はじめに：AIに助けられるほど、自分の値段が気になってきた
正直に打ち明けると、ここ1年で僕のコードを書くスピードは体感で3〜4割上がりました。ChatGPTやGitHub Copilotに下書きを任せて、自分はレビューと設計に時間を使う。バグ修正も、エラーメッセージを貼り付ければ当たりがつく。ラクにはなったんです。
でも、ふと怖くなったんですよね。「これ、僕じゃなくてAIが仕事してるだけなんじゃないか」「同じことを月40万円のエンジニアも月80万円のエンジニアもやり始めたら、差は何で決まるんだ」と。
そこで、自分の市場価値を一度きちんと調べてみることにしました。転職サイトに登録してスカウトを眺めるところから始めて、最終的にたどり着いたのが、ITエンジニアのハイクラス転職に特化したTechGo（テックゴー）というエージェントです。
この記事では、生成AI時代にエンジニアの価値がどう変わったのかという話から、TechGoが他の転職サービスと何が違うのか、向いていない人はどういう人か、そしてAIツールを使った転職準備の具体的なやり方までを、僕が調べて考えたことベースでまとめます。「今すぐ転職する気はないけど、自分の相場は知っておきたい」という人にこそ読んでほしい内容です。
第1章：生成AIの登場で、エンジニアの「市場価値」は静かに二極化している
この章では、AIが普及した今、エンジニアの評価軸がどう動いているのかを整理します。あなたも「AIが使えること」を強みだと思っていませんか？ 実はそれ、もう強みじゃなくなりつつあるんです。
1-1.「コードが書ける」だけでは差がつかなくなった
結論から言うと、実装スピードや文法知識のような「手を動かす力」は、生成AIによって急速にコモディティ化（誰でも同じ品質で手に入る状態）しています。
理由はシンプルで、AIが一番得意なのがまさにその領域だからです。関数の実装、テストコードの雛形、定型的なCRUD処理、正規表現。これらはプロンプト一つで8割方の答えが返ってきます。経済産業省とIPA（情報処理推進機構）が2024年7月に改訂した「DX推進スキル標準 Ver.1.2」でも、生成AIに関する補記が加えられ、「新技術のインパクトとリスクを見極めて行動する」姿勢そのものがスキルとして明記されました（参考：IPAプレス発表）。
具体例として、僕の周りでも「AIのおかげで初めて個人開発アプリをリリースできた」という非エンジニアの知人が出てきました。彼が3週間で作ったものは、5年前なら外注で50万円かかった規模です。裏を返すと、その程度の実装は「お金を払って人に頼むもの」ではなくなったということなんですよね。
つまり、これからのエンジニアの評価は「何を作れるか」より「何を作るべきか判断できるか」「壊れたときに原因を突き止められるか」といった、AIが代わりにやってくれない部分に寄っていきます。
1-2. 生成AIを業務で使う企業はまだ半分——だからこそ今が分かれ目
結論として、生成AIを本格的に業務へ組み込めている日本企業はまだ半分程度で、この「移行期」にスキルを寄せた人が数年後に評価されます。
総務省の「令和6年版 情報通信白書」によると、メール・議事録・資料作成などの補助に生成AIを業務利用していると回答した日本企業は46.8%。一方、アメリカ・ドイツ・中国では約90%の企業が使用中と回答しています（参考：総務省 令和6年版情報通信白書）。
この差は、裏を返せばチャンスでもあります。日本国内では「生成AIを実務で回した経験」がまだ希少なので、社内でその旗振り役をやっておくと、転職市場で語れる実績になるんです。僕自身、社内の小さな業務ツールをLLM（大規模言語モデル）で自動化した話を職務経歴書に書いたら、カジュアル面談での食いつきが明らかに変わりました。
「うちの会社、まだAI使っていいか曖昧で……」という人こそ、ガイドライン作りから関わると差がつきます。数年後に「使えて当たり前」になったとき、旗を振った経験は残るんですよね。
1-3. 2030年に最大79万人不足でも、取り合いになるのは「上流ができる人」だけ
結論を言うと、IT人材不足は事実だけれど、その恩恵を年収という形で受け取れるのは、要件定義・設計・技術選定まで踏み込める層に偏ります。
経済産業省が委託した「IT人材需給に関する調査」では、IT人材の不足数は2030年に最大で約79万人に達すると試算されています（参考：経済産業省「IT人材需給に関する調査」概要）。数字だけ見ると「エンジニアは全員引く手あまた」に思えます。
