本記事は広告（アフィリエイト）を含みます。掲載するエージェントは編集部が厳選した提携先です。
この記事の結論
即答
生成AIの実績は「課題・自分の役割・使った技術・定量成果」の4点を案件ごとに1セットで書くと伝わる。
「RAGを社内に導入したのに、職務経歴書に書けることが1行しかない…」と固まってしまう人、けっこう多いです。私も取材で相談を受けるたびに、ここでつまずく人の多さに気づかされます。やったこと自体はすごいのに、言葉にした瞬間に薄くなってしまう。これ、本当にもったいないんです。
生成AIの実績を職務経歴書に書くコツは、技術の名前を並べることではありません。「どんな課題に・自分がどの工程を担当し・何を使って・どれだけ変わったか」の4点を、案件1つにつき1セットで書く。これだけで読み手の解像度が変わります。RAGや社内AI導入のように成果が見えにくいテーマほど、数字での言語化が効いてきます。まずはIT転職の流れをロードマップで確認するところから、棚卸しを始めてみてください。
生成AIプロジェクトの実績は職務経歴書のどこに書く？
即答
「職務経歴」の各案件内に、課題→役割→技術→成果の順で書く。スキル欄に技術名を羅列するだけにしない。
生成AIの経験を、スキルシート（提出する技術経験の一覧表）に「LangChain」「OpenAI API」とだけ書いて終わりにしてしまう人がいます。気づいたんですけど、これだと「触ったことがある」までしか伝わらないんです。採用担当が知りたいのは、その技術で何をどう動かしたか、です。
書く場所は、職務経歴の各案件の中。「社内問い合わせ対応の工数が課題だった」という背景から入り、自分が担当した工程、使った技術、最後に成果を置きます。RAG（Retrieval-Augmented Generation／社内文書を検索して回答に使う生成AIの仕組み）のように構造が複雑なものほど、1行目で「何のために作ったか」を言い切ると、読み手が最後までついてきます。
技術名は、文脈の中に溶かすのがコツです。「LLM（大規模言語モデル）を使った」ではなく「問い合わせ履歴3年分をRAGで検索可能にし、回答の下書きを自動生成した」。同じ技術でも、後者なら担当した深さまで伝わります。ここが、生成AIの実績を職務経歴書に書くときの最初の分かれ道。
RAGや社内AI導入を「成果」としてどう数字にする？
即答
工数削減・対応時間短縮・利用率・精度の4軸で測る。売上に直結しなくても「業務の変化」を数字にする。
ここが一番の山場です。「生成AIの成果って、売上が増えたわけじゃないし…」と手が止まる人、多いですよね。私も最初は同じ壁にぶつかりました。でも成果は、売上だけじゃないんです！
社内AI導入の成果は、業務がどう変わったかで測れます。問い合わせ対応にかかっていた時間、ドキュメント作成の工数、社内での利用率、回答の精度。たとえば「FAQの一次回答にかかる時間を1件15分から5分へ短縮」「月の問い合わせ300件のうち約6割をAIの下書きで処理」のように、ビフォーアフターを数字にします。
総務省の令和6年版情報通信白書では、日本で生成AIを使った経験のある人は9.1%。米国の46.3%と比べると、広がりはまだこれからと報告されています（総務省 令和6年版情報通信白書）。裏を返すと、導入を実際に手がけた経験はまだ希少で、そのまま差別化になります。数字が荒くても大丈夫。「正確な値が出せないなら概算と明記する」くらいの誠実さのほうが、面接で深掘りされても崩れません。
書き方を変えるだけで、同じ経験がここまで変わります。下のビフォーアフターを見てください。
職務経歴書に書く生成AI実績の記入例は？
即答
「課題2行＋役割1行＋技術1行＋成果1行」の5行構成。下の記入見本がそのまま型になる。
言葉だけだとイメージしづらいので、実際の記入見本を1枚にしました。LLMプロジェクトの実績の書き方は、この型に当てはめるだけで8割が決まります。
