CS 学位はもう必須ではない
しかし、スキルは必須だ。
この一文は多くの人を怒らせるだろう。その大半は、4 年間と多額の費用をかけて取得した資格が、市場で静かに価値を再評価されている人たちだ。その怒りは理解できる。しかし、現実は変わらない。2026 年、AI エンジニアリングのポジションを採用する企業が見ているのは、あなたがどこで講義を受けたかではなく、何を構築できるかだ。
CS 学位が無価値だと言っているわけではない。持っていれば役立つ。私が言っているのは、学位がもはやゲートではなくなったということだ。今のゲートは「証明」だ。動作するものを作り、なぜそれが動作するのか説明し、誰かが実際に見られる場所にデプロイできるか。それが全てのテストだ。
以下が、学位なしでそのテストに合格するための完全な道筋だ。やる気を起こさせるだけの内容や「自分を信じろ」といったものは一切ない。実際のスタックを順番に、採用されるための正確なプロジェクトと、あなたのラップトップにすでにあるツールを使って各要素を学ぶ正確な方法を紹介する。
なぜ従来の道は機能しなくなったのか
従来の道は、学位を取得し、正面玄関から応募し、許可を待つように教えてきた。その道は、資格こそが希少なものだと想定していた。しかし、もはやそうではない。
実際に起きたことはこうだ。AI ツールは、概念を理解することと、それを使って構築することの間の距離を縮めた。10 年前、アイデアを動作するソフトウェアに変えるには、何年もの蓄積された構文知識が必要だった。今や構文は安価な部分だ。希少なのは、何を構築すべきか、どのように構造化するか、なぜあるアプローチが別のアプローチより優れているかという判断力だ。これらは判断スキルであり、卒業証書から得られるものではない。構築し、壊し、再構築することから得られるものだ。
だからこそ、今採用されている人々は、最も印象的な成績表を持つ人々ではない。彼らは、自分が構築したものの公開された軌跡を持つ人々だ。実際のプロジェクトで埋め尽くされた GitHub。誰かがクリックできるデモ。難しい問題をどのように解決したかを説明するスレッド。その軌跡は学位よりも価値がある。なぜなら、雇用主が実際に知る必要があること、つまりあなたが仕事をできるかどうかを、正確に証明するからだ。
ほとんどの人が犯す間違いは、準備に何ヶ月も費やして、軌跡を構築する代わりに「準備ができた」状態を待つことだ。もう一つコースを受け、もう一つチュートリアルを見て、自分が適格だと感じるまで待つ。その感覚は決して訪れない。カリキュラムを終えることで AI エンジニアになるわけではない。AI システムを構築することで、最初は下手に、次に少しマシに、そして構築するものが実際に動作するようになるまで続けることで、AI エンジニアになるのだ。
2026 年の AI エンジニアの実態
スタックの前に、定義を正しく理解しよう。ほとんどの人が間違った目標を狙っているからだ。
AI エンジニアは機械学習研究者ではない。基礎モデルをゼロからトレーニングしたり、新しいアーキテクチャに関する論文を発表したりするわけではない。それは別の仕事であり、深い数学と通常は高度な学位を必要とする。
AI エンジニアは、すでに存在するモデルを使って「構築」する。Claude、GPT、またはオープンモデルを、有用な作業を行うシステムに組み込む。それらをデータに接続する。ツールを与える。検索、メモリ、エージェントループ、ガードレールを構築し、生のモデルを製品に変える。あなたはシステムビルダーであり、その最も強力なコンポーネントがたまたま言語モデルなのだ。
この区別は重要だ。なぜなら、実際に何を学ぶべきかを教えてくれるからだ。この仕事で優れるために、バックプロパゲーションを理解する必要はない。モデルに適切なコンテキストを与える方法、マルチステップタスクが崩壊しないように構造化する方法、出力を検証する方法、そして全体を確実に動作するようにデプロイする方法を理解する必要がある。これらはエンジニアリングスキルであり、そのすべては学位なしでも学べる。
スタック（順番通り）
これらを順番に学べ。それぞれが前のものの上に構築される。スキップすることは、人々が行き詰まる最も一般的な理由だ。データを扱えるようになる前にエージェントを構築しようとし、なぜ何も動作しないのか不思議に思うからだ。
