非エンジニアAI人材の年収を決める要因 — 職種・スキル・業界でどう変わるか

「AI人材って言っても、結局いくらもらえるんですか」——面談でこの質問をされたとき、僕は正直に「一概には言えません」と答えます。ただ、それで終わらせると相談に来てくれた方に申し訳ないので、いつも3つの軸に分けて説明するようにしています。

結論から言うと、非エンジニアのAI活用人材の年収差は、職種経験・技術スキル・業界特性という3つの軸の掛け算で生まれていると僕は考えています。どれか1つだけを伸ばしても年収レンジはあまり動かず、複数の軸が噛み合ったときに初めて評価者の目に留まる、というのが現場で見てきた実感です。この記事では、それぞれの軸がどう年収に影響するのかを、独自ガイドの目安値として整理していきます。数字はあくまで僕自身の面談・現場観測に基づく体感値であり、公的な賃金統計とは別の性質のものだとご理解いただいた上で読み進めてください。

1. 年収差が生まれる3つの軸 — 職種経験・技術スキル・業界特性

まず全体像です。僕が面談で年収の話をするとき、必ず「何の軸の話をしているか」を分けます。ここを混ぜて話すと、「AIに詳しい人は高年収」という粗い理解のまま終わってしまうからです。

1つ目は職種経験の軸。AI企画職、AI導入担当、プロンプトエンジニア、AIプロダクトマネージャーといった職種そのものの経験年数と、その職種でどこまでの意思決定権限を持っていたかです。同じ「AI企画職3年」でも、要件定義から予算承認まで担っていた人と、上流の指示を受けて資料作成だけをしていた人では、次の転職・異動で提示される年収レンジが大きく変わります。

2つ目は技術スキルの軸。ここで言う技術スキルはエンジニアリングそのものではなく、プロンプト設計力・業務プロセス設計力・データを読み解いて意思決定に落とし込む力の3層です。この3層は独立していて、プロンプト設計だけできる人、業務プロセス設計までできる人、データ分析までできる人の順に、評価される年収レンジが上がっていく傾向があると僕は見ています。

3つ目は業界特性の軸。同じ職務内容でも、IT・スタートアップ系と金融・製造といった規制業界では評価の軸自体が違います。ここは次の章で詳しく触れます。

2. 職種別に見る年収レンジの目安値

次に、職種ごとの年収レンジを僕の独自ガイドとして整理してみます。あくまで目安値であり、企業規模や地域、個人の実績によって上下する前提でご覧ください。比較の相手を明確にするため、同じ「AI活用人材」という括りの中での相対的な位置づけとして示します。

この表で僕が特に伝えたいのは、プロンプトエンジニアという職種名だけを見て「年収が低め」と判断するのは早計だという点です。プロンプトエンジニアという肩書きでも、業務プロセス全体の設計に踏み込んでいる人は、AI企画職と同じレンジで評価されているケースを何度も見てきました。逆に、AI企画職という肩書きでも、実質的にプロンプトの微調整しかしていない場合は、レンジの下限に留まりやすい印象があります。つまり肩書きよりも、実際にどこまでの意思決定と設計を担っているかが年収を分けている、というのが僕の見立てです。

3. スキルスタック別の差 — プロンプト設計力・業務設計力・データ分析力

前の章で触れた3層のスキルについて、もう少し掘り下げます。僕の体感値では、この3層は積み木のように積み上がるもので、下の層を飛び越えて上の層だけを主張しても評価されにくいという傾向があります。

1層目のプロンプト設計力は、いわば「入り口」です。ここだけを磨いても年収インパクトは限定的で、僕の観測では中位帯より上に上がりにくい印象があります。プロンプトが上手いというだけでは、業務のどこに組み込むかという設計判断ができるかどうかが見えないためです。

2層目の業務設計力は、現場のオペレーションのどこにAIを組み込むと成果が出るかを設計できる力です。ここを証明できると、面接や評価の場での説明が一段具体的になります。「このプロンプトを作りました」ではなく「この業務の承認プロセスをこう変えて、AIをこの工程に入れたら処理時間が短縮された」という語り方ができる人は、僕の体感では中位帯から上位帯への昇格が起きやすいです。

3層目のデータ分析力は、AI活用の成果を数字で説明し、次の投資判断につなげられる力です。ここまで到達している非エンジニア人材はまだ少なく、僕の面談経験の中でも該当する方は限られています。だからこそ、この層まで到達している人は職種を問わず上位帯で評価されやすいというのが実感です。

