営業からAIエンジニアになるには｜活きる強みと現実的な順路

2026年9月27日

本メディアはRaiseTech（PISTEC株式会社）が運営しています。

「営業からAIエンジニアに転職できますか」
「文系で、コードは書いたことがありません」

この記事は、そんな不安を持って「AIエンジニア営業から」と検索したあなたのために書きました。

結論から言うと、営業からの転向は可能です。ただし「営業を辞めてAIを学ぶ」という順番より、「営業の経験が値札になる職種」から入るほうが確実です。同じAI関連でも、営業経験が評価される入り口とまったく評価されない入り口があります。

この記事では、営業経験のどこが評価されるか、最初に狙うべき職種、1年のスケジュール、在職中にできること、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。

営業経験は、どこで値札になるか

「コミュニケーション能力」と書いても伝わりません。分解すると4つです。

営業でやってきたこと	AI関連の仕事でどう効くか
相手の困りごとを言葉にする	そのまま要件定義です。「何を予測すべきか」を決める工程は、これと同じ作業です
専門でない相手に説明する	事業側にモデルの結果を説明する場面で効きます。ここが苦手な技術者は多くいます
数字を追い、要因を分解する	指標を見て改善点を探す動きと同じです
関係者の合意を取る	AIを本番に入れるときは必ず社内調整が発生します

1行目が最大の武器です。実務で一番むずかしいのは、手法を選ぶことではなく「何を予測すれば事業の手間が減るか」を決めることです。エンジニアだけで進めると、技術的には正しいのに誰も使わないものができます。ここを言葉にできる人は重宝されます。

ただし、この強みが効くのは技術の土台ができてからです。コードが書けない状態では、要件を言葉にできても実装に落とせません。強みは「あとで効くもの」として持っておいてください。

逆に、営業経験だけでは埋まらない部分もはっきりしています。コードを書く速さ、エラーの原因を切り分ける手順、仕様を技術の言葉に翻訳する力。これらは経験年数がそのまま出るので、最初の1〜2年は素直に差があると考えてください。強みで埋め合わせようとすると、かえって評価が下がります。

→ 職種の全体像はAIエンジニアの種類一覧、仕事の中身はAIエンジニアの仕事内容にまとめています。

最初に狙う職種を間違えない

いきなりモデルを作る職種を狙うと、競争相手が理系の院卒になります。

職種	営業からの相性	理由
AIを使ったシステムの開発	狙いやすい	求人が多く、ソフトウェア開発の力が中心。未経験の枠もあります
データ分析・データ基盤	狙いやすい	事業を理解している人が求められる領域。営業の経験が直接効きます
機械学習エンジニア	2社目以降	まず開発かデータの経験を作ってから移るほうが現実的です
研究職・リサーチャー	狙わない	修士・博士が前提のことが多く、別のルートです

1行目と2行目が入り口です。「AIエンジニア」という肩書きを最初から取りにいくより、AIに関わる開発の現場に入るほうが早く着きます。入ってしまえば、社内で近い仕事に移る道が開けます。

3行目にも触れておきます。機械学習エンジニアを2社目以降に置くのは、遠回りだからではありません。1社目で開発かデータの実務を1〜2年やると、そこから移るときには「未経験」ではなくなります。同じ職種でも、入り口が変われば競争相手が変わります。

2行目は特に見落とされます。データ分析やデータ基盤の仕事は、「どの数字を見れば事業が判断できるか」が分かる人を求めています。営業でやってきたことと重なります。

もう1つ、業界の選び方も効きます。いま担当している業界に強い会社を狙うと、業務知識がそのまま価値になります。製造業の営業なら製造業向けのシステム会社、金融なら金融系。技術で並ばれても、業務が分かる点で差がつきます。未経験の枠では、この差は小さくありません。

→ 未経験の入り方は未経験からAIエンジニアへ、データ側の職種はデータサイエンティストになるにはにまとめています。

1年のスケジュール

在職中に進めるのが基本です。辞めてから学ぶのは最後の手段にしてください。

時期	やること	目安
1〜3か月	Pythonの基礎と、表形式データの集計・可視化	平日1時間＋休日3時間
4〜6か月	機械学習の基礎。学習と評価の流れ、指標の意味	同上
7〜9か月	自分で題材を決めて1つ作る。ここが本番	同上
10〜12か月	制作物を整理し、書類を作り、応募を始める	応募と並行して学習は続ける

7〜9か月目が山場です。ここまでは教材があるので進みますが、題材を自分で決める段で止まる人が多くいます。良い題材を探そうとせず、いまの営業の仕事で手作業になっていることを3つ書き出してください。見込み客の優先順位づけ、問い合わせの分類、日報の集計。そこから選べば十分です。

