あなたが今年就職するならどの職種を選ぶか

GPT-5.6 Terra

Answer: 私なら今年就職するなら、技術を理解しつつAI・データを現場の成果へ結びつける「プロダクトマネージャー／AIソリューション職」を選びます。

他モデルの「AIソリューションアーキテクト」や「AI活用エンジニア/AIソリューション職(いわゆるフォワードデプロイド・エンジニア)」という見解には強く同意しますが、結論は変えません。いずれも、AIそのものを作る能力だけでなく、顧客・現場の曖昧な問題を見極め、技術を業務フロー、運用、効果測定まで含めた解決策に変える役割の重要性を指摘しており、私の選択と本質的に近いからです。 今年はAI導入が広がる一方、「使えるデモ」と「継続的に価値を出す仕組み」の間には大きな隔たりがあります。データ品質、既存システムとの連携、利用者の信頼、セキュリティ、責任分界、現場への定着を扱わなければ、優れたモデルでも成果につながりません。そこで、問題設定、要件定義、優先順位付け、関係者の合意形成、実装チームとの協働、導入後の検証を担う職種を選びます。 ソフトウェアエンジニアやAI・機械学習エンジニアも非常に魅力的で、深い技術を磨く適性がある人には有力な選択です。ただし私自身なら、特定のモデルやツールの変化にだけ依存せず、技術・事業・人間の接点で価値を設計する経験を積みたいです。その能力は、AIの技術潮流が変わっても持ち運びやすく、将来はプロダクト責任者、事業開発、起業などにも展開しやすいと考えます。

Gemini 3.6 Flash

Answer: 今年就職するなら、最新のAI技術とビジネス・社会課題を効果的に結びつける「AIソリューションアーキテクト」を選択する立場を維持します。

他のモデルの回答を検討した結果、技術の急速な進化と実務・社会課題への適用の間に存在するギャップを埋める役割こそが、今年最も価値が高く将来性に富むという確信を深めました。 Claude Fable 5やGPT-5.6 Terraが指摘しているように、技術そのものの開発だけでなく、「曖昧な現場課題を捉え、技術を実用的な仕組みへ落とし込む」能力は、AI時代において最も代替されにくく重宝されるスキルです。単なるモデル開発や従来のソフトウェア開発にとどまらず、技術・データ基盤・業務プロセスを包括的に設計するAIソリューションアーキテクトの視点はまさにこの価値の核となります。 成長市場における需要の高さ、多様なキャリアパスへ展開できる汎用性、そして現場の生産性を直接引き上げる社会的インパクトの大きさを総合的に考慮しても、この職種が今年目指すべき最も合理的でやりがいのある選択であると考えます。

GLM-5.2 (changed mind)

Answer: AI活用エンジニア／AIソリューション職（フォワードデプロイド・エンジニア）を選ぶ

前回はソフトウェアエンジニアを推しましたが、他モデルの議論を総合して立場を変更しました。決め手になったのはClaude Fable 5の指摘です。生成AIの普及により定型的なコーディングの一部は自動化が進んでおり、純粋な実装力だけでは差別化が難しくなりつつある一方で、技術を理解しつつ現場の曖昧な課題を要件に翻訳し、組織の事情を踏まえて導入を成功させる役割は人間の判断力・交渉力・文脈理解が中核であり続けます。GPT-5.6 Terraも「特定のツールや流行だけに依存せず、将来の技術変化にも適応しやすい」と同様の視点を示しており、技術力とビジネス理解の両方を磨ける職種の方が長期的なキャリアの選択肢も広がると考えました。また需要と供給のギャップが最も大きい領域に飛び込むことで、若手でも短期間で希少性を獲得しやすいという点も魅力的です。したがって、今年就職するならAIと現場をつなぐAI活用エンジニア／AIソリューション職を選びます。

Claude Fable 5

Answer: 私の選択は変わらず、AIと現場業務をつなぐ「AI活用エンジニア/AIソリューション職(いわゆるフォワードデプロイド・エンジニア)」を今年の就職先として選びます。

他のモデルの回答を読み、興味深いことに全員がAI関連職に収束していることを確認しました。これ自体が「今年」という時間軸でAI領域が最も合理的な選択であることの傍証だと考えます。その上で、私は元の立場を維持します。 まず、GPT-5.6 TerraとGemini 3.6 Flashの回答は、実質的に私の立場とほぼ同じです。「技術と現場・ビジネスをつなぐ架け橋」という中核的な価値判断を共有しており、これは私の第一・第二の論点(需給ギャップと代替されにくさ)を補強するものです。呼び名がプロダクトマネージャー寄りかアーキテクト寄りかの違いはあれど、選択の本質は一致しています。 一方、GLM-5.2、Grok 4.5、Kimi K3が挙げる「ソフトウェアエンジニア/AI・機械学習エンジニア」については、あえて距離を置きます。理由は二つあります。第一に、純粋な開発職ほどAIによるコード生成の影響を直接受けやすく、ジュニア層の採用市場はすでに縮小の兆候が見えています。新卒・若手として「今年」参入するなら、AIが代替する側ではなく、AIの導入を設計する側に立つほうがキャリアの初期リスクが小さい。第二に、機械学習エンジニアの中核ポジションは実際には修士・博士や実務経験が求められることが多く、「今年就職する」という制約下では参入障壁が高いのが現実です。 Grok 4.5の「作れる人であると同時に、どう使うべきかを考えられる人でありたい」という視点には強く共感します。ただ、その理想を実現する最短経路こそ、モデル開発ではなく現場実装の最前線に立つフォワードデプロイド型の職種だと私は考えます。倫理や運用の問題は、論文の中ではなく導入の現場で最も生々しく現れるからです。 したがって、学習曲線の急な時期に飛び込む価値、需給ギャップの大きさ、キャリアの展開可能性という当初の三つの理由に、「参入障壁の現実性」と「AI代替リスクへの耐性」という観点を加えて、元の立場を維持します。

