AI人材とは──デジタルスキル標準の定義・職種と不足数、確保の進め方【2026年版】
技術動向
経営会議で「来期はAI人材を3名採る」と決まった。人事部が求人票を書こうとすると、データサイエンティストなのか、生成AIを業務に組み込むエンジニアなのか、AIの導入を企画する担当なのか、誰も具体的に答えられませんでした。AI人材という言葉は便利ですが、中身を決めないまま募集すると、応募者の経歴も、面接での見極めもばらばらになります。
AI人材には、法令で決まった定義はありません。企業が使える共通の物差しとしては、経済産業省と独立行政法人情報処理推進機構(IPA)が策定する「デジタルスキル標準(DSS)」があり、2026年4月にver.2.0が公表されました。そこでは、DXを推進する人材を6つの類型と、その下のロールに分けて定義しています。AI人材を語るときは、このロールの単位で「どの役割の人材が足りないのか」を決めることが出発点になります。
この記事では、デジタルスキル標準での位置づけ、AIに関わるロールとスキル、職種別の役割分担、不足の規模を示す公的な推計、企業規模によるAI導入の差、育成・採用・外部活用の組み合わせ方、外国人AIエンジニアで確保する場合の進め方を整理いたします。AIエンジニアを派遣で受け入れる際の職種の切り分けや準委任との線引きはAIエンジニアを派遣で確保するにはで扱っているため、本記事はAI人材の定義と確保の全体像に絞ります。
この記事の要点
AI人材に法令上の定義はなく、経済産業省とIPAのデジタルスキル標準(2026年4月にver.2.0)の類型・ロールで捉えるのが実務的です。
ver.2.0では、DX推進スキル標準が6類型になり、データ整備を担う「データマネジメント」類型が新設されました。データサイエンティスト類型には、AI実装・運用やAIガバナンスのスキルが加わりました。
経済産業省の「2040年の就業構造推計(改訂版)」(2026年3月)は、AI・ロボット等の利活用を担う人材が2040年に約339万人不足する可能性を示しています。
IPAの「DX動向2025」では、日本企業の85.1%がDXを推進する人材の量が不足していると回答し、米国23.8%、ドイツ44.6%を大きく上回りました。
確保は「使う人材は社内で育成、作る人材は採用や外部活用」で分けると進めやすく、外国人AIエンジニアは日本在住で就労可能な人材から当たると、就業開始までの期間を短くできます。
AI人材とは──法令の定義はなく、デジタルスキル標準のロールで捉える
AI人材とは、一般に、AIを活用して業務やビジネスを変える役割を担う人材を指します。ただし法令上の定義はなく、企業や調査ごとに範囲が異なります。社内で議論するときは、デジタルスキル標準の類型・ロールの言葉に置き換えると、求める人材像を共有しやすくなります。
デジタルスキル標準は、すべてのビジネスパーソンが身につけるべき知識・スキルを定めた「DXリテラシー標準」と、DXを推進する人材の役割と必要なスキルを定めた「DX推進スキル標準」の2つで構成されます。IPAは、生成AIの普及を踏まえて2023年8月と2024年7月に改訂し、2026年4月16日にver.2.0を公表しました。ver.2.0は、AX(AIトランスフォーメーション)の進展とデータ活用の重要性を踏まえた改訂と位置づけられています。
つまり、AI人材は大きく二つの層に分かれます。一つは、全社員がAIを正しく使えるようにする「リテラシーの層」で、DXリテラシー標準が対象です。もう一つは、AIを組み込んだ業務やサービスを設計・実装・運用する「推進の層」で、DX推進スキル標準の各ロールが対象です。採用で「AI人材」と言うときは、たいてい後者を指しています。
なお、公的な調査や民間の調査で「AI人材」「デジタル人材」「DXを推進する人材」と呼ぶ範囲は、それぞれ異なります。機械技術者や情報処理・通信技術者まで広く含める推計もあれば、DXの推進を担う人材に限った企業アンケートもあります。不足の数字を社内の資料で使うときは、何を数えた数字なのかを併記しておくと、経営層の判断を誤らせずに済みます。
デジタルスキル標準ver.2.0の6類型と、AIに関わるロール
DX推進スキル標準ver.2.0は、6つの類型と、その下に業務の違いで区分したロールを定めています。AIに直接関わるのは、データサイエンティストとデータマネジメントの類型が中心で、ソフトウェアエンジニアやビジネスアーキテクトもAIを組み込んだサービスの実現に関わります。
類型 | ロール | 主な責務(要約) |
|---|---|---|
