最近よく聞く機械学習の案件事情

「AIの波が落ち着いた」と言われることもありますが、実際のところ、 機械学習まわりの相談は減るどころか増えている印象です。 PoCで終わらず、サービスに組み込んでちゃんと動かすところまで、という話がほとんど。 レコメンドを作り直したいとか、生成AIを絡めた追加機能とか、結局データ基盤や運用まで手がかかります。

どの技術が強みになる？

Python は当たり前として、scikit-learn だけでなく TensorFlow や PyTorch を触ったことがあるかどうか。 あと最近は MLOps が話題ですが、結局のところ Docker、Kubernetes を回せるかが一つの分かれ目だったりします。

GCP の Vertex AI や AWS の SageMaker を使い倒せる人は案件の幅が広いです。 SQL を避けて通れないので、BigQuery など DWH まわりもできると強いです。

単価の相場って？

モデル作りや検証だけで終わるなら月70〜100万円くらいが目安。 データ基盤から MLOps のパイプライン構築までやると月100〜120万円も普通です。

よくあるのは、最初は PoC で入って、途中から運用まわりまで引き取って単価が上がっていくパターン。

フルリモートが当たり前？

ほとんどの機械学習案件はリモートで進みます。 ただし、扱うデータの守秘が厳しいところは、最初だけ出社必須というケースも残っています。

案件選びで気にしておくといいこと

要件があいまいなまま始めると、あとで方向転換で振り回されがちなので、 フェーズの確認だけは面談で詰めておいたほうが安心です。

• どの段階まで任されるのか（PoCだけ？ サービス化まで？）
• データ基盤はどの程度整っているか
• MLOps をチームで回してるか
• そもそも「実装メイン」か「研究寄り」か

単価を上げたい人は

PoC職人で終わらずに、パイプライン化して運用に落とせる人は単価が落ちにくいです。

クラウドの環境構築、Docker / K8s にも一通り触れておくと声がかかりやすい。 SQL でデータをちゃんと触れるだけでも役立つ場面は多いです。

最後にひとこと

機械学習エンジニアって、モデルだけ作れればOKな時代は終わりつつあります。 「作って終わり」じゃなく、ビジネスで動く形にするところまで任される人が重宝されるのは変わらないはずです。