結論
- AI転職で評価されるのは、ツール名ではなく仕事を変えた証拠です。
- 時間・品質・手順・リスク管理・横展開の5種類を記録すると、職務経歴書と面接で再現性を示せます。
- 実績がまだなくても、現在の仕事を一つ選び、導入前後を記録すれば今日からEvidenceを作れます。
この記事でわかること
- 企業がAI活用人材を評価するときの視点
- 転職活動で見せるべき実務Evidenceの具体例
- 職務経歴書へ落とし込む書き方
- 実績がない状態から30日でEvidenceを作る方法
「生成AIを使えます」と言える人は、もう珍しくありません。
これから企業が見ようとしているのは、ツール名や受講歴ではなく、AIを使って仕事をどう変えたかです。
三菱商事、ホンダ、ファミリーマート、ANAなど、AI活用を人材育成や評価へつなげる動きが広がっています。転職活動でも「AIを勉強しています」だけでは弱く、実務で残した証拠が重要になります。
AI人材不足は続いている。しかし、求められるのは資格だけではない
IPAの「DX動向2025」では、日本企業の85.1％がDX推進人材の不足を感じているとされています。一方で、企業が必要としているのは、AIツールを触った経験だけではありません。
2026年4月に公表された「デジタルスキル標準 ver.2.0」では、AIやデータを使い、ビジネスや組織を変革する役割が重視されています。つまり評価されるのは、知識の量より、仕事の中で価値に変えた経験です。
転職で示したい「実務Evidence」5つ
1．作業時間をどれだけ減らしたか
「議事録作成を60分から15分に短縮」「求人票の初稿作成を半日に短縮」など、導入前後の時間を記録します。大きな成果でなくても、数字があれば再現性を説明できます。
2．品質をどう改善したか
誤字の減少、チェック漏れの防止、提案数の増加など、速さ以外の変化もEvidenceになります。AIの出力をそのまま使わず、確認基準を作った経験も評価材料です。
3．どんな業務手順を作ったか
プロンプト一つより、「入力→生成→確認→修正→承認」という手順を作った経験が重要です。他の人も使えるチェックリストやテンプレートがあれば、個人技ではなく業務改善として説明できます。
4．リスクをどう管理したか
個人情報を入力しない、重要な数値は一次情報で確認する、公開前に人がレビューする。こうしたルールを設計できる人は、単にAIを使える人より信頼されます。
5．他の人が使える状態にしたか
自分だけが速くなるのではなく、同僚への説明資料、操作手順、よくある失敗例まで残せれば、組織へ展開できる人材として評価されます。
職務経歴書では「AIを使った」ではなく、変化を書く
職務経歴書では、次の順番で書くと伝わりやすくなります。
- 以前の課題
- AIを使った業務設計
- 自分が担当した判断と確認
- 導入後の数字や変化
- 再利用できる形で残したもの
たとえば、「生成AIを活用」だけでは具体性がありません。
「営業報告の作成工程を分解し、生成AIによる初稿作成と人による数値確認の手順を整備。1件40分だった作業を15分へ短縮し、チーム3名が使えるテンプレートとして共有」と書けば、仕事への応用力が伝わります。
実績がないなら、実務の中で小さく作る
知識を身につけてから始める必要はありません。まず自分の仕事を一つ選び、AIを使う環境を作り、その中で学習と成果を同時に得ます。
大切なのは、成功だけを見せることではありません。失敗した条件、修正した内容、最終的に使えるようになった手順まで記録することです。その履歴が、あなた自身の実務Evidenceになります。
AI転職で「資格」だけでは差がつきにくい理由
資格や講座の修了は、基礎知識を学んだ証明になります。しかし採用側が知りたいのは、候補者が現場の課題を見つけ、適切な使い方を決め、出力を確認し、成果へつなげられるかです。
同じ生成AIを使っていても、文章を一度作っただけの人と、入力データの扱い方、レビュー基準、承認手順まで整えた人では、任せられる仕事の範囲が違います。AI転職で差がつくのは、操作速度ではなく、業務を安全に設計する力です。
| 伝え方 | 採用側に見えるもの |
|---|---|
| ChatGPTを使えます | 使用経験のみ |
| 議事録作成を60分から15分へ短縮 | 成果と測定力 |
| 数値確認と承認を含む手順を整備 | 品質管理と再現性 |
| 3名が使えるテンプレートとして共有 | 組織への展開力 |
30日で実務Evidenceを作る進め方
1週目：繰り返し業務を一つ選ぶ
メールの下書き、会議要約、求人票の整理、競合調査など、毎週発生する業務を一つだけ選びます。最初から部門全体を変えようとせず、自分が結果を確認できる範囲に絞ります。
2週目：導入前の状態を測る
所要時間、修正回数、確認項目、関係者数を記録します。導入前の数字がなければ、改善したかどうかを説明できません。機密情報や個人情報を扱う業務は避け、会社の利用規程を先に確認します。
3週目：AIと人の役割を分けて試す
AIに任せるのは分類、要約、初稿などに限定し、事実確認、判断、承認は人が担当します。うまくいかなかった入力条件や修正理由も残します。失敗履歴は、リスクを理解して改善した証拠になります。
4週目：他の人が再現できる形にする
入力例、出力例、確認表、利用禁止事項を1枚にまとめます。誰か一人に試してもらい、迷った箇所を修正します。この段階まで進めば、単なる個人利用ではなく、小規模な業務改善プロジェクトとして説明できます。
面接で聞かれたときの回答構造
面接では「AIを使いました」で終わらせず、課題、設計、判断、結果、学習の順に話します。
- 課題：どの業務に、どんな損失や負担があったか
- 設計：AIへ任せた部分と、人が確認した部分
- 判断：情報管理や品質を守るために決めたルール
- 結果：時間、品質、件数などの変化
- 学習：失敗から何を修正し、次にどう再利用したか
数字がない場合は無理に作らず、「週3回発生していた作業をテンプレート化」「確認漏れを防ぐチェック表を導入」のように、確認できる事実だけを伝えます。架空の成果やAIが作った体験談は、信頼を失う原因になります。
よくある質問
Q. AI関連職でなくてもEvidenceは必要ですか？
必要です。営業、事務、人事、企画、マーケティングなどでも、AIを使って既存業務を改善した経験は評価材料になります。重要なのは職種名ではなく、自分の専門業務とAIをどう接続したかです。
Q. 会社でAIを使えない場合はどうすればいいですか？
社内情報を使わず、公開情報や架空データで業務手順の試作品を作ります。個人プロジェクトとして、目的、入力、確認基準、成果物をまとめれば、考え方と設計力を示せます。
Q. プロンプトを職務経歴書に載せるべきですか？
プロンプト全文より、なぜその指示にしたのか、どのように確認したのか、結果がどう変わったのかを優先します。プロンプトはEvidenceの一部であり、成果そのものではありません。
Q. AI転職で企業を選ぶときは何を確認すべきですか？
導入ツール名だけでなく、利用規程、評価制度、現場での活用範囲、失敗を共有できる文化を確認します。AI導入を掲げていても、実務で使える環境がなければ経験を積みにくいためです。
まとめ
AI時代の転職で強いのは、最新ツールを多く知っている人ではありません。
課題を見つけ、AIを仕事へ組み込み、結果を測り、他の人も使える形にできる人です。
まずは今日の仕事から、一つだけ「導入前」「実行内容」「導入後」を記録してみてください。その小さな記録が、次の転職で語れる実績になります。