ビジネスアーキテクト | ビジネスアーキテクト/ビジネスアナリスト/プロダクトマネージャー | 経営戦略を変革のロードマップに落とし込む、要求を整理してエンジニアに伝える、製品・サービスの責任者としてチームを運営する |
デザイナー | サービスデザイナー/UX/UIデザイナー/コミュニケーションデザイナー | 顧客価値の定義と製品・サービスの体験設計 |
データサイエンティスト | データビジネスストラテジスト/データサイエンスプロフェッショナル | 事業戦略に沿ったデータ・AIの活用戦略、データの処理・解析による知見の導出 |
データマネジメント(新設) | データスチュワード/データエンジニア/データアーキテクト | データの品質・信頼性・安全性の確保、データパイプラインの設計・実装、全社のデータアーキテクチャ設計 |
ソフトウェアエンジニア | フロントエンドエンジニア/バックエンドエンジニア/クラウドエンジニア/SRE/フィジカルコンピューティングエンジニア | サービスのソフトウェア機能、開発・運用環境、デバイスを含む現実世界のデジタル化 |
サイバーセキュリティ | サイバーセキュリティマネージャー/サイバーセキュリティエンジニア | デジタル活用に伴うリスクの評価と対策の導入・運用 |
(出典:IPA「デジタルスキル標準 ver.2.0」ロール一覧から弊社要約)
ver.2.0の大きな変更は、データマネジメント類型の新設です。これまでデータサイエンティスト類型にあったデータエンジニアは、この新しい類型に統合されました。AIの精度はデータの品質に左右されるため、データを整え、流通させ、ルールを守らせる役割を独立させたものです。ビジネスアーキテクト類型も、新事業・既存事業・社内業務という従来の3ロールから、ビジネスアーキテクト・ビジネスアナリスト・プロダクトマネージャーの3ロールに再定義されました。
DX推進スキル標準は、1つの類型の中に2〜4のロールを定め、1人が複数のロールを兼ねることや、複数人で1つのロールを担うことも想定しています。中小企業では、データサイエンスプロフェッショナルとデータエンジニアを1名が兼ねる、といった当てはめ方も可能です。
AIに関わるスキル──ver.2.0で拡充された「データ整備・活用」
AI人材に求めるスキルを具体的に書くときは、DX推進スキル標準の「共通スキルリスト」が使えます。全類型に共通する共通スキルリストは、5つのカテゴリー・13のサブカテゴリーで構成され、ver.2.0では「データ活用」カテゴリーが「データ整備・活用」に改められました。
AIに直接関わる主なスキル項目は次のとおりです。
サブカテゴリー | スキル項目 | 学習項目の例(抜粋) |
|---|---|---|
データ・AIの戦略的活用 | データ・AI理解・活用 | データ理解、データ可視化、生成AI活用 |
データ・AIの戦略的活用 | データ・AI活用戦略設計 | 事業・モデル設計、システム・AI活用設計 |
データ・AIの戦略的活用 | データ・AI活用業務の設計・事業実装・運用 | AI-Readyデータ整備、PoC設計・実装、MVP開発、運用監視設計 |
データ・AIの戦略的活用 | ガバナンス体制の構築・運用 | データガバナンス、AIガバナンス(AI倫理、ガイドライン整備、責任あるAI管理) |
データ・AIの戦略的活用 | AI実装・運用 | MLOps・AIOps、生成AI開発・活用、ファインチューニング、AIエージェント、マルチモーダルAI |
AI・データサイエンス | 数理統計・多変量解析・データ可視化、機械学習・深層学習 など | 統計数理、因果推論、特徴量エンジニアリング、異常検知 |
(出典:IPA「デジタルスキル標準 ver.2.0」共通スキルリストから弊社抜粋)
求人票では、このスキル項目の言葉で「必須」と「歓迎」を分けると、応募者と面接官の認識を揃えやすくなります。たとえば「生成AIを社内業務に組み込む」役割なら、AI実装・運用(生成AI開発・活用、AIエージェント)を必須に、ガバナンス体制の構築・運用を歓迎に置く、という具合です。
職種別の役割──AIを「使う」「作る」「支える」で分ける
AI人材を確保する計画は、役割を「使う」「作る」「支える」の3つに分けると立てやすくなります。必要な人数も、社内で育てられるかどうかも、それぞれで大きく違うためです。
区分 | 主なロール | 主な仕事 | 社内育成のしやすさ |
|---|---|---|---|
使う(企画・活用) | ビジネスアーキテクト、データビジネスストラテジスト | 業務のどこにAIを入れるかを決め、効果を測る | 業務知識がある社員から育てやすい |
