AIエンジニアの1日｜受託・自社開発・研究職で変わる時間割

本メディアはRaiseTech（PISTEC株式会社）が運営しています。

「AIエンジニアって、1日どんなふうに働いているんでしょうか」
「ずっとコードを書いているイメージですが、実際どうなんでしょう」

この記事は、そんな疑問を持って「AIエンジニア 一日」と検索したあなたのために書きました。

結論から言うと、1日のうちコードを書いている時間は、思っているより短いです。データを見る時間、結果を確かめる時間、人と話す時間が大きな割合を占めます。そしてその配分は、受託・自社開発・研究寄りのどこで働くかで変わります。

この記事では、よくある1日の流れ、3つの働き方ごとの時間割の違い、1週間で見たときの波、リモートで働く場合の違いを書きます。

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。

よくある1日の流れ

まず、典型的な1日を時間順に並べます。会社によって前後しますが、構成要素はだいたい共通です。

時間帯	やっていること	何が起きているか
始業〜	前日に回した処理の結果を確認する	学習や集計は時間がかかるため、夜のうちに回して朝見るという形が多い
午前	短いミーティング／結果を踏まえて次に試すことを決める	チームで進捗を共有。詰まっていれば相談する
午前〜昼過ぎ	手を動かす時間。データを整える、コードを書く、試す	まとまった時間が取れるのはここ
午後	打ち合わせ。事業側との確認、仕様の相談	午後に会議が入りやすい。ここで手が止まります
夕方	結果の整理、記録を残す、翌日の処理を仕込む	翌朝に結果が出るように仕掛けて終わる

1行目と5行目が、この職種らしい部分です。学習や大きな集計には時間がかかるので、仕掛けて待つ形になります。「流している間に別の作業をする」という進め方が自然に身につきます。

3行目の「手を動かす時間」の中身も分解しておきます。コードを書いている時間と、データを見ている時間は別物です。多くの場合、データを見ている時間のほうが長くなります。どんな値が入っているのか、おかしな部分はないか、分布はどうなっているか。ここを飛ばして先に進むと、後から戻ることになります。

そして「手を動かす時間」はまとまって取れないと進みません。会議が細切れに入ると、その日はほとんど進まないという感覚になります。午前を空けておけるかどうかで、仕事の進み方が変わります。

「データを整える」という作業についても書いておきます。これは表計算で並べ替えるような単純な話ではありません。欠けている値をどう扱うか、明らかにおかしい値を除くか残すか、表記のゆれをどこまで揃えるか。どれも判断が要る作業で、ここの判断が結果を左右します。単純作業に見えて、実際には最も頭を使う時間帯ということもあります。

もう1つ、1日の中で意外に時間を使うのが「結果を確かめる」作業です。数字が良くなったとき、それが本当に改善なのか、たまたまなのかを切り分けます。ここを飛ばすと、後から「実は効いていなかった」と分かって手戻りになります。

→ 仕事の中身そのものはAIエンジニアとは？完全ガイドで3つの領域に分けて説明しています。

3つの働き方で、時間割が変わる

同じ職種でも、どこで働くかで1日の形が変わります。3つに分けて並べます。

	受託・SIer	自社サービス	研究寄り
手を動かす時間	中くらい	中くらい	長い
打ち合わせ	多い。顧客との同席も	社内中心。多め	少ない
資料を作る時間	長い。報告の形式が決まっている	中くらい	論文・発表の時期に集中
相手にするのは	顧客と自社の両方	社内の事業側	同じ専門の人
時間の裁量	小さい。顧客の都合が入る	中くらい	大きいことが多い

受託は、会議と資料の比重が高くなります。顧客への報告が定期的にあり、形式も決まっていることが多いためです。手を動かす時間を確保するには、会議の間を縫う形になります。

自社サービスは、相手が社内なので調整はしやすい一方、関わる部署が多いと打ち合わせは増えます。事業側と直接やり取りするぶん、「何を作るか」の議論に時間を使います。

研究寄りは、まとまった時間が取りやすい働き方です。ただし発表や締切の前は様相が変わります。また、求められる前提（学位や研究経験）が他の2つと違う点には注意してください。

どれが良いという話ではありません。向いている働き方は、何を大事にするかで変わります。いろいろな業界のデータに触れたいなら受託、1つのサービスを育てたいなら自社、深く掘りたいなら研究寄り。時間割の違いは、その結果として出てくるものです。

未経験から入る場合についても1つ。受託や社内のAI活用担当は、入り口としては広い傾向があります。扱う案件が多く、人手が必要になりやすいためです。一方で研究寄りは、前提として求められるものが多くなります。

→ 働き方の違いは自社開発と受託開発の違いでも扱っています。

1週間で見ると波がある

1日単位で見るより、1週間で見たほうが実態に近くなります。毎日同じ形ではないためです。

曜日の例	その日の中心
週のはじめ	計画と共有。会議が集まりやすい
週の半ば	手を動かす時間が最も取れる。試行が進むのはここ
週の後半	結果の整理と報告。資料を作る時間が増える

週のはじめに会議が集まるのには理由があります。前の週の結果を見て、その週に何を試すかを決める必要があるためです。AIの仕事は「次に何を試すか」の判断が頻繁に発生するので、週の頭にそれを揃えておかないと、各自がばらばらに動くことになります。