1. Python。 関数、クラス、非同期処理。Python の魔術師である必要はない。コードを読み、スクリプトを書き、AI コーディングアシスタントが生成するものを理解できる程度に流暢である必要がある。非同期処理が特に重要なのは、ほとんどの AI 作業が API 呼び出しの待機を含み、ブロッキングコードが構築するすべてのボトルネックになるからだ。
2. SQL とデータ処理。 ほぼすべての実際の AI アプリケーションはデータに触れる。データを取得し、クリーニングし、整形する必要がある。SQL はこれのための普遍的な言語であり、数十年にわたってほとんど変わっていない。つまり、安全で永続的なスキルだ。
3. Git、コマンドライン、Linux の基本。 これは、すべての本格的なツールが存在する環境だ。Claude Code はターミナルで動作する。デプロイは Linux サーバーで行われる。バージョン管理は、作業を失わず、コラボレーションするための方法だ。ターミナルを使えない AI エンジニアを雇う人はいない。
4. REST API と LLM API 統合。 ここから AI エンジニアリングが実際に始まる。モデルをプログラムで呼び出し、その応答を処理し、レート制限を管理し、エラーを処理する方法を学ぶ。すべての AI 製品は、基本的に一連の適切に構造化された API 呼び出しだ。
5. 埋め込みとベクトル検索。 これにより、マシンはキーワードをマッチングするだけでなく、意味を理解する。テキストをベクトルに変換し、保存し、類似性で検索する。これはすべての検索システムの基盤であり、ほとんどの初心者がスキップし、後で後悔する概念だ。
6. RAG（エンドツーエンドで構築）。 Retrieval Augmented Generation。モデルに独自のドキュメントへのアクセスを提供し、推測ではなく実際の情報から回答させる。これは現在、応用 AI で最も需要の高いスキルだ。なぜなら、ほぼすべての企業が自社のデータに関する質問に答えられるシステムを欲しがっているからだ。
7. エージェントフレームワークとツール使用。 答えるだけのモデルから、行動するモデルへと移行する。ツールを呼び出し、マルチステップタスクを実行し、実際の作業を行う。これがフロンティアであり、ここで能力を発揮できれば、まだ単一のプロンプトを書いているだけの群衆から一歩抜け出せる。
8. デプロイと基本的な MLOps。 ラップトップでしか動作しないプロジェクトは趣味だ。実際のどこかで動作させ、監視し、信頼性を確保する方法を知る必要がある。これが「デモを作った」と「製品を出荷した」の違いだ。
9. AI 開発ツール。 Claude Code、Cursor、そしてあなたを劇的に高速化するエージェンティックツール。これらを習得することはズルではない。それが実際の仕事だ。AI を使って高速に構築できない AI エンジニアは、電動工具を拒否する大工のようなものだ。
実際に採用される 3 つのプロジェクト
コースを修了したからといって採用されるわけではない。証明のために採用されるのだ。これら 3 つを構築すれば、スタック全体をカバーする証明が手に入る。
プロジェクト 1. 独自データを使用した RAG アプリケーション。
実際のドキュメント群を用意する。自分のノート、PDF のセット、企業の公開ドキュメントなど、何でもよい。それらを取り込み、埋め込み、ベクトルを保存し、そのデータのみに基づいて質問に答えるシステムを構築する。この単一のプロジェクトは、検索、埋め込み、チャンキング、ハルシネーション防止能力を証明する。これは構築できる最も直接的に採用されやすいものだ。なぜなら、それはまさに企業が欲しがっているものだからだ。
プロジェクト 2. ツールを使用する AI エージェント。
答えるだけでなく行動するエージェントを構築する。少なくとも 2 つの実際のツール（検索 API、計算機、ファイルライター、カレンダーなど）を呼び出す。計画し、実行し、ツールが失敗した場合を処理する。これは、プロンプティングだけでなく、エージェント設計を理解していることを証明する。これは、ほとんどの初心者が実際に示すことのないスキルだ。
プロジェクト 3. デプロイされたフルスタック AI 製品。
