この動画は、AI業界における17の異なるキャリアパスを詳細に分析し、1億7000万件のAI関連求人データから導き出された実践的な洞察を提供するものである。世界経済フォーラムによれば、2030年までに1億7000万の新しいAI職が創出される一方で9200万の仕事が消滅するという現実を踏まえ、単に「AIを学ぶ」という曖昧なアドバイスではなく、具体的な職種ごとの要件、タイムライン、給与水準を明確にする。機械学習エンジニア、プロンプトエンジニア、AIガバナンス専門家、AIコーチなど、それぞれのロールに必要なスキルセットと参入障壁は大きく異なる。本動画では、予測フレームワークに基づいた8つの質問からなる評価プロンプトを構築し、個々のバックグラウンドに応じた最適なキャリアパスと具体的なタイムラインを提示する手法を解説している。
AI就職市場の現実と曖昧なアドバイスの問題
AIへの参入方法について読む内容のほとんどは間違っています。不正確だからではなく、有用であるには曖昧すぎるからです。レベルが高すぎるんです。一般的すぎるんです。AIを学べと言われても、それはやめてください。具体的になってください。有用になってください。私はこの数日間、企業が今まさに採用している17の異なるAIキャリアパスを分解するのに費やしてきました。
雇用が生まれている場所と、仕事が破壊されている場所の両方で就職市場を調査しました。そして、そのすべてから皆さんへの全体的な要点と、自分自身のキャリアパスをどう描けるかを理解するためのプロンプトアプローチ、そして特定の職務を念頭に置いている場合にスケールアップする方法を導き出しました。では、掘り下げていきましょう。
まず、全体的な雇用状況を見ていきましょう。世界経済フォーラム、皆さんも読むのが好きだと思いますが、2030年までに1億7000万の新しいAI職が創出されると言っています。やったー、やったー。パーティハットを取り出しましょう。しかし、同じ期間に9200万の仕事が破壊されるでしょう。つまり、純増は予測でわずか7800万のポジションです。
スタンフォードが発表した研究によると、2022年後半以降、AIに晒されている職務において22歳から25歳の労働者の雇用が13%減少しています。これは、私が知っているその年齢層の人々にとってニュースではありません。私の白髪を見てください。私はその年齢層ではありません。つまり、AIは同時に機会を創出しながら、人々が参入するために使っていたエントリーレベルのポジションを自動化しているのです。
これが私たちが取り組み、解決しなければならないパラドックスです。ですから、そんな世界でAIへの参入方法を検索すると、2つの極端な答えのどちらかが返ってきます。30日でPythonを学んでML機械学習エンジニアになりましょう、というものがたくさんあります。あるいは、スタンフォードの博士号が必要だとか、Y Combinatorに入る必要があるとか、自分でスタートアップを立ち上げる必要があるといった、少しゲートキーピング的な意見もあります。
これらはどちらも最適とは言えません。なぜなら、全体の人口のごく狭いサブセグメントにしか当てはまらないからです。AI関連の職務に興味を持つ人々の全体数を見ると、30日でPythonを学ぶ人はそれほど多くありません。AI関連の職務に興味を持つ人々の全体数を見ると、Y Combinatorに入って会社を設立する人はそれほど多くありません。
そして、誰もAIを単一のキャリアパスではなく、発展途上の乱雑なキャリアパスの迷路として語りません。私はそのように語り始めたいと思います。なぜなら、それが実際の姿だからです。今、人々が「どうやってAIに参入すればいいですか」と尋ねると、それはまるでシェフが「どうやって食品業界に参入すればいいですか」と聞いているようなものです。つまり、それはかなり一般的な質問です。
料理をしたいのですか。フロントオブハウスをやりたいのですか。バックオブハウスをやりたいのですか。レストランへの投資やオーナーシップに携わりたいのですか。それとも、アンソニー・ボーディンのようにテイストメーカーとしてただぶらぶらしたいのですか。誰にも分かりません。アンソニーはシェフでしたが、言いたいことは分かりますよね。
私が言いたいのは、キャリアパスについて具体的になる必要があるということです。そして、この動画はまさにそれを実現するために作られています。まず、いくつかの例を見ていきましょう。AI研究科学者には博士号が必要で、論文の出版が必要で、Metaは彼らに多額の報酬を支払うでしょう。Metaは50万ドルを支払うかもしれません。AIプロンプトエンジニアは強力な文章力が必要ですが、コーディングは必要ありません。