でも現実には、実装だけを担当する層は生成AIとオフショア（海外委託）で単価が下がる圧力を受け続けています。取り合いになっているのは、顧客やプロダクトの課題を技術で翻訳できる人、つまり上流工程を任せられるエンジニアです。厚生労働省の「令和6年賃金構造基本統計調査」でも、システムコンサルタント・設計者の平均年収は820万円台なのに対し、ソフトウェア作成者は650万円台と、同じIT職でも200万円近い差がついています（参考：厚生労働省 令和6年賃金構造基本統計調査）。
この差を埋めるには、今の会社で上流の経験を積むか、上流の求人を持っているエージェントを通じてポジションを変えるか、のどちらかしかないと僕は思っています。
（次の章では、僕が実際に自分の相場を調べたときに直面した「情報の非対称性」の話をします）
第2章：僕が「今の年収は適正なのか」を調べて言葉を失った話
この章は、僕の体験談が中心です。自分の市場価値を調べるのって、思っている以上に難しいんですよね。あなたは自分の「適正年収」を、根拠を持って言えますか？
2-1. 同じスキルでも、企業によって提示年収は200万円以上ちがう
結論から言うと、エンジニアの年収は「スキル」より「どの会社のどのポジションに座るか」で決まる比率が大きいです。
理由は、企業ごとに「エンジニアという職種にいくら払う体力があるか」の前提が違うから。受託開発中心の会社と、自社プロダクトで利益率の高いSaaS企業とでは、同じ実力のエンジニアに対する評価額がそもそも違います。
具体例として、僕がスカウトを受けた企業3社に同じ職務経歴書を出したところ、想定年収レンジは「480〜560万円」「600〜720万円」「650〜850万円」とバラバラでした。スキルは1ミリも変えていないのに、上と下で200万円以上の開きがあったんです。これを見たとき、「自分の努力の問題じゃなくて、居場所の問題だったのか」と正直へこみました。
だからこそ、「今の年収が低い＝自分の実力が低い」と決めつける前に、レンジの高い場所がどこにあるのかを知る作業が要るんですよね。
2-2. 転職サイトのスカウトメールだけでは「本当の相場」は見えない
結論として、大手転職サイトのスカウトは母数は多いものの、「その企業が本気であなたをいくらで採るか」までは踏み込めません。
なぜなら、スカウトの多くはテンプレートの一斉送信で、想定年収も「〜850万円」のように上限だけ大きく書かれているケースが多いからです。実際に選考が進むと、下限に近い金額を提示されることも珍しくありません。
僕も最初の1か月は、届いたスカウトを片っ端から眺めて「意外と評価されてるかも」と勘違いしていました。でも、カジュアル面談を5社ほど受けてわかったのは、スカウト文面の年収と実際の提示額には、かなりの距離があるということ。この距離を詰めるには、企業の内情や過去の内定実績を知っている人に間に入ってもらう必要がありました。
「スカウトがたくさん来る＝自分は市場価値が高い」と早合点しないでほしいんです。数と単価は別物なんですよね。
2-3. ChatGPTに職務経歴書を読ませて「市場評価」を言語化してもらった
結論から言うと、生成AIは「自分の経歴を第三者視点で棚卸しする」用途にかなり使えます。相場そのものは出せませんが、強みと弱みの言語化には有効です。
理由は、AIが大量の求人票と職務経歴書のパターンを学習しているため、「この経歴なら、どういうポジションで、どこをアピールすべきか」の当たりをつけられるからです。
僕が実際に使ったプロンプトはこんな感じです。
「あなたはIT業界に精通した転職エージェントです。以下の職務経歴書を読み、(1)この人の強みトップ3、(2)応募時に埋めるべき経歴上の弱点、(3)狙えるポジションの仮説、(4)想定される年収レンジの考え方、を辛口で指摘してください。実績が数字で書かれていない箇所は指摘してください。」
返ってきた指摘で一番刺さったのは「担当した業務は書いてあるが、その結果どうなったかが一つも書かれていない」という一言でした。AIに詰められて職務経歴書を書き直したうえで、次の章のエージェントに持ち込んだ、という流れです。
（AIはあくまで壁打ち相手。最終的な相場観と交渉は人に頼る、という役割分担が現実的だと感じました）
📌 あわせて読みたい