多くの職場で、会議を特定の曜日にまとめる運用をしています。これがあると、残りの日にまとまった時間を作れます。面接で「会議は曜日を決めていますか」と聞くと、働き方の実態が見えます。

月単位でも波があります。月末や四半期末は報告が重なり、資料を作る時間が増えます。逆に期の初めは計画を立てる時期で、手を動かす時間を確保しやすくなります。この波を知っていると、込み入った作業をいつ入れるかを自分で決められるようになります。

もう1つ。試したことがうまくいかない週もあります。5日間かけて結果が変わらないことは珍しくありません。これは進んでいないのではなく、「この方向では駄目だ」という情報が得られた状態です。記録を残しておくと、そう考えられるようになります。

リモートで働く場合の違い

AI関連の仕事は、リモートと相性がよい部分と、そうでない部分があります。両方書きます。

相性がよい部分	なぜか
手を動かす時間	まとまった時間が必要な作業なので、中断が少ない環境は向いています
処理を回して待つ時間	場所に縛られる理由がありません
記録を残す文化	結果を文章で残す習慣がある職種なので、非同期のやり取りに馴染みます

難しい部分	どうするか
詰まったときに聞きにくい	未経験で入る場合はここが最大の壁です。時間を決めて相談する枠を作ってもらう
データを扱う場所の制約	社外から触れないデータがあります。出社日が決まっている職場もあります
雑談から生まれる情報	現場の困りごとは雑談に出ます。意識的に聞きにいく必要があります

1つめの表の1行目についても補足します。この仕事は、一度集中が切れると戻すのに時間がかかります。どこまで確認したか、何を試している途中だったかを思い出す必要があるためです。声をかけられる回数が少ない環境は、その意味で向いています。

1つめの表の3行目は、意外に効きます。この職種は、試したことと結果を文章で残す習慣があります。もともと非同期で進めやすい土台があるということです。

2つめの表の2行目について補足します。扱うデータに個人情報や取引先の情報が含まれる場合、社外から接続できない設計になっていることがあります。この場合、分析の作業自体が出社前提になります。求人に「リモート可」と書かれていても、担当する業務によって実態が違うことがあるので、面接で確認してください。

一方、未経験で入る人にとってリモートは難易度が上がります。画面の向こうの相手に、どこで詰まっているかを説明するのは、隣の席で聞くより難しいためです。入社直後だけ出社するなど、受け入れ側の工夫があるかを確認してください。

入社1年目の1日は、少し違う

ここまでは、ある程度慣れた人の1日です。未経験から入った最初の1年は、時間の使い方が変わります。

	1年目	慣れたあと
調べている時間	長い。用語、仕組み、社内のデータの意味	短くなる。見当がつくようになる
聞く時間	多い。ここを遠慮すると進まない	減る。代わりに聞かれる側になる
任される範囲	決まった手順の作業から	何を作るかを決めるところから
打ち合わせ	少ない。同席して聞く側	増える。説明する側になる
手を動かす時間	比率としては大きい	調整の比重が上がる

1年目は「調べている時間」が長くなります。これは非効率ではなく、必要な時間です。ただし1人で抱えると一気に無駄になります。30分調べて進まなければ聞く、といった区切りを自分で決めておいてください。

3行目についても書いておきます。最初から「何を作るか」を任されることは、ほとんどありません。決まった手順の作業から始まり、だんだん判断の部分が増えていきます。物足りなく感じるかもしれませんが、この段階で社内のデータや業務の流れを覚えておくと、あとで自分で決められるようになったときに効いてきます。

4行目も押さえておくとよい点です。最初のうちは打ち合わせに同席して聞くだけ、という時間があります。手を動かしていないので不安になりますが、ここで現場の言葉と困りごとを覚えることが、後で効いてきます。

そして、1年目で最も大きく変わるのは「分からないことが分かるようになる」という部分です。最初は何が分からないのかも分からない状態で、質問を作ること自体が難しい。これが変わってくると、調べる時間が一気に短くなります。

→ 入社後の立ち上がりは未経験から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もまとめています。

未経験からAIエンジニアを目指すなら

1日の流れを知ると、学習の進め方も見えてきます。処理を回して待つ、結果を見て次を決める、記録を残す。この回し方は、学習の段階から同じです。

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エンジニアでも同じです。

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エンジニア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｜コードを書く時間は、思っているより短い

この記事のポイントを3つにまとめます。

1. 1日の形は「仕掛けて待つ」が軸。夜のうちに処理を回し、朝その結果を見て次を決める。まとまった時間が取れる午前に手を動かし、午後は打ち合わせ、という流れが典型です。
2. 働き方で時間割が変わる。受託は会議と資料が多く、自社サービスは社内調整、研究寄りはまとまった時間が取りやすい。同じ職種名でも中身が違います。
3. リモートとの相性は部分的。手を動かす作業や記録を残す文化は向いていますが、未経験で入る場合は「詰まったときに聞きにくい」が最大の壁になります。受け入れ側の工夫があるかを確認してください。

仕事の中身はAIエンジニアとは？完全ガイド、仕事の手触りはAIエンジニアは楽しい？、労働時間はAIエンジニアは残業が多い？にまとめています。