彼らはMetaの社員ほど稼げないかもしれません。彼らは6桁程度かもしれませんが、同じバックグラウンドも必要ありません。機械学習エンジニア、わあ、これは前年比で驚異的な成長を示していますが、技術的な役割であり、技術的なスキルに傾倒する必要があります。一方、AIコーチは前年比でさらに強い成長を示しており、私が行った調査によると約60%だと思いますが、機械学習エンジニアと同じ技術的なスキルは必要ありません。
これらはまったく異なる役割であり、異なる前提条件を持っています。ですから、私は自分がどの位置にいるかのアイデアを得るのに役立つ、役割固有の資格評価に取り組みたいと思います。それが私が取り組んできたプロジェクトです。では、説明させてください。私は17の異なる評価プロンプトを構築しました。
それぞれは、予測についての核となる洞察を中心に設計されています。週末にA16Zから出た記事があり、予測がポストモダニズムに代わって私たちの時代を定義する枠組みになっているという内容でした。アイデアはシンプルです。価値創造は今や、ゲームに予測されるのではなく、ゲームを予測することにかかっています。そして、それこそがこれらのキャリア評価が目指していることです。
これらはあなたのキャリアパスに予測されるのではなく、あなたがキャリアパスを予測できるように支援します。それは哲学的な無意味な言葉のように聞こえるかもしれませんが、実際には非常に関連性があります。私が見てきたところ、AIで前進できる人々は、自分の意図を正確に示し、自分自身への具体的な賭けによってその意図を未来へと橋渡しできる人々です。
そして、私がやろうとしているのは、あなたが自分自身にそのような賭けをするのを助けるプロンプトを設定することです。その代替案は本当にシンプルです。それは、人類史上非常にレバレッジの効いた期間に、自分に合わない目標を追求して6ヶ月、12ヶ月、あるいはそれ以上を無駄にすることです。そして、それが私たちが単に漠然とAIを追求するときに起こることです。古いポストモダンのキャリアアドバイスは、誰もが自分のキャリアのパーソナライズされたバージョンを手に入れるというものでした。このブートキャンプを受講し、このフレームワークを学び、ユニークな履歴書を手に入れれば、大丈夫だと。
それはもう本当ではありません。そして、私たちはその崩壊を目の当たりにしています。今重要なのは、AI革命に対するタイミングです。あなたがどこでいつ、坂を転がり落ちているAIの雪玉と関わるかです。EUのAI法がそれを来年最もホットな役割にするときに、あなたはAIガバナンスの早期参入者ですか、それともそれらのポジションが大幅に減少しているエントリーレベルのソフトウェアエンジニアリングの後発組ですか。
評価はあなたがどこに立っているかを教えてくれます。それが私が設定しようとしたことです。なぜなら、そうすればあなたがどこに行きたいかについて賭けをすることができるからです。では、これらのプロンプトをどのように構築したのでしょうか。プロンプトを構築するには、予測と予期について深く考える必要がありました。私は各プロンプトを8つの質問のインタビューとして構成しましたが、質問はランダムではありません。
それらは、比較的限られた情報から、あなたの資格レベルについてのシグナルを抽出するように設計されています。私の考え方はこうです。良いプロンプトは、何が重要で何が重要でないかを予測します。ですから、ML機械学習エンジニアの評価では、「AIを知っていますか」とは尋ねません。「Pythonの習熟度を1から10で評価し、TensorFlowまたはPyTorchでの経験を説明してください。
モデルを本番環境にデプロイしたことはありますか」と尋ねます。その2番目の部分、デプロイの部分、それが強いシグナルです。多くの人がコースを受講するでしょう。比較的少数の人が、何か意味のあるものを本番環境にデプロイします。AIプロンプトエンジニアについては、出版品質までAIコンテンツを大幅に編集した例を共有できますかと尋ねます。なぜなら、それが本物のスキルだからです。
誰でもコンテンツを生成できます。これについては話してきました。価値は編集にあります。プロンプトは、人々が考える仕事と実際に必要なこととの間のギャップを予測します。AIガバナンス専門家については、もう一つ、私は特にEU AI法について尋ねます。一般的な規制を知っているかではなく、EU AI法は現在、AI周りで地球上で最大の規制の一つです。
