ハイクラス特化転職エージェントのソマリ「新着情報」ページ

プロンプトエンジニア採用で最初に考えたいこと

「生成AIを業務に取り入れたい」

「社内向けのAIツールを作りたい」

「LLMを使ったプロダクトを立ち上げたい」

こうした企業が増えるなかで、「プロンプトエンジニアを採用したい」と考える企業も出てきています。

ただし、ここで注意したいのは、プロンプトエンジニアという職種の定義が企業ごとに大きく異なることです。

ある企業では、ChatGPTなどに入力するプロンプトを設計する人を指します。

別の企業では、APIを使ってLLMをアプリケーションに組み込み、RAGや評価基盤まで設計するエンジニアを指します。

さらに、業務部門と連携しながら、生成AIを使った業務改善そのものを担当するケースもあります。

つまり、「プロンプトエンジニア募集」と書くだけでは、採用したい人材像が曖昧になりやすいのです。

採用を始める前に、

「プロンプトを書く人が欲しいのか」

「LLMアプリケーションを実装できる人が欲しいのか」

「AIを業務へ導入できる人が欲しいのか」

を整理する必要があります。

プロンプトエンジニアとは何をする仕事か

プロンプトエンジニアリングとは、LLMから望ましい応答を引き出すために、入力や指示を設計・改善することです。

OpenAIの公式ガイドでも、プロンプトは明確かつ具体的にし、十分なコンテキストを与えること、さらに一度で完成させるのではなく出力を確認しながら反復的に改善することが推奨されています。

実務では、単に文章を書くことだけが仕事ではありません。

たとえば、

• システムプロンプトの設計
• ユーザー入力の整理
• Few-shot例の設計
• 出力形式の制御
• LLMの評価
• 誤回答の分析
• プロンプト改善
• API連携
• RAG設計
• ガードレール設計
• AI機能の業務フロー組み込み

などを担当する場合があります。

そのため、採用では「文章力」だけでなく、技術理解や検証能力まで見る必要があります。

プロンプトエンジニア採用が難しい理由

1. 職種の定義がまだ統一されていない

プロンプトエンジニア採用で最も難しいのは、企業側と候補者側で職種イメージがずれやすいことです。

企業側は「生成AIを使える人」を探しているつもりでも、実際には、

• AIプロダクトマネージャー
• LLMエンジニア
• 機械学習エンジニア
• ソフトウェアエンジニア
• AIコンサルタント
• 業務改善担当

など、複数の役割が混ざっていることがあります。

この状態で求人を出すと、応募は来ても期待するスキルと合わない可能性があります。

2. プロンプトだけでは成果を出しにくい

生成AIの精度は、プロンプトだけで決まるわけではありません。

• モデル選定。
• 入力データ。
• RAG。
• ツール連携。
• 評価方法。
• UI。
• 権限設計。

こうした要素も結果に大きく影響します。

そのため、プロンプトだけを書ける人を採用しても、自社が求めるAI機能を作れない場合があります。

2026年時点では、「プロンプトエンジニア」という職種名よりも、「LLMを使ったアプリケーションを実装・改善できる人」という広い要件で考えるほうが実務に合うケースもあります。

3. 最新情報へのキャッチアップが必要

LLMや生成AI関連の技術は変化が速い領域です。

モデルが更新されれば、以前有効だったプロンプト設計が最適とは限らなくなります。

OpenAIも、最新かつ高性能なモデルを使うことを一般的な推奨事項のひとつとして挙げています。

そのため、採用時点の知識だけではなく、新しいモデルや開発手法を継続的に学べるかを見る必要があります。

プロンプトエンジニア採用で必要なスキル

1. プロンプト設計力

基本となるスキルです。

曖昧な依頼を、LLMが理解しやすい形に整理できる必要があります。

たとえば、

「文章をいい感じに直して」

ではなく、

「BtoB SaaSの採用担当者向けに、300文字以内、専門用語を減らし、結論を冒頭に置く」

といった形で、目的や条件を具体化できる能力です。

OpenAIも、タスク、文脈、出力形式、長さ、スタイルなどを具体的に示すことを推奨しています。

2. 出力を評価する能力

プロンプトエンジニアリングでは、「それっぽい回答が出た」で終わらせてはいけません。

重要なのは、

「何をもって良い回答とするか」

を決めることです。

たとえば、

• 正確性
• 再現性
• 形式遵守
• トーン
• ハルシネーション率
• 処理時間
• コスト

などを評価します。

大量のケースを比較しながら、どのプロンプトが安定しているかを判断する能力が必要です。

3. LLMの基本理解

Transformerの数式まで理解している必要はない場合もあります。

ただし、

• コンテキスト
• トークン
• Temperature
• Structured Output
• Function Calling
• RAG
• Embeddings
• Tool Use