上記のいずれかを出荷する。実際のインターフェース、バックエンド、見知らぬ人が訪れて使用できる公開 URL を持つどこかにデプロイする。これは、雇用主が最も心配すること、つまり「自分のマシンでは動く」を超えて出荷できることを証明する。デプロイされたプロジェクト 1 つは、履歴書にあるローカルのプロジェクト 10 個分の価値がある。
3 つのプロジェクト。フルスタックカバレッジ。公開された証明。このポートフォリオは、この特定の仕事においてほとんどの学位に勝る。
各要素を実際に学ぶ方法
ここがほとんどのガイドが省略する部分だ。これを学ぶために 500 ドルのコースを買う必要はない。あなたのラップトップには、これまでに作られた最高のチューターがいる。モデルを使って、モデルで構築するために使うスキルを教えてもらおう。
このプロンプトを使って、Claude をスタック内の任意のスキルに対する構造化されたチューターに変えよう：
<code-segment id="0" lang="text">
あなたは私の [スキル、例：埋め込みとベクトル検索] のコーディングチューターです。
私は AI エンジニアになるために学んでおり、CS 学位は持っていません。
理論優先ではなく、構築優先の方法でこれを教えてください。
- コアコンセプトを平易な言葉と 1 つの具体的な例えで説明してください。
- 今日実行できる最小の動作するコード例を教えてください。
- 自分でやるための少し難しい演習を 1 つ与えてください。
- 私の試行を共有した後、それを批評し、シニアエンジニアがどう違う方法で行うかを指摘してください。 私は読むことではなく、構築して壊すことによって学ぶと仮定してください。 各ステップを完了するのを待ってから、次のステップに進んでください。 </code-segment>
この単一のプロンプトは、ほとんどの有料コースを置き換える。あなたのレベルに適応し、あなたの正確な質問に答え、あなたが実際に理解するまで決して先に進まない。
プロジェクトについては、Claude Code を使ってスキャフォールディングし、その後、すべての行を理解するように自分に強制する。盲目的にコピーしてはいけない。コードを生成した後、これを実行する：
<code-segment id="1" lang="text">
あなたが書いたコードを 1 行ずつ説明してください。
各セクションについて、何をするのか、なぜ明白な代替案ではなくこのアプローチを選んだのかを説明してください。
次に、本番環境で最も壊れやすい部分と、それをどのように修正するかを指摘してください。
</code-segment>
これが、面接で説明できないコードの山ではなく、本当の理解を構築する方法だ。面接に落ちる人々は、実際に説明できないプロジェクトを構築した人々だ。そういう人になってはいけない。
学位なしで採用される方法
ポートフォリオは必要だが、十分ではない。あなたは可視化される必要もある。なぜなら、見つけられない証明を誰も採用しないからだ。
公開で構築する。 構築するすべてのプロジェクトについて、書く。何を構築したか、難しい部分、どう解決したかについてのスレッド。これには 2 つの効果がある。あなたの名前が検索されたときに表示される公開の軌跡を作り、そして、自分の作業を説明できるほど理解することを強制する。雇用主は、求人ボードを通じてではなく、公開での構築を通じてエンジニアを見つけることが増えている。
オープンソースに貢献する。 あなたが使っている AI プロジェクトを見つけて、何かを修正する。バグ、ドキュメントの改善、小さな機能。実際のプロジェクトへのマージされたプルリクエストは、学位では決して得られない資格だ。それは、他人のコードベースで作業できることを証明する。これが実際の仕事の大部分だ。
依頼ではなく、証明を添えて直接連絡する。 「機会を探しています」と送ってはいけない。「あなたの製品が抱える正確な問題を解決するこれを作りました。こちらがデモです」と送る。証明を添付する。これは、仕事を求める行為そのものでスキルを示すため、効果を発揮する。
以下はそのアウトリーチ用のテンプレートだ：
件名：[あなたが気づいた特定の問題] を解決する [もの] を構築しました
[名前] 様
私は [製品や問題に関する具体的で実際の観察] に気づきました。