欧州連合内のあらゆる企業は、そこに拠点があるかどうかに関わらず、それに対処しなければなりません。それは新年において最もホットなガバナンスの役割です。そして、プロンプトは市場の現実を予測します。ですから、これらの質問は4つの結果のうちの1つを予測するように構成されています。あなたは今その役割に適格であるか、ほぼ適格であるか、重大なギャップがあるか、またはあなたが完全に実行不可能であると率直に言うかです。
そして、私は正直さが役立つと思います。また、各カテゴリーにはタイムラインがあります。そして、それが予測の部分であり、少し曖昧になります。ほぼ適格な場合は3から6ヶ月です。一部の人々はAIでそれを高速化しますよね。重大なギャップがある場合は6から18ヶ月です。
それは公平ですが、繰り返しますが、人々は本当にAIに傾倒すれば、時にはそれを加速できます。私たちが忘れがちなことの一つは、AIは一種のスーパースキルであるということです。そして、AIで学ぶ方法を学べば、これらの課題の一部を高速化できます。ですから、プロンプトは現在の状態を評価するだけではありません。2024年と2025年の実際のキャリアチェンジで私が見てきたパターンに基づいて、前進への道を予測します。
それは理論ではなく、これはあなたのバックグラウンドを持つ人々にとってうまくいったものです。プロンプトを見てみましょう。さて、これはAIプロダクトマネジメントのプロンプトです。ご覧のように、同じアイデアがあります。ここの上部でインタビューを設定していて、8つのターゲットを絞った質問をしたいと考えています。予測できるシグナルを取得しようとしています。
この場合、プロダクトマネジメントをターゲットにしています。ですから、全体的なPM経験について尋ね、AIとML機械学習の概念について尋ね、そこで具体的な質問をします。例えば、教師あり学習と教師なし学習の違いは何ですか。あなたが単に1から10で自己評価して推測したり、Claudeを使ってそれに答えたりしているのではなく、実際に正直になれることを確認したいのです。
私たちは進んで、ステークホルダー管理、戦略的および分析的スキルについて話します。リーダーシップとコミュニケーションについて話します。私があなたに気づいてほしいことの一つは、AIプロダクトマネジメントは、変革し進化している役割の素晴らしい例だということです。私たちは、AI時代に進化し変化しているプロダクトマネジメントの専門知識の古典的な領域を見ています。
そして、前進への道の一部は、それらを特定の能力にマッピングすることだと思います。ですから、私たちは、製品戦略やロードマッピングなどの古典的な経験をどのように取り、製品のAI機能でどのように構築してきたかとクロスキャリブレーションし始めるかを見始めます。
ですから、この評価の魔法の多くは、実際にそれをまとめ、回答を分析し、PM部分とAI部分の両方を持つ進化した役割としてあなたがどのように適格かを評価することです。そして、最後にパーソナライズされたロードマップがあります。なぜなら、実際に行動可能な何かをあなたに残したいからです。あなたが持ち帰ることができるおすすめは何ですか。これはところで有用です。なぜなら、このような種類のプロンプトが与えられれば、言語モデルに依存して、最も関連性の高い現在の
コースと認定を探してもらうことができるからです。私はこれらすべてをハードコーディングすることもできましたが、そうしないことを選びました。なぜなら、この分野は非常に速く動いているからです。ですから、代わりに、このような非常に強力なアンカープロンプトを使ってウェブを効果的に検索する推論モデルがあることを考えると、推奨する時が来たら、彼らはあなたの回答セット全体を見渡し、ハードコーディングでは決してできない方法で、あなたの具体的な回答を反映したコースのカスタムリストを生成できます。
そして、それは2025年のこの時点での言語モデルの状況を反映しています。信じられません。しっかりしたプロンプトがあれば、彼らに実際にこれらすべてを考え抜いてもらい、その場でコースを推奨してもらうことができます。給与現実チェック。これは現在の市場状況に基づいています。
私はこれもソフトコーディングして、プロンプトに出て行って給与のベンチマークを取らせることもできました。私はそれが価値がないと判断しました。給与部分よりもLLMトークンで学習部分を優先したいと思いました。そして、私たちは時間の経過とともにそれを常に更新できますが、これは米国のこの時点での市場の状況を反映しています。
