったのか、自分の経験をどう生かせるのか、入社後に何を学びたいのかを具体化しましょう。
例えば、事務経験者であれば、定型業務や情報整理の課題を経験してきたことから、生成AIを活用した業務改善に携わりたいという流れで説明できます。応募先の求人票に書かれた担当業務に沿って内容を調整することが重要です。
ポートフォリオを使って説明する回答の組み立て方
面接でポートフォリオを説明する際は、作品の機能だけを話すのではなく、課題、設計、検証、改善、学びの順に伝えます。
- どのような課題を設定したか
- なぜAIを活用する方法を選んだか
- どのような条件を指示文に入れたか
- 出力にどのような問題があったか
- どのように改善し、何を確認したか
- 実務で使う場合にどのような注意点があるか
この流れで説明すると、考える力、改善力、安全への配慮を伝えやすくなります。
面接で聞かれやすい質問と準備すべき回答
未経験者の面接では、なぜこの職種を目指すのか、どの程度生成AIを使っているのか、どのように学習しているのか、作成した作品で工夫した点は何かといった質問が想定されます。
さらに、AIの誤情報にどう対応するか、機密情報をどう扱うか、希望と異なる業務を担当する可能性をどう考えるかも聞かれることがあります。回答では、生成AIを万能なものとして扱わず、確認や運用ルールが必要だと理解していることを示しましょう。
分からない質問に対しては、知ったかぶりをせず、現時点での理解と今後の学習方針を説明する姿勢が大切です。
応募先ごとに求める人物像とスキルを読み解く方法
求人票からは、企業が求める人物像を読み取れます。例えば、顧客との打ち合わせが多い求人では、技術力に加えて要件を聞き取る力や説明力が必要です。開発環境や技術名が多く書かれている求人では、実装力や継続的な技術学習が求められる可能性があります。
また、少人数の組織では自ら課題を見つけて動く力、大規模な組織では関係者と調整しながら進める力が重視されることがあります。求人票の業務内容、必須条件、歓迎条件、組織説明を読み、応募書類や面接の内容を調整しましょう。
未経験から転職後に成長し続けるための行動
入社直後に優先して身に付ける業務知識
入社直後は、AIツールの使い方よりも、担当する業務の目的、利用者、判断基準、情報の流れを理解することが重要です。業務知識がなければ、指示文を改善しても現場で使える成果物になりません。
まずは、既存の業務手順、よくある例外、過去の失敗、確認が必要な項目を学びましょう。現場担当者が何に困っているのかを把握すると、AIを活用すべき場面と活用しないほうがよい場面が見えてきます。
AIの変化を追いながら学習を続ける方法
生成AIの機能や使い方は変化が速いため、ひとつの方法だけに依存しないことが大切です。ただし、情報を追い続けるだけでは実務力につながりません。新しい機能を知ったら、自分の担当業務で使えるか、小さく検証する習慣を持ちましょう。
学習記録には、試した内容、期待した結果、実際の結果、採用しなかった理由を残します。これにより、情報収集を実務改善へつなげやすくなります。
指示文の作成だけにとどまらないキャリアの広げ方
プロンプト設計の経験は、AI活用推進、業務改善、AIプロダクト企画、データ分析、AIエンジニア、研修・教育、コンサルティングなどに広げられます。
キャリアを広げるには、指示文の作成だけでなく、要件整理、データの扱い、出力の評価、業務設計、関係者との調整、システム連携などの経験を積むことが有効です。自分が得意な業界知識とAI活用を組み合わせると、専門性を作りやすくなります。
副業やフリーランスを目指す前に積むべき実務経験
副業やフリーランスとして活動する場合、AIを使えることに加え、顧客の課題を聞き取り、成果物の範囲を決め、品質と納期を管理する力が必要です。特に、個人情報、著作権、誤情報、納品物の責任範囲を理解していないと、トラブルにつながるおそれがあります。
まずは会社員やチームでの仕事を通じて、業務ヒアリング、要件整理、レビュー、改善提案、関係者との調整を経験することが有効です。実務経験を積んでから副業や独立を検討するほうが、提供できる価値を明確にしやすくなります。
学習・実績作り・求人応募を並行して進める計画
未経験からの転職では、学習が終わってから応募を始める必要はありません。学習、ポートフォリオ作成、求人確認、応募書類の改善を並行することで、市場で求められるスキルを把握できます。
例えば、最初の1か月は生成AIの基本操作と業務課題の洗い出しを行い、2か月目には作品をひとつ作成します。同時に求人票を読み、必要なスキルを確認します。3か月目以降は、作品を改善しながら応募書類を整え、条件に合う求人へ応募していく進め方が考えられます。
未経験からプロンプトエンジニアを目指すうえで重要なのは、肩書きだけを追うことではありません。生成AIを使って現場の課題を整理し、安全性と品質に配慮しながら改善を続けられる力を身に付けることが、転職後の成長にもつながります。