それに対処する動作するプロトタイプを構築しました：[ライブデモへのリンク]
これは [具体的な技術的アプローチ] を使用しており、こちらがコードです：[リポジトリリンク]
私は次の役割を探している AI エンジニアです。これが有用であれば、
15 分ほど時間をいただき、適切に構築する方法をご説明したいと思います。
[あなたの名前]
このメールは、証明でリードし、ほとんど何も求めないため機能する。無視される一般的な応募の正反対だ。
フリーランスで入り込む。 直接雇用が遅い場合は、小さな有料プロジェクトを受ける。地元のビジネス向けに RAG ボットを構築する。小さな会社のために何かを自動化する。有料の仕事は、たとえ小さくても、最も強力な証明だ。なぜなら、誰かがそれに価値を見出して支払ったからだ。プロフィールに 3 つの小さな有料プロジェクトがあれば、将来のすべての雇用主のあなたの見方が変わる。
基本が身についたら専門分野を選ぶ
スタックと 3 つのプロジェクトを終えると、誰も警告してくれなかった質問が現れる。AI エンジニアリングは広く、すべてに優れようとすると、すべてにおいて平凡になる。最も早く採用される人々は、自分のレーンを選ぶ人々だ。
以下は、現在実際に採用しているレーンと、どれが自分に合っているかを見分ける方法だ。
RAG と知識システム。 プロジェクト 1 が最も好きだった場合、検索作業、チャンキング、グラウンディングが好きなら、これがあなたのレーンだ。内部ドキュメントを持つすべての企業は、それらに関する質問に正確に答えるシステムを構築できる人を欲しがっている。これは最も安全で需要の高い専門分野であり、証明を示すのも最も簡単だ。なぜなら、ユースケースが普遍的だからだ。
エージェンティックシステム。 プロジェクト 2 に興奮した場合、ツール使用、マルチステップ実行、オーケストレーションが好きなら、これがフロンティアのレーンだ。最も報酬が高く、競争が最も少ない。なぜなら、うまくやるのが最も難しいからだ。トレードオフは、証明を構築するのがより難しく、分野の進化が速いため、常に学び続けなければならないことだ。
AI プロダクトエンジニアリング。 プロジェクト 3 を最も気にかけた場合、インターフェース、デプロイ、現実のものにすることが好きなら、あなたはたまたま AI を専門とするプロダクトエンジニアだ。このレーンは、賢さよりも出荷を重視し、実際の仕事のほとんどがここにある。なぜなら、ほとんどの企業は AI の能力をユーザーが実際に使えるものに変えられる人を必要としているからだ。
最も印象的に聞こえるものではなく、どのプロジェクトを純粋に楽しんだかに基づいて 1 つを選べ。楽しさだけが、何かに熟達するための退屈な中間部分を乗り越える燃料だ。興味から選んだ専門分野には、実際に取り組み続けるだろう。ステータスから選んだものは、やめてしまうだろう。
そして深く掘り下げる。選んだレーンでさらに 3 つのプロジェクトを構築する。それらすべてについて書く。誰かがその特定のものを必要とするときに、あなたの名前が挙がる人になる。スペシャリストは採用される。ジェネラリストはふるい落とされる。
最初の 6 ヶ月間の実際の仕事内容
何を目指しているのかを知ることは役立つ。なぜなら、仕事はチュートリアルが示唆するものとは異なるからだ。
ほとんどの時間は、巧妙なプロンプトを書くことに費やされるわけではない。それは、AI システムを実際に信頼性のあるものにするための、華やかさのない作業に費やされる。モデルが奇妙な動作をするエッジケースの処理。変更が物事を良くしたか悪くしたかを教える評価の構築。システムが使用できる形にデータを整形する。テストでは機能したエージェントが本番環境で失敗した理由のデバッグ。
これは学位を持たない人にとっては良いニュースだ。なぜなら、そのどれも理論的ではないからだ。すべて実践的なエンジニアリングであり、実行することで学べる。まさにあなたのポートフォリオプロジェクトがすでに訓練してくれたことだ。3 つの実際のプロジェクトを構築し、壊れたときにデバッグした人は、理論の試験で満点を取り、何も出荷したことがない人よりも、これに対してはるかに準備ができている。