作る(実装) | データサイエンスプロフェッショナル、バックエンドエンジニア、クラウドエンジニア/SRE | モデルの選定・学習、生成AIを使ったアプリの開発、運用基盤の構築 | 数理・プログラミングの基礎が要り、育成に時間がかかる |
支える(データ・統制) | データスチュワード、データエンジニア、データアーキテクト、サイバーセキュリティ | データの整備・品質管理、利用ルールとセキュリティ | 情報システム部門の経験者から育てやすいが、専任が要る |
多くの企業で最初に詰まるのは「作る」の層です。業務を知る社員にAIの使い方を教えることはできても、モデルの評価やシステムへの組み込みまでを短期間で内製化するのは容易ではありません。一方で「作る」人材だけを採っても、どこにAIを入れるかを決める「使う」人材と、データを整える「支える」人材がいなければ、試作で止まりがちです。
AI人材はどれくらい不足しているか──2040年に約339万人の推計
国の推計では、AIやロボットを使いこなす人材は、今後大きく不足する可能性があります。経済産業省の「2040年の就業構造推計(改訂版)」(2026年3月)は、十分な国内投資と産業構造の転換が実現した場合でも、職種や学歴の間で需給のミスマッチが生じると見込んでいます。
区分 | 2022年の就業者数 | 2040年の需要/供給 | 2040年の需給差 |
|---|---|---|---|
就業者全体 | 約6,706万人 | 約6,303万人(2040年) | 全体では大きな不足は生じない |
専門職(専門的・技術的職業従事者) | 1,288万人 | 1,867万人/1,686万人 | 181万人の不足 |
うちAI・ロボット等の利活用を担う人材 | 236万人 | 782万人/443万人 | 339万人の不足 |
事務職 | 1,455万人 | 1,039万人/1,476万人 | 437万人の余剰 |
現場人材 | 3,637万人 | 3,283万人/3,023万人 | 260万人の不足 |
(出典:経済産業省「2040年の就業構造推計(改訂版)について」2026年3月)
この推計の「AI・ロボット等の利活用を担う人材」は、機械技術者やその他の情報処理・通信技術者などの職種を集計したもので、AIの専門家だけを数えた数字ではありません。それでも、2022年の236万人に対して2040年の需要が782万人とされており、需要が3倍を超える規模で見込まれていることが分かります。産業別では、製造業で125万人の不足とされる一方、情報通信業では102万人の余剰とされており、AIを「使う側」の産業ほど不足が大きい構図です。
企業の実感も同じ方向を示しています。IPAの「DX動向2025」(日本1,535社、米国509社、ドイツ537社を調査)では、DXを推進する人材の量が「やや不足している」「大幅に不足している」と答えた日本企業は85.1%で、米国の23.8%、ドイツの44.6%を大きく上回りました。日本企業のこの割合は、2022年度調査で83.5%、2023年度調査で85.7%と、ほぼ横ばいが続いています。
企業規模で差が出るAI導入──「使い始めた」先の人材が足りない
AIの導入は大企業を中心に進んでいますが、効果を事業の価値につなげる段階の人材が足りていません。IPAが2026年7月16日に公表した「DX動向2026」調査のポイント(国内1,799社)では、次の結果が示されています。
AIの導入状況は企業規模が大きいほど進んでおり、従業員1,001人以上の企業では8割近くが導入している一方、101人以下の企業では16.6%でした。
AI導入の効果について、「期待以上」「期待どおり」の合計は31.8%で、「一定の効果はあった」が50.6%と最も多くなりました。
AIの利用用途は「文書・音声の要約・翻訳・校正」が82.5%、「文書・レポートの作成」が80.5%と業務効率化が中心で、「自社製品・サービスの高度化」は10.9%にとどまりました。
この結果からは、生成AIを業務で「使う」段階には多くの大企業が到達した一方、自社の製品やサービス、生産の計画にAIを組み込む「作る」段階に進めていない企業が多いことがうかがえます。前の章で整理した「作る」層の人材の確保が、次の課題になっていると考えられます。
確保の進め方──育成・中途採用・外部活用の組み合わせ
AI人材の確保は、一つの手段に頼らず、役割ごとに手段を組み合わせるのが現実的です。
手段 | 向いている役割 | 期間の目安 | 注意点 |
|---|---|---|---|
