プロンプトエンジニアに未経験からなれる？必要な力と現実

本メディアはRaiseTech（PISTEC株式会社）が運営しています。

「プロンプトを書くのは得意なので、未経験でもプロンプトエンジニアになれますか」
「エンジニアではないのですが、この仕事に就けるでしょうか」

この記事は、そんな疑問を持って「プロンプトエンジニア 未経験」と検索したあなたのために書きました。

結論から言うと、「生成AIに指示を出すのが得意」という感覚は、入口としては正しいです。その感覚がある人は、現場で評価される資質の一部をすでに持っています。ただし、その力だけで就ける専任のポジションは多くありません。評価されるのは、指示を書くことではなく「出てきたものが使えるかどうかを判断して、直せること」のほうです。

この記事では、その感覚がどこまで通用するか、非エンジニアの経験が値札になる場所、最初に狙う位置、いまの職場から始められること、1年のスケジュール、避けたい進め方を解説します。

RaiseTech（レイズテック）は、受講者数2,500名超え！現役エンジニアが講師を務めるAIエンジニア育成のオンラインスクールです。未経験からのエンジニア転職を支援してきた現場で見てきたリアルな情報をもとにお伝えします。

「指示を出すのが得意」はどこまで通用するか

その感覚は、現場で必要とされる4つの力のうち1つを持っている状態です。残りの3つが揃うと仕事になります。

必要な力	中身	「指示が得意」な人の状態
① 指示を書く	目的に合う形で条件を伝える	持っている。ここが入口になる
② 出力を判断する	出てきたものが使える水準かを決める	業務知識があれば判断できる。分野による
③ 直す手順を作る	外れたときに何をどう変えるかを決める	ここから先が仕事の中心
④ 仕組みに組み込む	手作業ではなく、繰り返し動く形にする	技術の習得が要る

①だけで完結する業務は、いまは社内の担当者が片手間でやっています。お金が動くのは②から④です。「毎回うまく書ける人」ではなく、「毎回同じ品質で出せる形を作れる人」が求められています。

言い換えると、評価されるのは個人の勘ではなく再現性です。たまたま良い出力が得られたのではなく、誰がやっても同じ結果になる手順を残せるか。ここが、趣味で使っている状態と仕事にする状態の境目です。

もう1つ、現実として押さえておいてほしいことがあります。「プロンプトエンジニア」という名前の求人は限られています。同じ業務が、生成AI関連の開発職やAIエンジニアという名前で募集されていることが多いためです。職種名で探すと、母数がほとんど無いように見えてしまいます。

②について補足します。出力を判断する難しさは、分野によって大きく違います。自分が長くやってきた業務なら、出てきたものが使えるかどうかはすぐ分かります。一方、知らない分野では「それらしく見えるが間違っている」出力を見抜けません。ここが、業務知識を持っている人の強みになる部分です。未知の分野で勝負するより、いま分かる分野から入るほうが早く形になります。

→ 職種そのものの中身はプロンプトエンジニアとは？仕事内容と必要なスキルで詳しく分解しています。

非エンジニアの経験は、どこで値札になるか

前の職種の経験は、捨てる必要がありません。生成AIを業務に入れる仕事では、技術より先に「何を自動化するか」を決める作業が発生します。ここは現場を知っている人のほうが強い領域です。

前職でやってきたこと	この領域でどう効くか
定型の業務を回してきた	そのまま題材になります。どこに時間がかかっているかを具体的に言えるのは、やっていた人だけです
文章を書いてきた・直してきた	出力の良し悪しを判断できます。②の力に直結します
専門でない相手に説明してきた	導入の社内説明で効きます。技術者が苦手にしやすい部分です
手順書やマニュアルを作ってきた	③の「直す手順を残す」と同じ作業です

1行目が最も大きいものです。生成AIを入れる仕事でよく詰まるのは、技術ではなく「何を任せるかが決まらない」ことのほうです。自分の業務の中に、毎週決まった形で発生していて、判断の余地が小さい作業がありませんか。それが最初の題材になります。

逆に、値札にならないものも書いておきます。「生成AIを毎日使っている」「有料プランを契約している」は、それ自体では評価されません。使った量ではなく、何を作って、どう良くしたかが見られるためです。