など、LLMアプリケーションで使われる基本概念は理解していたほうがよいでしょう。

プロンプトだけでは解決できない問題を見極めるためです。

4. プログラミングスキル

プロダクト開発を任せる場合は、プログラミング能力も重要です。

たとえば、

• Python
• JavaScript／TypeScript
• API連携
• JSON
• SQL
• Git

などです。

LLM APIを使い、プロンプトをアプリケーションに組み込み、ログを確認しながら改善できる人材であれば、実務範囲は大きく広がります。

5. 業務理解・コミュニケーション力

生成AIは、業務を理解しなければうまく導入できません。

営業向けAI。

採用向けAI。

カスタマーサポートAI。

法務支援AI。

同じLLMでも、必要な設計は異なります。

そのため、現場担当者へヒアリングし、

「どの業務が課題なのか」

「どこまでAIに任せるのか」

「人間が確認すべき部分はどこか」

を整理する能力も重要です。

プロンプトエンジニアの採用要件例

採用要件は、役割によって分けると考えやすくなります。

たとえば、LLMを使った社内ツール開発を任せる場合は、次のような要件が考えられます。

必須スキル

• 生成AI・LLMを利用した業務または開発経験
• プロンプト設計・改善経験
• 出力評価の経験
• PythonまたはTypeScriptなどの開発経験
• API利用経験
• Gitを使った開発経験

歓迎スキル

• RAGの実装経験
• ベクトルデータベース利用経験
• AIエージェント開発経験
• LLM評価基盤の構築経験
• クラウド環境での開発経験
• SaaS・Webサービス開発経験
• AIプロダクトの立ち上げ経験