EUについては少し割り引く必要があります。最後に、評価基準に到達します。私がこのようなものをどのように評価するかを理解してもらいたいので、それは大胆で透明です。また、LLMがそれをどのように評価するかについて一貫性を持ってもらいたいのです。そして、それだけです。自己紹介から始めてください。さあ、それがプロンプトです。
実際には魔法のプロンプトではありません。私は自分がどのようにプロンプトを作るかを示すのが好きです。だから、あなたは私が魔法のようにこのようなことをやってうまくいくと思わないでください。どのように機能するかを理解してもらいたいのです。これらのプロンプトを構築する上で最も難しい部分は、人々が知らないことを知らないことを予測して構築することでした。
AI関連の役割に応募するほとんどの人は、自分のスキルの一部がどれほど転用可能かを認識していません。コンプライアンスの専門家は、必ずしもAIガバナンスへの転用可能性を認識していません。そして、もし認識していたとしても、どのスキルが転用可能でどのスキルが転用不可能かを知りません。5年間のチェンジマネジメント経験を持つ人は、前年比で驚異的な成長を遂げているAIコーチングの役割に適格であることを認識していないかもしれません。
ですから、私はそれらの現実を表面化させることを意図した質問を構成しました。単に「AI経験はありますか」とは尋ねませんでした。バックグラウンド、実際のバックグラウンドについて尋ね、プロンプトはそれがどのようにマッピングされるかを説明します。あなたにはコンプライアンスのバックグラウンドがあります。それは希少なリソースですよね。ソフトウェアエンジニアよりも早くそこに到達できます。
これはすべてその予測フレームワークに戻ります。私たちは情報を提供することで宇宙により多くの秩序を作り出します。それはA16Zのポイントの中心的なテーゼのようなものです。それは私の頭の中で跳ね回っています。そして、私たちがこのようなプロンプトでやっていることの一部は、あなたが実際に持っていてテーブルに持ち込むものについての情報を収集していると思います。
あなたが自分に欠けていると思うものではなく、あなたが実際に所有しているものです。そして、私たちはその情報をAI就職市場に投入するための最も効率的な道を予測します。それが価値への道です。それがキャリアの成功への道です。そして、それが私がこれを構築した理由です。評価はまた、間違いを予測します。私はそれを一般的な失敗、分析麻痺、間違った役割をターゲティングすること、非現実的なタイムラインを呼び出すように設計しました。
潜在的に人々を脱線させる多くのことがあり、プロンプトは失敗モードを追求し、それらを前もって対処しようと努めます。私が立ち返り続けるのはこれです。A16Zの記事は、インターネットが得意であることがどのように収益化可能なキャリアになったかについて話しています。なぜなら、予測は全体的なメタゲームだからです。
それは私たちが現在経済で行っている全体的なゲームです。私たちは文字通り、ゲーム結果の確率予測を伴うミームを共有しますよね。私はシアトル・マリナーズのファンで、この週末のマリナーズの勝利確率についてのミームが出回っていました。そして、それは初めて見たわけではありません。試合ごと、スポーツチームごとに何度も見てきました。
予測はミームです。その情報フローの上流にいればいるほど、ゲームに予測されるのではなく、ゲームを予測する可能性が高くなります。そして、それがこれらの評価がAIキャリアに対して行うことです。それらはあなたを情報フローの上流に置きます。6ヶ月かけてPythonを学んでから、MLエンジニアがあなたのバックグラウンドでは実行不可能であることに気づくのではなく、15分程度ですぐにそれを知ることができます。
100件の仕事に応募してどこにも行けないのではなく、実際の市場データとAIカスタマイズされた会話に基づいて、最初にどのドアを試すべきかをより多く知ることができます。だから、ML機械学習エンジニアの役割の41%の成長、あるいはAIコンテンツクリエイターの役割の134%の成長を追求しているかもしれません。それは狂っています。あなたは予測されるのではなく、予測しているのです。