最初に狙う位置を間違えない

専任のプロンプトエンジニアを最初の目標に置くと、求人の母数で行き詰まります。現実的な入口は3つあり、どれを選ぶかで必要な準備が変わります。

入口	どんな仕事か	必要な準備	難しさ
A いまの職場のAI活用担当	自分の部署の業務に生成AIを入れる。転職しない	業務知識＋ツールの使い方。実績を作る場として最も早い	低い
B 事業会社のAI活用職	社内の業務改善。開発は外部や社内の技術者と組む	Aの実績＋説明できる形の記録	中
C AI機能を作るエンジニア	生成AIを組み込んだ機能の設計・実装・検証	プログラミングの基礎から。時間がかかるが求人は最も多い	高い

おすすめの順番はAから始めることです。転職活動をする前に、いまの職場で1つ作ってしまうのが最短になります。応募のときに見せられるものができ、「何に困っていて、どう解決したか」を自分の言葉で説明できるからです。

Cを目指す場合は、プログラミングの基礎から積む必要があります。遠回りに見えますが、求人の母数が最も多いのはここです。長い目で考えるなら、Aで実績を作りながらCの準備を進める形が現実的です。

→ Cの道筋はAIエンジニアになるには？未経験からの完全ロードマップに、選考の実態は未経験からAIエンジニアになれる？現実的なルートと失敗パターンにまとめています。

いまの職場から始める｜転職せずにできること

いちばん強い実績は、実際に使われているものです。転職活動の前に、いまの業務で1つ作ってください。規模は小さくてかまいません。

手順	やること	残すもの
① 題材を決める	毎週発生し、判断の余地が小さい作業を1つ選ぶ	その作業に月何時間かかっているか
② 試作する	生成AIに任せてみる。この段階は手作業でよい	使った指示と、出てきたもの
③ 評価の基準を作る	入力の例を数件用意し、期待する出力を先に決める	指示を変えたときに結果がどう変わったかの表
④ 手順書にする	自分以外の人が同じ結果を出せる形にまとめる	手順書と、削減できた時間

③が、ほかの応募者と差がつく部分です。「こういう指示を書いたらうまくいきました」で止まる人は多いのですが、「この入力のときはこう出るべき、と先に決めてから検証した」と言える人は多くありません。これは技術がなくてもできて、しかも②③の力を持っていることの証明になります。

④まで行けば、効果を数字で言えるようになります。月に何時間かかっていた作業が何時間になったか。この1行があるかどうかで、面接での説得力が変わります。

題材が思いつかない場合の探し方も書いておきます。「毎週やっているが、やり方が毎回同じ」作業を紙に書き出してください。議事録を決まった形に整える、問い合わせの内容を分類する、定型の文面を状況に合わせて書き分ける、資料から必要な数字を抜き出す。このあたりは判断の余地が小さく、最初の題材に向いています。逆に、相手や状況によって答えが変わる業務は、最初の1つには向きません。

注意点を1つ。業務のデータを外部のサービスに入れてよいかは、必ず先に社内で確認してください。顧客の情報や社外秘を含む場合、利用できるツールや設定が決まっていることがあります。ここを飛ばすと、実績どころではなくなります。

1年のスケジュール

働きながら進める前提で、無理のない配分を置きます。あくまで目安で、確保できる時間によって前後します。

時期	やること	この時期の目標
1〜2か月目	いまの業務で題材を1つ決め、試作する	手を動かした経験と、指示の記録
3〜4か月目	評価の基準を作って検証する。手順書にまとめる	削減できた時間を数字で言える状態
5〜8か月目	プログラミングの基礎。生成AIを呼び出して動かす	小さくても動くものが1つ
9〜12か月目	公開できる形に整える。応募の準備	説明できる制作物と、職務経歴書

5か月目からの技術の部分は、入口Aや入口Bを狙うなら必須ではありません。ただしここを通ると、応募できる求人の数が大きく変わります。「生成AIを使える人」は増えていますが、「生成AIを組み込んだものを作れる人」はまだ多くありません。

期間について、現実的な話を1つ。働きながらの場合、平日に取れる時間は想定の半分ということも珍しくありません。申し込みや受講を考える前に、1週間の実績を記録してみてください。

→ 学習時間の目安はAIエンジニアになるまでの勉強時間は？にまとめています。

資格は効くのか、避けたい進め方

資格は、選考で加点されるというより「学習の順番を決める道具」として使うのが現実的です。生成AI関連の資格は新しいものが増えていますが、資格だけで採用が決まる段階にはありません。