第3章：ハイクラス特化の転職エージェント「TechGo（テックゴー）」とは何者か
ここからは、僕が最終的にたどり着いたTechGoについて掘り下げます。名前を聞いたことがない人も多いと思うので、運営会社の背景から順に説明しますね。
3-1. 運営はコンサル転職に強い株式会社MyVision
結論から言うと、TechGoは「コンサルティング業界へのハイクラス転職支援」で実績を積んできた株式会社MyVisionが、2025年に立ち上げたITエンジニア特化サービスです。
この出自が意外と重要で、理由は、コンサル転職の支援では「候補者の地頭・論理性・キャリアの一貫性をどう見せるか」というノウハウが求められるからです。そのノウハウをエンジニア転職に持ち込んでいるのがTechGoの特徴なんですよね。
具体的には、単に求人票を送ってくるのではなく、「あなたのキャリアの軸は何か」「3年後にどのレイヤーの仕事をしていたいか」というところから面談で言語化していくスタイルです。僕は最初「そこまで聞く？」と思いましたが、結果的に自分の志望動機がクリアになりました。
求人の量で勝負するタイプではなく、面談の深さで勝負するタイプのエージェント、という理解でいいと思います。
3-2. アドバイザーの約8割が元エンジニア・ITコンサル出身
結論として、TechGoの担当者は技術の話が通じます。これは地味ですが、エンジニアの転職では大きい要素です。
理由は、キャリアアドバイザーの約8割が元エンジニアやITコンサル出身とされており、「フロントの実装しかやっていない」と話したときに、それが市場でどう評価されるかを具体的に返せるからです。
僕が過去に使った総合型エージェントでは、担当者に「TypeScriptとNext.jsで」と話したら「それは言語ですか、ツールですか？」と聞き返されて、説明のために30分使ったことがあります。技術がわかる相手だと、その30分を「じゃあSSR（サーバーサイドレンダリング）の経験はどこまで？」という中身の話に使えるんです。
面談の時間は限られているので、前提説明に使うか中身の議論に使うかは、けっこう差になりますよ。
3-3. メガベンチャー・大手事業会社・ITコンサルなど上流求人が中心（約1万件）
結論から言うと、TechGoが持っている求人は「実装だけ」ではなく、設計・技術選定・チームリードといった上流工程に関われるポジションが多めです。
理由は、第1章で書いたとおり、年収が上がるのは上流ができる層だからです。TechGoはメガベンチャー、大手事業会社、ITコンサルファームなどを中心に約1万件の求人を保有しているとされ、「今より一段上のレイヤーに移りたい」というニーズに合わせて設計されています。
具体例として、僕に紹介されたのは「自社SaaSのテックリード候補」「事業会社の内製化推進エンジニア」「ITコンサルのアプリケーションアーキテクト」といった、現職より1段階責任範囲が広いポジションでした。単純な横スライドの転職を狙っている人には、逆に「背伸びしすぎでは」と感じるかもしれません。
まずは自分の経歴で上流ポジションが狙えるのか、無料の面談で当たりをつけるのが早いです。
3-4. 利用者の平均年収アップ額「138万円」をどう読むか（正直な注意点）
結論を先に言うと、「平均年収アップ138万円」という数字は魅力的ですが、そのまま自分に当てはまると考えるのは危険です。
理由は、この手の平均値は「もともと相場より低く評価されていた人」が大きく引き上げられることで底上げされている可能性があるからです。すでに適正年収をもらっている人が、さらに138万円上がるとは限りません。年代別では20代が平均120万円前後、30代が平均160万円前後というデータもありますが、これも「現職が安すぎた人ほど伸びる」という構造は同じです。
具体的な検算として、厚生労働省の「令和6年賃金構造基本統計調査」ではソフトウェア作成者の平均年収が650万円台、システムコンサルタント・設計者が820万円台です。もし今あなたが実装中心で500万円なら、上流ポジションに移ることで理論上150〜300万円のアップ余地があります。「138万円」はこのレンジの中に収まっている、と考えると腑に落ちるんですよね。
数字を鵜呑みにせず、「自分の現職年収が相場に対して高いのか低いのか」をまず確認する。そのうえで伸びしろを見積もる、という順番が大事だと思います。
（次の章では、TechGoを他の転職サービスと横並びで比較します）