社内育成(リスキリング) | 使う(企画・活用)、支える | 数か月〜年単位 | 業務と並行で学ぶため、実務で使う場を先に用意する |
中途採用(直接雇用) | 作る、支える(データアーキテクト等) | 募集から入社まで数か月 | 国内の採用市場は競争が激しく、年収水準の見直しが要ることが多い |
人材紹介 | 作る、使う(経験者) | 日本在住者なら1〜2か月程度、海外からの招へいは数か月〜 | 成功報酬型で、要件の言語化が成否を分ける |
派遣 | 作る(実装・運用) | 日本在住者なら1〜2か月程度、海外からの招へいは数か月〜 | 指揮命令は自社で行う。成果物の請負とは線引きが要る |
業務委託(受託開発・準委任) | 作る(PoC・特定機能) | 案件ごと | 社内にノウハウが残りにくい |
育成と採用は、対立するものではありません。たとえば、業務を知る社員を「使う」人材として育てつつ、「作る」層は派遣や人材紹介で経験者を迎え、その経験者に社内の育成の役割も担ってもらう、という組み合わせが考えられます。IPAが運営するポータルサイト「マナビDX」では、DX推進スキル標準に紐づけた学習コンテンツが紹介されており、社内育成の教材探しに使えます。
外国人AIエンジニアで確保する場合の進め方
「作る」層を国内の日本人だけで集めるのが難しい場合、外国人AIエンジニアは有力な選択肢です。英語で開発を進めることに慣れたエンジニアであれば、社内の開発体制を英語で回せる部署から受け入れを始めることもできます。進め方のポイントは次の4つです。
一つ目は、在留資格の確認です。AIエンジニアの業務は、多くの場合、在留資格「技術・人文知識・国際業務」の対象になります。研究開発の比重が高い人材や年収の高い人材では、ポイント制の「高度専門職」も選択肢になります。在留資格の全体像は外国人エンジニア雇用に関するビザ・法律の基礎知識を、高度専門職のポイントは高度専門職ビザのポイント計算と企業側の手続きをご覧ください。
二つ目は、日本在住の人材から当たることです。弊社の実務では、日本在住で技術・人文知識・国際業務の在留資格を持つ方は、内定から就業開始まで1〜2か月程度で進むことが多い一方、海外から招へいする場合は数か月から約6か月かかった例があります。高度専門職1号ロの方は、転職前に在留資格の変更許可が必要で、東京出入国在留管理局で1.5か月程度からかかります。日本在住者の採用の流れはすでに日本にいる外国人エンジニアを中途採用するで整理しています。
三つ目は、言語の要件をロールに合わせて決めることです。社内の開発チームと英語でやり取りできるなら、日本語は日常会話程度でも業務は回ります。2026年4月15日施行の技人国の改正では、カテゴリー3・4の機関で言語能力を用いて対人業務に従事する場合にCEFRのB2相当の言語能力を証する資料が求められるようになったため、通訳や顧客対応を兼ねる役割では確認が要ります。改正の内容は技人国の2026年4月改正をご覧ください。
四つ目は、受け入れる部署の言語環境を先に決めることです。会議・設計書・チャットのどこまでを英語で回すかによって、求める日本語の水準が変わります。英語で受け入れる部署の作り方は外国人エンジニアを英語で受け入れる部署はどう作るかで扱っています。
AI人材の求人票の書き方──ロール・スキル・データ・基盤を書く
AI人材の求人票は、「AIエンジニア募集」と職種名だけを書くのではなく、ロールと業務の中身を具体的に書くことで、書類の段階で経歴の当てはまりを判断できるようになります。日本人・外国人を問わず、次の5項目を揃えておくと、面接での見極めもぶれにくくなります。
項目 | 書く内容 | 記載の例 |
|---|---|---|
ロール | デジタルスキル標準のロール名と、兼ねる範囲 | データサイエンスプロフェッショナル(データエンジニアの一部を兼務) |
業務の中身 | 何のために、何を作り、どこまで運用するか | 社内文書の検索に生成AIを組み込み、本番運用と精度改善まで担当 |
必須スキル | 共通スキルリストのスキル項目の言葉で | AI実装・運用(生成AI開発・活用)、機械学習・深層学習 |
扱うデータ・基盤 | データの種類、量、置き場所、使うクラウドやオンプレミス環境 | 社内規程・図面などの文書データ、社内サーバーで運用 |
言語と体制 | チーム内の言語、日本語が要る場面、指揮命令する上長 | チーム内は英語、社内ユーザーとの打合せは日本語の担当者が同席 |