ただし、すべてを必須にすると採用対象はかなり狭くなります。

「プロンプト改善を担当する人」と「AIアプリを開発する人」を別ポジションにする方法もあります。

プロンプトエンジニア面接で聞きたい質問

「改善したプロンプトの事例を教えてください」

単に「プロンプトエンジニアリング経験があります」で終わらせず、

• 「改善前は何が問題でしたか」
• 「どのように変更しましたか」
• 「結果はどう測定しましたか」

まで聞きます。

重要なのは、感覚的にプロンプトを書いているのではなく、問題を分析して改善できるかです。

「LLMの回答が安定しないとき、何を確認しますか」

この質問では、問題切り分け能力を確認できます。

• プロンプト。
• 入力データ。
• モデル。
• Temperature。
• RAG。
• 出力スキーマ。

どこに問題があるか、順番に確認できる人は実務に強い傾向があります。

「プロンプトでは解決できないと判断した経験はありますか」

非常に重要な質問です。

優秀な人ほど、「何でもプロンプトで解決する」とは考えません。

• RAGが必要。
• コード側で制御すべき。
• ルールベース処理のほうがよい。
• 人間のレビューが必要。

こうした判断ができるかを見ることができます。

「AIの出力をどう評価しますか」

精度評価について確認します。

「自分で見てよければOK」

ではなく、

• 評価データセット。
• 期待出力。
• 自動評価。
• 人間評価。
• A/Bテスト。

など、客観的な評価方法を考えられるかを見るとよいでしょう。

プロンプトエンジニアを採用する方法

求人媒体

求人では、「プロンプトエンジニア募集」だけでは仕事内容が伝わりにくい場合があります。

たとえば、

「生成AIを活用した社内業務支援ツールの開発」

「LLMを使ったカスタマーサポート機能の設計」

など、何を作る仕事なのかまで明示したほうがよいでしょう。

ダイレクトスカウト

生成AI関連の開発経験を持つエンジニアに直接アプローチする方法です。

候補者の経歴に、

• LLM。
• RAG。
• OpenAI API。
• 生成AI。
• AIエージェント。

などの経験がある場合は、具体的にどの経験に興味を持ったのか伝えます。

既存エンジニアのリスキリング

プロンプトエンジニアを新規採用するだけでなく、既存のWebエンジニアやデータエンジニアに生成AIスキルを身につけてもらう方法もあります。

LLM APIを使った開発は、既存のソフトウェア開発スキルを活かせる部分も多いためです。

採用市場に完成された人材を探すだけでなく、社内人材を育成する視点も重要です。

「プロンプトエンジニア」という職種名にこだわりすぎない

2026年の採用では、ここが重要なポイントです。

プロンプトを書く能力は必要ですが、それだけを独立した職種として採用すべきかは企業によって異なります。

本当に必要なのが、

「AI機能を作れる人」

なら、LLMエンジニアやAIアプリケーションエンジニアとして募集したほうが適している場合があります。

「生成AIを社内業務へ導入したい」

のであれば、業務改善やプロダクトマネジメントに強い人材のほうが適している可能性もあります。

職種名から採用するのではなく、

「何を実現したいのか」

から逆算することが重要です。

国内で採用できないなら海外AIエンジニアまで広げる

生成AIやLLM関連技術は世界共通です。

• Python。
• TypeScript。
• API。
• RAG。
• ベクトルデータベース。

こうした技術は、日本国内だけで使われているわけではありません。

そのため、国内でAIエンジニアやLLMエンジニアを採用できない場合は、海外まで候補者を広げる方法があります。

特にリモート開発ができる企業なら、エンジニアが日本国内に住んでいることを必須にしない採用も可能です。

一方、

「海外法人がない」

「現地で雇用契約を結べない」

「給与計算や社会保険がわからない」

という課題があります。

そこで選択肢になるのがEORです。

EORで海外AI・LLMエンジニアを採用する選択肢

EORとはEmployer of Recordの略で、現地の雇用主体を通じて海外人材を雇用する仕組みです。

企業側は海外法人を一から設立せず、海外エンジニアを自社チームへ迎える方法を検討できます。

Somali EORでは、日本語でコミュニケーションできるインドネシア人エンジニアなどを、海外正社員モデルで採用する選択肢があります。

採用要件の整理から候補者選定、書類選考、面接、オファー、就業開始まで進められるため、「国内ではAI人材を採用できない」という企業でも、海外まで人材プールを広げる方法を検討できます。

エンジニア人材については、月額30〜40万円台から検討できるケースもあります。実際の費用はスキルや経験、日本語力などによって異なります。

ただし、プロンプトエンジニアやAIエンジニアの場合、機密データや社内情報をLLMへ入力するケースもあります。

そのため、

• データの取り扱い
• API利用ポリシー
• 個人情報
• 機密情報
• アクセス権限
• ログ管理

など、情報セキュリティ面も確認する必要があります。

また、海外雇用に関する労務、税務、社会保険、契約ルールは国や地域によって異なります。実際の導入では最新情報を確認し、必要に応じて専門家へ相談することが重要です。

まとめ：プロンプトエンジニア採用は「何を実現したいか」から逆算する

プロンプトエンジニア採用で最も重要なのは、「プロンプトが上手な人」を探すことではありません。

生成AIを使って、会社として何を実現したいのかを明確にすることです。

プロンプトエンジニア採用で押さえておきたいポイントは次の通りです。

• まずプロンプトエンジニアに任せたい役割を定義する
• プロンプト設計だけでなく評価・改善能力を見る
• LLMの基本知識も確認する
• プロダクト開発ならプログラミング能力も必要
• 業務理解・コミュニケーション能力も重要
• 面接では具体的な改善事例を聞く
• 「プロンプトでは解決できない」判断ができるかを見る
• 職種名にこだわらずLLMエンジニアやAIアプリ開発者も候補にする
• 国内で候補者が少なければ海外まで採用市場を広げる
• EORなら海外法人なしで海外正社員モデルを検討できる

生成AIの技術は変化が速く、現在のベストプラクティスが数年後もそのまま使えるとは限りません。

だからこそ採用で見るべきなのは、特定のプロンプトテクニックを知っているかだけではありません。

問題を分析する。

仮説を立てる。

出力を評価する。

改善する。

新しい技術を学ぶ。

こうしたエンジニアリングの基礎体力を持った人材を採用することが、生成AIを継続的に活用できる組織づくりにつながります。

Somali EORで、採用の壁を越える新しい一歩を

採用難が続く今だからこそ、海外の優秀なエンジニアを安定的に、かつコスト効率良く採用できる「Somali EOR」という選択肢が注目されています。
SESでも業務委託でもない「第三のモデル」で、あなたの企業の成長を後押ししませんか？

▼まずはこちらからお気軽にお問い合わせください。

https://somali.co.jp/contact/