第4章：TechGoを他の転職サービスと正直に比較する
「結局どのサービスを使えばいいの？」という疑問に答えます。TechGoが向いていないケースもはっきり書くので、冷静に判断してくださいね。
4-1. 大手総合エージェントとの違い——「量」ではなく「面談の深さ」
結論から言うと、リクルートエージェントやdodaのような総合型は「求人数と網羅性」、TechGoは「一社ごとの選考対策の濃さ」に強みがあります。
理由は、総合型は全業種・全職種をカバーするぶん、担当者一人あたりの候補者数が多く、どうしても対応が定型化しやすいからです。一方、特化型のTechGoはエンジニアだけを見ているので、企業ごとの技術面接の傾向まで踏み込んだ対策ができます。
具体例として、僕は総合型と特化型を並行して使いましたが、総合型からは「まず10社応募しましょう」と量を勧められ、TechGoからは「本命3社に絞って、それぞれのコードテスト対策を一緒にやりましょう」と質を勧められました。どちらが正しいというより、目的が違うんですよね。幅広く見たいフェーズは総合型、狙いを定めた後は特化型、という使い分けが現実的です。
4-2. Geekly・レバテックなどIT特化エージェントとの違い
結論として、同じIT特化でも、Geeklyは「IT・Web・ゲーム業界の求人網羅」、レバテックキャリアは「エンジニア求人の物量とスピード」、TechGoは「ハイクラス・上流ポジションへの引き上げ」と、それぞれ色が違います。
理由は、各社が得意とする顧客企業層が違うからです。Geeklyはゲーム・Web業界に強いパイプを持ち、レバテックは幅広い開発現場に案件を持っています。TechGoはコンサル転職支援の出自から、事業会社の上流ポジションやITコンサルとの相性がいい。
具体的には、「ゲーム業界に行きたい」ならGeekly、「とにかく早く数を見て決めたい」ならレバテック、「年収レンジを一段上げたい・上流に移りたい」ならTechGo、という選び方になります。僕は3社目の視点としてTechGoを足したことで、他社では出てこなかった内製化推進のポジションに出会えました。
📌 あわせて読みたい
4-3. 向いている人・向いていない人（ここは遠慮なく書く）
結論から言うと、TechGoは「実務経験3年以上で、年収か裁量を一段上げたい人」に向いていて、「未経験・第二新卒」「今すぐ内定が欲しい人」には向いていません。
理由は、扱う求人が上流・ハイクラス寄りで、選考も面談の深さを重視するため、ポテンシャル採用や短期決戦のニーズとは設計思想が合わないからです。
向いている人の目安はこんな感じです。
- 実務3年以上で、設計や技術選定に少しでも関わった経験がある
- 今の年収が相場より低い気がするが、根拠を持って言えない
- 実装だけの働き方から、上流・リードのレイヤーに移りたい
- 生成AIの活用経験を、キャリアの武器として整理したい
逆に、未経験からの転職ならウズキャリITのような未経験特化サービス、フリーランスとして単価を上げたいならMidworksのようなエージェントのほうが合っています。自分のフェーズに合った窓口を選ぶのが遠回りに見えて一番早いんですよね。
第5章：AIツールと転職エージェントを組み合わせた「準備」の具体策
最後に、僕が実際にやった転職準備を、AIの使いどころとセットで共有します。エージェントに登録する前にここまでやっておくと、面談の質が変わりますよ。
5-1. ChatGPTで職務経歴書を「作業」ではなく「成果」で書き直す
結論から言うと、職務経歴書は「何をやったか」ではなく「その結果どうなったか」で書くと通過率が上がります。そしてこの書き換えはAIが得意です。
理由は、多くのエンジニアが「担当した」「対応した」という作業ベースの記述で止まっており、採用側が知りたい「事業や数字へのインパクト」が読み取れないからです。
僕が使ったプロンプトは「以下の職務経歴の各項目について、『作業内容』を『成果・影響』の表現に書き換える案を3パターンずつ出してください。数値がない場合は、どんな数値を補えば説得力が出るか質問してください」というものです。「バッチ処理を改修した」が「日次バッチの実行時間を90分から25分に短縮し、翌朝の障害対応当番を実質廃止した」に化けます。
数字が思い出せないものは、当時のチケットやSlackを遡って裏を取りました。地味ですが、ここが一番効きます。