4. 業界特性による違い — スピード重視の業界と再現性重視の業界

同じ職務内容でも、業界によって評価軸が変わります。僕がこれまで見てきた中での大まかな傾向を整理すると、IT・スタートアップ系は「早く試して早く成果を出せる人」が評価され、年収レンジの上限も動きやすい業界です。一方で金融・製造・インフラといった規制の強い業界は、「同じ品質を再現できる人」が評価され、上限は控えめでも下限が安定している印象があります。

ここで大事なのは、どちらが優れているという話ではなく、自分がどちらの評価軸で評価されたいかを先に決めることだと僕は考えています。スピードで評価されたい人が再現性重視の業界に入ると、成果を出しても「まだ検証が甘い」という評価になりがちですし、逆に再現性で評価されたい人がスピード重視の業界に入ると、「判断が遅い」という評価になりがちです。業界選びは年収だけでなく、自分の働き方の相性という観点でも見た方がいいと思っています。

もう一つの視点として、業界の中でのAI活用の成熟度も影響します。AI活用が始まったばかりの業界では、実績のある人材が少ないため、経験年数が浅くても相対的に高く評価されるケースがあります。逆にAI活用が進んでいる業界では、比較対象となる人材が増えるため、より具体的な成果の言語化が求められる傾向があると感じています。

5. 年収を上げるために今日からできる3つのアクション

ここまでの話を踏まえて、今日からできる具体的なアクションを3つ挙げます。抽象的な心構えではなく、今日中に着手できるものに絞りました。

1. 直近1年でAIを使って改善した業務を1つ選び、「変更前の状態」「変更後の状態」「変化の理由」の3点を紙1枚にまとめる。これは面接資料にもなりますし、社内での評価面談の材料にもなります。
2. 自分が今どの職種・肩書きで働いているかに関わらず、業務設計力を発揮した場面を1つ思い出し、それを100字程度で説明できる形に言語化する。プロンプトの工夫だけで終わらせず、業務プロセスのどこを変えたかまで書けているかを確認する。
3. 今の会社の中で、自分より1段上の年収レンジにいる人がどんな意思決定を任されているかを、可能であれば直接聞いてみる。転職先の情報より、自社の中の情報の方が精度が高く、次の一手を考える材料になりやすいです。

この3つは、いずれも転職活動を始める前でもできることです。僕の経験では、転職や異動を焦る前にこの整理をしておいた人の方が、いざ動くときの交渉力が高くなる傾向があります。

6. よくある失敗と対処 — 年収交渉でつまずく人の共通点

最後に、僕がこれまで見てきた中で年収交渉でつまずきやすいパターンを2つ紹介します。

1つ目は、使ったAIツールの名前を並べることに終始してしまうパターンです。「ChatGPTを使いました」「このツールも導入しました」という説明は、業務設計力の証明にはなりません。評価者が知りたいのは、そのツールを使って何が変わったかという成果の部分です。ツール名の列挙で終わっている職務経歴書は、僕の見てきた範囲では年収交渉の場で弱い印象を持たれやすいです。

2つ目は、業界の年収相場だけを根拠に交渉しようとするパターンです。「この業界だとこのくらいもらえるはずです」という主張は、自分の実績と紐づいていないと説得力を持ちません。相場の話は交渉の出発点にはなりますが、それだけでは決め手にならないというのが僕の実感です。相場と自分の実績、両方を組み合わせて話せるように準備しておくことをお勧めします。

対処法としては、前の章で挙げたアクションを先に済ませておくことです。成果の言語化ができていれば、相場の話をされたときにも「自分の場合はこの実績があるので、レンジの上の方で検討してほしい」という形で返せます。準備のある人とない人では、同じ交渉の場でも結果が変わってくると考えています。

7.（結論）年収は肩書きではなく、設計した範囲の広さで決まる

ここまで職種経験・技術スキル・業界特性という3つの軸で年収差の要因を整理してきました。改めてまとめると、年収を分けているのは肩書きそのものではなく、実際にどこまでの業務を設計し、意思決定に関与してきたかの範囲だと僕は考えています。プロンプトエンジニアという肩書きでも業務設計まで踏み込んでいる人は評価され、AI企画職という肩書きでも設計の範囲が狭い人は評価されにくい、というのが現場で見てきた実感です。

皆さんいかがでしたでしょうか。自分がどの層のスキルまで踏み込めているか、一度紙に書いて整理してみるのもよいと思います。では今日もがんばりましょう。