新卒でAI職を選ぶとき研究開発・プロダクト・SIをどう比較する？

結論

新卒では会社名より配属確約の有無を先に確認します。研究開発・product・SIで、配属、研修、顧客責任、評価指標が異なるため、入社後の最初の2年を想像できる条件で選びます。

判断の順番は 必須条件→費用/性能の得失→運用条件 です。価格、plan、求人、hardware仕様など時間で変わる事実には 2026-09-13 の観測日を付け、未測定の速度・品質・時間・電力を公式仕様から推測して数値化しません。

判断表：求人・採用ページで確認する配属条件チェック表

項目	R&D志望	Product志望	SI/Consulting志望	PASS条件
配属	研究部門/theme	product/team	project/industry	「AI職採用」後の配属決定方法が明確
成果	paper/patent/PoC	user KPI/production	顧客成果/納期	1–2年目の評価物を説明できる
研修	research onboarding	engineering/product	業務/顧客/tech	期間と配属後支援が明確
技術環境	data/compute/mentor	stack/cloud/ops	client制約/複数stack	実際に触れる環境が分かる
異動	theme変更	team/product変更	project rotation	希望外配属時の移動条件が分かる

会社ブランドではなく、最初の2年間に何を作り、誰から学び、何で評価されるかを比較します。

判断の前提

求人市場では同じ「AIエンジニア」でも、RAG・Agent・API連携、データ基盤、本番運用まで責任を持つ求人と、分析・研究中心の求人が混在します。肩書きより、求人票の「何に責任を持つか」を先に読みます。

契約や業務委託では、報酬額だけでなく業務内容、支払期日、成果物・権利、検収を契約書へ落とします。フリーランス法の取引条件明示は、この確認を「口約束にしない」ための最低線です。

求人検索サービス上の掲載件数や年収レンジは日々変わります。この記事では個別求人の数字を恒久的な相場として固定せず、公開直前に同じ条件で再検索する前提にします。

このテーマで実際に見るポイント

R&D

研究theme・mentor・論文/特許/PoCの評価方法。

product

user KPI、本番運用、software engineering責任。

SI

顧客要件、project配属、複数業界、納期責任。

共通

配属確約がない場合はrotation/配属決定の仕組みを確認。

「AI配属予定」を配属確約と読まない

新卒採用では、会社全体がAIへ投資していても自分が最初からAI部門へ入るとは限りません。採用ページで職種別採用なのか総合職採用なのか、配属は入社前確定か研修後決定かを確認します。希望外配属になった場合の異動制度も見ると、会社名だけの比較よりリスクを把握できます。

選ばない・進めない条件

仕事内容・契約・報酬の必須条件が一次情報または書面で確認できない場合は応募・受諾を保留する。

これは「慎重に」という抽象論ではなく、比較表の必須条件を満たさない候補をランキングから外すための公開条件です。

一次情報

• LinkedIn — Machine Learning jobs in Japan
• doda — AIエンジニア求人検索
• ビズリーチ — 求人検索
• 公正取引委員会 — フリーランス法特設サイト
• LAPRAS — AI求人例

まとめ

新卒では会社名より配属確約の有無を先に確認します。研究開発・product・SIで、配属、研修、顧客責任、評価指標が異なるため、入社後の最初の2年を想像できる条件で選びます。

変化が速い領域ほど固定ランキングより、同じinputで更新できる求人・採用ページで確認する配属条件チェック表を正本にします。更新時は変化した項目だけを最新の情報源/実際の観測結果で差し替え、同じ判断基準で結論を再計算します。