5-2. 想定問答をAIで100問作って、エージェントの模擬面接で削る
結論として、面接対策は「AIで広げて、人で締める」のが効率的です。
理由は、AIは想定質問を大量に、しかも意地悪な角度から出すのが得意な一方、「その回答が実際の面接官にどう聞こえるか」の判断は経験者のほうが正確だからです。
具体的には、まずChatGPTに「テックリード候補の面接で聞かれる質問を、技術・マネジメント・カルチャーフィットの3カテゴリで各20問、答えにくい順に出して」と依頼します。100問近く出たら、自分で回答を作り、そのうち特に不安な10問をTechGoの担当者との模擬面接に持ち込む。人からのフィードバックで「その回答は減点される」と言われた箇所だけAIで作り直す、というループです。
全部を人に見てもらう時間はないので、AIで数をこなしてから人の時間を使う、という順番にしています。
5-3. 年収交渉の根拠をAIで整理しておく
結論から言うと、年収交渉は「希望額」ではなく「根拠」を持っていく人が通ります。その根拠の下ごしらえにAIが使えます。
理由は、交渉の場で「もっと欲しい」だけ言っても動かず、「同等ポジションの相場」「自分が入社後3か月で出せる価値」を具体的に語れると、エージェントも企業に掛け合いやすくなるからです。
僕は「このポジションの job description（職務記述書）を貼るので、入社後90日で達成すべきことを5つ、そのために自分の経歴のどこが活きるかとセットで整理して」とAIに投げました。出てきた内容を自分の言葉に直して、最終面接と条件交渉で使いました。最終的に、最初の提示から45万円上乗せできたんです。
交渉は気まずいものですが、根拠があると「お願い」ではなく「すり合わせ」になります。ここでもAIと人の分担が効きました。
まとめ：自分の相場は、調べないと一生わからない
この記事で伝えたかったことを整理します。
- 生成AIで「実装スピード」はコモディティ化し、エンジニアの評価は「上流で判断できるか」に寄っている
- IT人材は2030年に最大79万人不足するが、年収が上がるのは上流ができる層に偏る（経産省の試算）
- 同じスキルでも企業によって提示年収は200万円以上ちがう。「実力の問題」ではなく「居場所の問題」のことがある
- TechGoはコンサル転職に強い株式会社MyVisionが運営するITエンジニア特化のハイクラス転職エージェントで、アドバイザーの約8割が元エンジニア・ITコンサル出身
- 「平均年収アップ138万円」は現職が安かった人ほど伸びる構造。数字は鵜呑みにせず自分の相場をまず確認する
- 未経験・第二新卒・今すぐ内定が欲しい人には向かない。実務3年以上で一段上を狙う人向け
- 職務経歴書の成果ベース化、想定問答の量産、年収交渉の根拠づくりはAIで下ごしらえし、最後は人（エージェント）で締める
「今の年収、なんとなく低い気がする」で止まっている人は、まず自分の相場を人に見てもらってください。転職するかどうかはその後で決めればいい話です。相談だけなら無料ですし、僕はこの一歩を踏んだことで、少なくとも「自分の努力不足だと思い込む」状態からは抜けられました。
この記事で参考にした公的データ・資料
- 経済産業省「IT人材需給に関する調査」（概要）― IT人材は2030年に最大約79万人不足と試算：https://www.meti.go.jp/policy/it_policy/jinzai/gaiyou.pdf
- 厚生労働省「令和6年賃金構造基本統計調査 結果の概況」― 職種別の平均賃金（システムコンサルタント・設計者／ソフトウェア作成者）：https://www.mhlw.go.jp/toukei/itiran/roudou/chingin/kouzou/z2024/index.html
- 総務省「令和6年版 情報通信白書」― 生成AIの業務利用は日本企業46.8%、米独中は約90%：https://www.soumu.go.jp/johotsusintokei/whitepaper/ja/r06/html/nd151120.html
- 独立行政法人情報処理推進機構（IPA）・経済産業省「DX推進スキル標準 Ver.1.2」（2024年7月8日改訂、生成AIに関する補記を追加）：https://www.ipa.go.jp/pressrelease/2024/press20240708.html
コメント