資格を取るなら、次の順番で考えてください。まず作るものを決める。進めてみて、知識が足りないと感じたところを資格の範囲で埋める。この順番なら、学んだことがそのまま制作物に入ります。逆に、資格から入ると「取ったが何も作っていない」状態になりやすくなります。

資格を選ぶときの基準も1つだけ挙げます。出題範囲に、自分が次に作るものと重なる部分があるかどうかです。用語を広く浅く問うものと、実際の使い方まで問うものがあり、前者は知識の整理に、後者は制作の助けになります。どちらが要るかは、いまどの段階にいるかで変わります。

避けたい進め方も挙げておきます。

避けたい進め方	なぜ避けるか
職種名で求人を探す	「プロンプトエンジニア」という名前の募集は限られます。業務内容で探してください
仕事を辞めてから学び始める	いまの職場が、実績を作る場として最も使いやすい環境です
使った量を実績として書く	「毎日使っています」は評価の対象になりません。作ったものと、どう良くしたかを書きます
高額な講座を、目的を決めずに申し込む	何を解決するために払うのかが決まっていないと、受講しても残るものが変わりません

1行目について補足します。求人を見るときは、募集要項に設計・検証・運用のどれが入っているかを確認してください。「生成AI活用」とだけ書かれた求人には、社内でツールを使う程度の業務も含まれます。自分が担当する範囲を面接で確かめておくと、入社後の評価のされ方が読めます。

→ 「意味がない」という意見の中身はAIスクールは意味ない？言われる理由と向く人・向かない人で分解しています。

未経験からAIエンジニアを目指すなら

非エンジニアからこの領域に入るとき、最後に効いてくるのは「作ったものを人に見てもらった経験」です。自分の出力が実務の水準に届いているかは、自分では判断できません。比べる相手がいないためです。

未経験からエンジニアになった受講生の実績

「本当に未経験からなれるのか」は、実際になった人を見るのが一番早いです。いずれもAWS・Javaコースの卒業生ですが、「未経験から学び、ポートフォリオを作り、転職する」という道筋はAI関連でも同じです。

事例①：完全未経験から半年でWebエンジニアへ｜年収250万円→600万円

プログラミング完全未経験からJavaコースを受講し、受講開始から半年でWebエンジニアとして転職。年収は250万円から600万円へと2倍以上になり、フルリモート・残業ゼロの働き方を実現しました。

特筆すべきは「半年」というスピードです。特別な才能があったわけではなく、講義に毎週出席し、分からないことをその週のうちに質問で解消する、という当たり前のことを止めずに続けた結果でした。

▶ 赤松さんのインタビューを読む

事例②：30代後半・未経験からクラウドインフラエンジニアへ｜初年度から年収600万円

30代後半、AWS未経験からAWSコースを受講。キャリアチェンジ後の最初の職場で年収600万円に到達し、フルリモートで働いています。

「30代後半では遅い」という不安を持つ方は多いですが、この事例はそれを覆しています。前職までの社会人経験は、エンジニアになってからもプロジェクトの進め方や顧客とのやり取りで強みになります。年齢は壁ではなく、むしろ武器になり得ます。

▶ 石川さんのインタビューを読む

事例③：AWSを武器に差別化｜本業＋副業で年収800万円・フルリモート

AWSコースで学んだスキルを武器に、フルリモート勤務のエンジニアとして転職。本業と副業を合わせて年収800万円を達成しました。

ポイントは「差別化」です。エンジニアの数は多くても、クラウドやAIといった需要の高い領域を扱える人は限られます。学ぶ領域を選ぶことが、そのまま市場価値の差になる。AI関連を目指す方にとっても、まさに同じ構造が当てはまります。

▶ まつもとさんのインタビューを読む

まとめ｜「書ける」より「判断して直せる」が仕事になる

この記事のポイントを3つにまとめます。

1. 「指示を出すのが得意」は入口として正しい。ただしそれは必要な4つの力のうち1つで、お金が動くのは「出力を判断する・直す手順を作る・仕組みに組み込む」のほうです。
2. いまの職場が、実績を作る場として最も使いやすい。毎週発生して判断の余地が小さい作業を1つ選び、評価の基準を先に決めてから検証してください。削減できた時間を数字で言えるようになります。
3. 職種名で求人を探さない。「プロンプトエンジニア」という名前の募集は限られ、同じ業務が生成AI関連の開発職として出ています。業務内容で判断してください。

職種そのものの中身はプロンプトエンジニアとは？、全体の流れはAIエンジニアになるには？未経験からの完全ロードマップにまとめています。