AI Product Engineer

一言でいうと

生成AIを使ったプロダクトの機能について、どういう体験にするかの設計から実装と品質の評価までを担当する職種です。

この職種の出自と登場時期

起点は2023年です。生成AIのAPIが誰でも使える形で提供されたことで、モデルを学習させずにプロダクトへ組み込む仕事が大きな領域になりました。ここで問題になったのは、出力が毎回同じにならないという性質です。従来の機能は仕様どおりに動くかどうかで判定できましたが、生成AIの機能は「どの程度の割合で使える出力になるか」で判断することになり、実装と体験設計を分けにくくなりました。

国内で職種名として現れたのは2025年前後です。プロダクトエンジニアという職種が国内で定義された流れと重なっており、そのAI領域版として使われています。海外でも、AIコーディングの普及によってプロダクトマネージャーとエンジニアの中間に位置する職種が生まれつつあるという議論が続いています。国内では、LINEヤフーがAIエージェント開発の職種を公開するなど、大手でも生成AIプロダクト専任の募集が始まりました。

呼称としては新しく、「AIエンジニア」「機械学習エンジニア（生成AI）」の求人と混在しています。

ミッション

責任の中心は、生成AIを使った機能が利用者にとって使える水準で動くことです。技術検証で良い出力が得られることではなく、実際の利用のなかで期待した割合で成果が出ることが評価の対象になります。

そのため、失敗したときの設計が仕事の中心に入ります。出力が間違っていたときに利用者がどう気づき、どう修正できるかまでを含めて機能を組み立てます。

主な業務範囲

• 体験の設計。AIに任せる範囲と人が確認する範囲を決め、画面と操作に落とす
• 実装。LLMのAPI連携、RAGの構成、エージェントの処理設計を担当する
• 評価の仕組みづくり。評価データセットを用意し、変更のたびに品質を測れる状態にする
• コストと遅延の調整。モデルの選択、キャッシュ、処理の分割で実用的な水準に収める
• 安全性への対応。プロンプトインジェクション、個人情報の扱い、出力の制御を設計する

求められる能力

実装面では、Web開発の力に加えて、LLMの挙動の理解、RAGの構成、評価の設計を押さえていることが条件になります。モデルを学習させる能力より、既存モデルを組み合わせて成立させる設計力が求められる点が機械学習エンジニアと異なります。

非技術面で大きいのは、確率的な出力を前提に体験を組み立てる発想です。完全な精度に到達しないことを受け入れたうえで、利用者が困らない導線を設計する判断が成果を左右します。

この職種に就く人のキャリア経路

多いのはWeb系のプロダクト開発からの移行です。フロントエンドとバックエンドの経験を持つ人が、生成AIの機能開発を担当するうちにこの役割になる流れが中心です。機械学習エンジニアが生成AI側へ移るケースもあります。

AIプロダクトの責任者へ進む例が代表的で、プロダクトマネージャーやAI活用の推進責任者に移る人もいます。

隣接職種との違い

採用担当の見極めポイント

• 求人票では、既存モデルを使うのかモデルを学習させるのかを明記してください。ここを曖昧にすると、研究寄りの候補者とプロダクト寄りの候補者が混在します
• 経歴書では、評価の仕組みを作った経験を確認してください。動くものを作った経験と、品質を継続的に測れる状態にした経験は水準が異なります
• 生成AI機能の失敗事例を聞いてください。うまくいかなかったときにどう設計を変えたかに、この職種の判断力が表れます

求人・市場の傾向

呼称が新しく、この語だけで母集団は作れません。Web開発の経験があり、生成AI機能を本番まで出した実績を持つ候補者を、職務経歴書と技術記事から拾う進め方が現実的です。

競合は大手のAI部門とAIスタートアップの両方です。扱うプロダクトと、生成AI機能がいまどこまで動いているか。この2点が、この層にとっては報酬より強い判断材料になります。

関連キーワード

LLM / RAG / evals / エージェント / プロンプトエンジニアリング / ハルシネーション / コンテキストウィンドウ / 推論コスト