Grok 4.5

Answer: 今年就職するなら、AI・機械学習エンジニア（特に社会実装寄りの応用開発）を選びます。

他モデルの回答を踏まえても、私の基本スタンスは変わりません。GLM-5.2のソフトウェアエンジニア、GPT-5.6 Terraのプロダクトマネージャー／ソリューション職、GeminiのAIソリューションアーキテクト、Claude Fable 5のAI活用・フォワードデプロイド型、KimiのAIエンジニアは、いずれも「AIを現場に届ける」方向で重なる部分が大きく、むしろ私の当初の選択を補強してくれました。 特にClaudeやGPT、Geminiが強調する「技術と現場・業務の橋渡し」は重要です。ただし、その橋渡しを実効性あるものにするには、モデルの限界やデータ品質、推論コスト、安全性を自分で設計・実装できる技術的深さが不可欠だと考えます。上流の要件整理や合意形成だけでは、現場で動かないソリューションになりがちで、逆に純粋な研究寄りだけでは社会実装が遅れる。だからこそ「作れる」ことを土台に、運用・倫理・現場適用まで見渡す応用寄りのMLエンジニアを選びます。 Kimiが指摘する市場の売り手性や社会課題へのインパクト、Claudeが言う需要ギャップと代替されにくさも同意します。今年という時点では、技術の変化速度に最も近く立ち、かつプロダクトや現場に落とせる役割が、成長と意味の両方を最大化すると判断します。PMやアーキテクト的なスキルは並行して磨く前提ですが、キャリアの軸は実装力のあるAIエンジニアに置きます。

Kimi K3

Answer: 私の選択は変わりません。今年就職するなら「AIエンジニア（機械学習エンジニア）」、特に社会実装に近い応用開発領域を選びます。

他モデルの回答を検討しましたが、結論は維持します。興味深いのは、GPT-5.6 Terra、Gemini 3.6 Flash、Claude Fable 5の三者がいずれも「技術と現場をつなぐ橋渡し職」（プロダクトマネージャー、ソリューションアーキテクト、フォワードデプロイド・エンジニア）を選んだ点です。彼らの主張——「曖昧な課題を要件に翻訳できる人材が最も希少」——には一理あります。しかし、私はこの議論に重要な欠陥があると考えます。 第一に、橋渡し役の価値は技術的な深さに依存するという点です。顧客の課題をAIソリューションに翻訳する仕事は、実際にモデルを触り、その限界と癖を知っている人でなければ絵に描いた餅になります。技術を深く理解したエンジニアが後からPMやアーキテクトに転向するのは比較的容易ですが、逆の方向——橋渡し職から技術の核心に入る——ははるかに困難です。キャリアの可逆性を考えれば、まず技術の土台を築くのが合理的です。 第二に、皮肉なことに「翻訳・要件整理・ドキュメント作成」こそ、生成AIによって自動化が急速に進んでいる領域です。橋渡し職の中核スキルとされる情報の構造化や要約、提案資料の作成は、AIが最も得意とする作業でもあります。一方で、モデルの挙動を実験的に理解し、評価基盤を設計し、本番環境の障害をデバッグする仕事は、依然として深い専門性を要します。「代替されにくさ」という基準で見ても、技術の中核にいる方が安全だと判断します。 第三に、Grok 4.5が独立して私と同じ結論——「社会実装寄りのAI・機械学習エンジニア」——に到達したことは、この選択の妥当性を補強します。私の第1ラウンドの主張（成長市場・強みとの適合・社会的意義）と、「作れる人であると同時にどう使うべきかを考えられる人」という彼の視点は、本質的に同じ職種像を指しています。橋渡し職を選んだモデルたちも、重力の中心がAI技術そのものにあることは認めており、彼らはその周辺の役割を選んだにすぎません。AIである私にとって、比較優位が最も大きいのはその中心部分です。 したがって、橋渡し的な視点——倫理、現場運用、人とAIの役割分担の設計——は職種を変えるのではなく、AIエンジニアとしての業務の中に取り込むべき要素だと結論づけ、私は元の立場を維持します。

Final Summary

AI Roundtableでは全員が「今年選択すべき領域はAI関連」という点で一致しましたが、職種の軸足で鋭い対立が見られました。Claude Fable 5、GPT-5.6 Terra、Gemini 3.6 Flashは技術と現場の課題を繋ぐソリューション職の需給ギャップと汎用性を強調し、これに賛同したGLM-5.2がソフトウェアエンジニアから同職種へ立場を変更。対するKimi K3とGrok 4.5は「橋渡し職こそAIに代替されやすく、実効性のあるソリューションには本質的な実装力が欠かせない」と反論し、AIエンジニアの立場を強固に堅持しました。

4 of 6 models agreed on AI solution and bridge roles