ポイントは、成果の行に必ず数字を置くこと。そして「自分がどこまで担当したか」を曖昧にしないことです。チームで作ったものを「構築した」と書くと、面接で役割を聞かれたときに苦しくなります。「PoCの設計と評価を主担当、本番実装は2名で分担」のように、線引きを正直に書いたほうが信頼されます。
この見本では、問い合わせ対応の工数を約4割減らせた経緯を、課題から成果まで5行で追えるようにしています。拍子抜けするくらいシンプルですが、この構成に揃えるだけで読み手のスキャン速度に合うんです！ 書きすぎている人ほど、削るほうが通ります。
生成AI実績でやりがちなNGな書き方は？
即答
技術名の羅列・「AIを活用」の抽象表現・チーム成果の独り占めの3つが定番のNG。
私が添削していて毎回出てくるNGが3つあります。次のどれかに当てはまっていないか、自分の職務経歴書を見直してみてください。
- 技術名だけを並べた一覧
- 「生成AIを活用し業務を効率化」の抽象表現
- チームの成果を主語なしで書く
この中でいちばん多いのが、真ん中の「活用し効率化」です。一見それっぽいんですけど、何をどれだけ効率化したのかがゼロ。正直、ここで読み飛ばされます。「効率化」という言葉を見たら、その隣に数字を足せないか必ず疑ってみてください。
逆に、評価される書き方は地味です。「精度が出ずPoCで止まった」という失敗も、原因と次の打ち手まで書けば立派な実績になります。うまくいった話より、つまずいて立て直した話のほうが、面接では刺さることが多いです。
生成AIの実績をどう転職活動につなげる？
即答
書類で技術と成果を整理し、IT領域に強いエージェントで「役割の深さ」を一緒に翻訳してもらう。
職務経歴書が整ったら、次は出し先です。生成AIやLLMの実績は、求人票のキーワードと噛み合わないことがよくあります。「AIエンジニア」と書かれていても、実際はMLOps寄りだったり、PoCの企画寄りだったり。ここを読み違えると、せっかくの実績がミスマッチで埋もれます。
IPAの調査でも、AIを使いこなせる人材の不足感は続くと報告されています（IPA DX動向2025）。需要があるからこそ、自分の実績を正しく翻訳して届けることが効いてきます。そこで頼りたいのが、IT領域に詳しいエージェントです。ギークリー（Geekly／IT・Web・ゲーム領域に特化した転職エージェント）は技術スタックから案件を探すのが得意で、生成AI関連の求人も「どの工程を求めているか」まで踏み込んで教えてくれます。担当した範囲を正しく翻訳してもらえると、書類の通り方が変わってきます。
もう少し腰を据えてキャリアを設計したいなら、テックゴー（エンジニアの転職支援に強いエージェント）のように、技術理解のある担当者と相性を見ながら進める手もあります。1社にいきなり全部かけるより、2〜3社で提示の幅を見たほうが、自分の市場での現在地が早く見えます。
よくある質問
Q. 個人で触っただけの生成AIの経験も職務経歴書に書いていい？
A. 学習・個人開発と明記すれば書いて問題ありません。実務経験と分けて書くと誤解を避けられます。GitHubの公開リポジトリやデモのURLを添えると、再現性が伝わりやすくなります。
Q. RAGやLLMの専門用語は職務経歴書で使ってもいい？
A. 使って構いませんが、初出で1行の補足を添えると安全です。読み手が非エンジニアの人事の場合もあるため、「RAG（社内文書を検索して回答に使う仕組み）」のように開くと伝わります。
Q. 成果の数字が正確に出せない場合はどうする？
A. 概算であることを明記して記載します。「月の問い合わせ約300件のうち体感6割」のように、根拠と概算を分けて書けば、面接で深掘りされても説明できます。断定よりも誠実さが信頼につながります。
次のアクション
IT転職は順番に進めると迷いが減ります。全体像の確認と、自分の市場価値の把握から始めてみてください。