最初の 6 ヶ月で成功するエンジニアは、システムが不完全であること、そして自分の仕事はそれを着実に不完全でなくすることであることに慣れている人々だ。プロジェクトを適切に構築し、壊して修正してきたなら、あなたはすでにその筋肉を持っている。それが、この特定の仕事において、構築優先の道が資格優先の道に勝る理由のすべてだ。
避けるべき落とし穴
チュートリアル地獄。 無限のチュートリアルを見ることは進歩のように感じられる。しかし、そうではない。それは生産に見せかけた消費だ。ルールは単純だ。学習 1 時間ごとに、2 時間構築する。構築していなければ、学んでいるのではなく、ただ楽しんでいるだけだ。
準備ができたと感じるのを待つ。 準備ができたと感じることは決してない。成功する人々は、自分が適格だと感じる前に構築を始め、構築することで適格になる。醜い最初のバージョンを出荷する。公開で改善する。
間違った順序で学ぶ。 データと API を扱えるようになる前にエージェントを構築しようとすること。スタックは理由があって順序付けられている。順序を尊重すれば、各ピースがはまる。スキップすれば、砂の上に構築することになる。
誰も見られないプロジェクトを構築する。 プライベートリポジトリに閉じ込められた素晴らしいプロジェクトは、あなたのキャリアに関しては存在しないも同然だ。すべて公開で出荷する。重要なのは証明であり、証明には観客が必要だ。
説明できないコードをコピーする。 面接に落ちる最短の方法だ。Claude が書いたなら、それを主張する前に理解する。自分の作業を説明する能力こそが、全てのテストだ。
90 日間の計画
何年も必要ではない。集中した 90 日間が必要だ。
1 日目から 30 日目。 基礎。Python の流暢さ、SQL、git、コマンドライン、そしてモデルへの最初の API 呼び出し。30 日目までに、LLM をプログラムで呼び出し、応答を処理できるようになっているべきだ。小さく構築する。ドキュメントを要約するスクリプト。テキストファイルに関する質問に答えるツール。
31 日目から 60 日目。 プロジェクト 1 と 2。RAG アプリケーションを構築する。次にエージェントを構築する。完璧を目指さない。動作し、説明可能であることを目指す。それぞれが終わったらスレッドを書く。60 日目までに、2 つの実際のプロジェクトと 2 つの公開投稿がある。
61 日目から 90 日目。 デプロイして可視化する。プロジェクト 3 を公開 URL で出荷する。アウトリーチを開始する。1 つのオープンソースプルリクエストに貢献する。構築しているものについて一貫して投稿する。90 日目までに、ポートフォリオ、公開の軌跡、そしてあなたを雇うかもしれない人々との活発な会話がある。
これは空想のタイムラインではない。真剣に取り組み、毎日構築する人にとっては、攻撃的だが現実的だ。このタイムラインに失敗する人々は、構築する代わりに準備に時間を費やす人々だ。
これが今機能する本当の理由
学位は常に代理指標だった。雇用主はあなたが仕事をできるかどうかを直接測定できなかったため、資格を代用として使った。学位は「この人は難しいことを学び、始めたことを終えられるだろう」と言っていた。
AI エンジニアリングはその代理指標を壊した。なぜなら、今やあなたは正確なスキルを直接実証できるからだ。デプロイされた RAG システムは、能力の代理指標ではない。それは能力そのものだ。可視化された能力だ。実際のものを示せるなら、そのものの代用は重要でなくなる。
それが全体のシフトだ。資格が無価値になったわけではなく、証明が直接利用可能になったのだ。そして証明が利用可能な場合、それを提供する人々は、代理指標しか持たない人々に勝つ。
だから、許可を待つのをやめよう。準備ができるのを待つのをやめよう。スタックの最初のスキルを選び、Claude を開き、今日可能な限り最小の動作するものを作ろう。そして明日、少し大きいものを作ろう。それを 90 日間続ければ、学位では決して得られないもの、つまり実際に仕事ができるという証明を手に入れるだろう。
CS 学位はもう必須ではない。
しかし、スキルは必須だ。
証明を構築しに行こう。
この記事のすべてのプロジェクトの背後にある完全な構築、そして私が使用する正確なプロンプトとスタックについては、@cyrilXBT をフォローしてください。