とくに「業務の中身」は、行ごとに経歴と照らし合わせられる粒度で書くことをおすすめいたします。職種名が近くても、研究中心の経歴と本番運用まで担った経歴では、立ち上がりの早さが大きく違うためです。面接では、過去に担当したモデルやシステムについて、データの準備から評価、運用までのどこを自分で行ったかを具体的に聞くと、役割の当てはまりを確かめやすくなります。
よくある質問
Q. AI人材の定義はありますか。
法令上の定義はありません。経済産業省とIPAのデジタルスキル標準が、DXを推進する人材を類型とロールで定義しており、AIに関わる役割はデータサイエンティスト類型やデータマネジメント類型などに当たります。社内ではこのロールの言葉で人材像を決めると共有しやすくなります。
Q. AI人材とデータサイエンティストは同じですか。
同じではありません。データサイエンティストはAI人材の中心的な類型の一つですが、AIを業務に入れる企画を担うビジネスアーキテクト、データを整えるデータエンジニア、AIを組み込んだシステムを作るソフトウェアエンジニアなども、AIの活用に欠かせない役割です。
Q. AI人材に必要なスキルは何ですか。
デジタルスキル標準ver.2.0の共通スキルリストでは、データ・AI理解・活用、データ・AI活用戦略設計、AI実装・運用、ガバナンス体制の構築・運用、数理統計・機械学習などが挙げられています。役割によって必要なレベルが異なるため、ロールごとに必須と歓迎を分けて設定します。
Q. AI人材はどれくらい不足していますか。
経済産業省の「2040年の就業構造推計(改訂版)」では、AI・ロボット等の利活用を担う人材が2040年に約339万人不足する可能性が示されています。この区分には機械技術者や情報処理・通信技術者なども含まれており、AIの専門家だけの数ではありません。
Q. AI人材は育成と採用のどちらで確保すべきですか。
役割で分けるのがおすすめです。AIを業務で使う企画・活用の人材は社内の業務経験者から育てやすく、モデルやシステムを作る実装の人材は、採用・人材紹介・派遣などで経験者を迎えるほうが早く立ち上がります。
Q. 外国人のAIエンジニアを採用するには、どの在留資格が必要ですか。
多くの場合、「技術・人文知識・国際業務」が対象になります。学歴や年収などの条件を満たせば「高度専門職」も選択肢です。日本在住で就労可能な在留資格を持つ人材なら、就業開始までの期間を短くできます。
Q. 中小企業でもAI人材を確保できますか。
確保できます。1人が複数のロールを兼ねることはデジタルスキル標準でも想定されています。まず「どの業務にAIを入れるか」を決める担当を社内で決め、実装は派遣や人材紹介、業務委託などで経験者を迎えると、少人数でも始めやすくなります。
まとめ
AI人材に法令上の定義はなく、デジタルスキル標準ver.2.0(2026年4月)の類型・ロールで人材像を決めるのが実務的です。
ver.2.0ではデータマネジメント類型が新設され、AI実装・運用やAIガバナンスのスキルが拡充されました。
経済産業省の推計では、AI・ロボット等の利活用を担う人材は2040年に約339万人不足する可能性があり、製造業など使う側の産業で不足が大きいとされています。
IPAの調査では、日本企業の85.1%がDX推進人材の不足を感じており、AIの用途はなお業務効率化が中心です。
確保は「使う人材は育成、作る人材は採用・人材紹介・派遣」で組み合わせ、求人票はロールとスキル項目で書きます。
外国人AIエンジニアは、日本在住で就労可能な人材から当たると、就業開始までの期間を短くできます。
淡路グローバルゲートウェイ(AGG)では、インドを中心とした外国人AIエンジニアの派遣と人材紹介でご支援しております。生成AIの実装や機械学習の運用など、ロールに合わせた人材のご提案と、日本在住のエンジニアのご紹介も承っております。無料相談フォームからお気軽にお問い合わせください。
現場の技能人材として、技能実習生や特定技能外国人の受け入れを検討されている企業様には、淡路島を拠点とするIBCA(国際ビジネスコンサルティング事業協同組合)をご紹介しております。受け入れの業種や国別の実績を公開しており、お問い合わせ窓口で個別のご相談を受け付けております。
あわせて読みたい関連記事:「生成AIエンジニアの採用」、「RAGエンジニアに必要なスキル」、「MLOpsエンジニアの採用」、「AIエンジニアの年収相場」、「インドのAI人材の厚みと採り方」
監修者
三谷 直矢 /淡路グローバルゲートウェイ(AGG) 事業統括責任者
インドITエンジニアの可能性に着目し、AGGのIT人材部を設立しました。事業統括責任者として、エンジニア派遣事業の戦略立案と実行を担っています。