あなたは、誰であるかを考慮しない一般的なアドバイスに迷うのではなく、市場にあなたの実際の資格についての情報を提供しているのです。そして、これは今、このビデオの冒頭で話したエントリーレベルの仕事の置き換えのために、より重要になっています。古い道は、エントリーレベルの仕事を得て、仕事で学び、前進するというものでした。それは消えつつあります。
新しい道は、最初にどのドアを試すかについて戦略的である必要があり、それには予測が必要です。しかし、それについての多くのリソースはなく、それが私がこれらのプロンプトを作成した理由です。私は、これらすべてをラダーアップしたい場合に、2025年後半から2026年に向けて機能する4つの全体的な道筋を特定しました。
コーディングのバックグラウンドを持つ人々のためのAIへの技術的な橋があります。それは学習速度に応じて6から18ヶ月のタイムラインです。ライターやクリエイティブのための非技術的なエントリー役割があります。それは速いです。本当に傾倒すれば、1から6ヶ月になる傾向があります。ドメインエキスパートのピボットがあり、それはAIの経験レベルとあなたがいる正確なドメインによって本当に異なります。
予測するのは難しいですが、私が見てきたところでは、3から12ヶ月がかなり妥当です。そして、全く新しい爆発的に広がっているガバナンスとコンプライアンスのルートがあります。そして、それはかなり直線的です。コンプライアンスの役割で以前の経験がある場合は、約3から9ヶ月です。重要なのは、それらの道筋には異なるタイミングがあるということです。
それが予測要素です。あなたがコンプライアンスの専門家であれば、MLエンジニアになるよりもはるかに速くAIガバナンス専門家になることができます。ですから、プロンプトはあなたのバックグラウンドに合った道筋を予測するのに役立ちます。そして、タイムラインの感覚を少し与えます。
そして、彼らはあなたが聞きたいことを与えてくれないかもしれません。私はそれらを正直に書きました。慰めるためではありません。なぜなら、それが今この瞬間に私たちが必要としているものだと思うからです。私はそれらを、2025年の実際の採用要件で私たちが見ているものに基づいて真実になるように書きました。市場は現実です。Amazonは2025年の最初の数四半期だけで何百ものAI関連のポジションを掲載しました。
Apple同様、TikTok同様。どこを見ても、AI関連の役割は爆発しています。しかし、誰もがAIを単一のものとして話しています。あなたには、2025年の実際の市場データに基づいたパーソナライズされたアプローチが必要です。予測されるのではなく、予測できるようになるための何かです。
あなたが知っているように、私が書くすべてのプロンプトとあなたが書くすべてのプロンプトは、基本的に予測に関するものです。この一連の情報を考えると、次の良いことを予測してください。それが良いLLMがすることです。しかし、プロンプトは、モデルが予測する必要があるものを予測します。それらは情報フローを構成します。それらはシグナルを抽出します。それらは欠けているものを考慮します。
それがこれらのキャリア評価が行うことです。この人のバックグラウンドを考えると、彼らの資格レベルを予測してください。彼らの最適な道を予測してください。そして、私はどの情報が重要かを予測しなければなりませんでした。プロンプトを構築していたとき、プロンプトはあなたの意図をまとめ、あなたが役割の観点からどこに行くべきかを未来を越えて予測するのに役立つ橋として機能しました。
私は人々が典型的に見逃すもの、転用可能なスキル、市場のタイミング、エントリーレベルの置き換えを考慮しなければなりませんでした。そして、私はそれらすべてをプロンプトにパッケージ化して、LLMがあなたにとって有用な方法で未来を予測できるようにしなければなりませんでした。良いプロンプトを構築することは、本当に予測しようとしているものを理解し、それを正確に予測するために必要な情報を把握するために逆算し、その橋を構築することです。
それがプロンプティングの技術であり、もっと多くの人々がそれを理解してくれればと思います。しかしTLDDR、要するに、私は17の異なる役割予測プロンプトを構築しました。これにより、あなたはAI全体について尋ねるのではなく、特定の役割について尋ねることになります。ですから、もっと学びたい場合は、Substackに向かうことができます。そこにすべてのプロンプトがあります。
そのプロンプトを掘り下げて、私がどのように予測について考え、就職市場に参入することについてどのように考えているかを掘り下げたい場合は、このビデオがお役に立てば幸いです。
コメント