スケジュールは目安です。時間が取れない時期があっても、止めずに1日15分に落とすほうが、まとめてやるより続きます。営業職は繁忙期の波が大きいので、最初から「忙しい月は量を落とす」と決めておいてください。

営業の題材を選ぶ利点もあります。選考で「なぜその題材か」を聞かれたときに、実体験から答えられます。これは教材の課題を出す人にはない材料です。

→ 学習の順番は何から始めるか、学習時間はAIエンジニアの勉強時間にまとめています。

在職中にできること

いまの職場でも、材料は作れます。

① 自分の営業データを整理して分析する：手元の数字を集計し、傾向を出す。ここから始められます
② 社内の手作業を自動化する：レポート作成、データの突き合わせ。小さくても実際に使われるものになります
③ 社内のエンジニアと話す：自社に開発部門があるなら、相談できる相手が社内にいます

始め方に迷ったら、表計算ソフトでやっている作業をそのまま置き換えるところからで構いません。同じ集計をコードで書き直すだけでも、データの扱いは身につきます。新しい題材を探すより手が動きます。

②は特に価値があります。「実際に業務で使われているものを作った」は、個人の制作物より強い材料です。規模は問いません。月末の集計が30分短くなった、程度で十分です。

③について補足します。自社にエンジニアがいるなら、作ったものを見てもらってください。独学でいちばん足りないのは「いまの出来が実務水準か」を判断する機会です。社内にその相手がいるのは大きな利点です。

①には副次的な効果もあります。自分の担当のデータを分析すると、営業としての成績にも効くことがあります。学習が本業の役に立つと、続ける理由が増えます。転職するかどうかを決める前でも、ここから始めて損はありません。

持ち出しの制限には注意してください。顧客データを扱う場合は、社外に出さない形で進める必要があります。分析の用途でも制限があることがあるので、先に確認しておいてください。

避けたい進め方

遠回りになりやすい動き方が3つあります。

避けたい進め方	何が起きるか
先に辞めてから学び始める	収入が止まると学習の判断が焦ります。ブランクも説明が必要になります
資格を先に並べる	資格は知識の証明で、作れることの証明にはなりません。作る時間が後ろにずれます
「AIエンジニア」の求人だけを見る	肩書きで絞ると未経験の枠がほぼ無くなります。仕事の中身で探してください

1行目について。やむを得ず退職している場合は、期限を先に決めてください。「3か月で1つ作って応募を始める」と決め、期限が来たら結果に関わらず動き出す。無期限に学び続ける形が一番危険です。

2行目について補足します。資格そのものを否定しているわけではありません。順番の問題です。作るものが1つできてから資格を足すと、面接で「資格を取り、実際にこれを作りました」とつながります。逆順だと、資格だけが並んだ状態で応募することになります。

3行目も重要です。求人検索では「AIエンジニア」ではなく、「機械学習」「データ分析」「Python」といった中身の言葉で探してください。肩書きは会社ごとに違い、同じ仕事でも名前が変わります。

→ 求人の見方は求人の探し方・見方、資格の位置づけはAIエンジニアの資格にまとめています。

面接で聞かれること

営業からの転向では、必ず「なぜ変えるのか」を深く聞かれます。

「なぜ営業を辞めるのですか」：ネガティブな理由だけで答えないでください。営業でやってきたことと、これからやりたいことがつながる形にします
「なぜAIなのですか」：業界の将来性の話より、自分が困った具体的な場面から話すほうが伝わります
「技術のキャッチアップはどうしますか」：計画ではなく実績で答えます。この1年でやってきたことを具体的に

3つ目が本題です。採用する側が心配しているのは、入社後に学び続けられるかどうかです。「頑張ります」ではなく、働きながらどう時間を作り、何を作ってきたかを話してください。営業を続けながら1つ作り切った事実そのものが、その答えになります。

1つ目についても書いておきます。「ノルマがつらい」「数字に追われたくない」だけで答えると、次の仕事でも同じことが起きると受け取られます。AI関連の仕事にも締切と指標はあります。逃げる理由ではなく、向かう理由を先に置いてください。

そして、見られているものは職種を問わず同じです。言語を覚えることはスタートライン。現場で価値が出るのは、何を作るかを設計し、AIに正しく指示し、出力をレビューして品質を担保する力です。営業経験はこのうち「何を作るかを設計する」部分に直結します。技術の土台さえできれば、この強みは大きな差になります。

→ 面接の準備はAIエンジニアの面接対策、職務経歴書はAIエンジニアの職務経歴書にまとめています。