AIエンジニアの単価相場はいくら？統計の読み方と上下を分ける案件の6つの確認点

AIエンジニアの単価について先に結論を書くと、「AIエンジニア」という区分の統計は確認できません。近い区分として、案件サイトが機械学習エンジニアの月額平均単価を公表していることはありますが、それも掲載時の提示額にすぎません。自分の相場は、AIという名前より、本番運用や品質の責任をどこまで負う案件かで見分けます。

単価の全体像はフリーランスエンジニアの単価相場にまとめています。この記事は、AI関連の案件を受けるかどうか、提示された単価が妥当かを判断したい人のためのものです。正社員の年収と評価軸は機械学習・AIエンジニアの年収に分けているので、ここでは業務委託の単価に絞ります。

統計で確かめられるのは「近い区分」まで

統計で分かることと分からないことを先に分けます。公的統計には「AIエンジニア」という職業区分がありません。民間の案件サイトが公表しているのは、機械学習エンジニア、データサイエンティスト、Python案件といった近い区分の掲載単価の平均で、AIそのものの相場ではありません。

そして、その数字にも制約があります。掲載された案件の提示額の平均であって、成約後の支払額ではなく、エージェントの取り分が含まれている場合もあります。職種別は上位の区分しか公表されないことが多く、単価の分布も示されないため、「AI案件の何割がいくらを超えるか」は分かりません。

生成AIに限った単価や、LLMを使ったアプリ開発の単価は、この調査の職種名からは切り出せません。生成AIの案件が機械学習の平均と同じ水準だとは言えないので、検索で見かける金額も、調査の主体と対象を確かめてから使ってください。

一度見た平均を固定の相場にしない

機械学習やAIの区分で平均を見かけても、1回の数字を固定の相場と考えないでください。職種別の平均は、月ごとの順位が入れ替わることがあります。

理由は、平均が掲載された案件の組み合わせに左右されるからです。高い単価の案件がその月に多く載れば平均は上がり、翌月には戻ります。案件全体の平均は母数が大きいぶん安定しますが、職種別のように細かい区分ほど動きやすいと考えるのが安全です。

実務では、1か月の数字で交渉の基準を決めず、複数の月や他の案件の提示額も合わせて見ます。「今月の機械学習の平均はこの額だから、自分もこの額」と主張しても、相手が見ているのは、その案件で何を任せられるかだからです。

例外として、数か月にわたって同じ方向に動いているなら、市場の変化を示す材料にはなります。それでも、平均の変化が自分の案件の単価に自動で反映されるわけではありません。

「AIエンジニア」の案件を仕事の中身で分ける

AIという言葉が付く案件は、仕事の中身がかなり違います。比べる相手を間違えないように、案件を次のように分けます。

この表の対応は当サイトの整理で、案件サイトがこのように分類しているわけではありません。たとえば、バックエンドの開発者がLLMのAPIを組み込む案件で、機械学習の案件の水準を基準に交渉しても、発注側が見ている比較の相手はバックエンドの開発者かもしれません。反対に、評価の設計や本番の品質の管理まで担うなら、実装の平均だけで安いと考える必要はなくなります。

確認点1：本番の運用まで担うか

単価を分ける最初の点は、検証で終わるか、本番で動かし続ける責任があるかです。本番で動かすと、精度だけでなく、応答速度、運用費、データの更新、障害時の代替手段まで考える必要があり、担当できる人が限られるからです。

具体的には、案件の説明で次のことを聞きます。利用者は誰か、今どの段階か、監視と改善を誰がするのか、問題が起きたときにどこまで対応するのかです。「AIの精度を上げる」とだけ書かれた案件でも、本番の運用の担当者がいない場合は、実質的に運用まで任されることがあります。

注意点として、責任が大きければ単価が必ず高いわけではありません。責任だけが増えて、単価に反映されない案件もあります。担当範囲が広いと分かったら、その分を提示額に含めるのか、面談の時点で確かめてください。

確認点2：品質の評価を自分で設計するか

AI案件では、「何をもって良いとするか」を決める仕事の難しさが単価に関わります。生成AIの回答や予測の品質は、普通の機能のように合否を決めにくいからです。

たとえば、評価用のデータを作り、指標を決め、変更の前後を比べ、問題のある出力を減らす仕組みを作れる人は、モデルの呼び出しを実装するだけの人とは担当する範囲が違います。職務経歴書や面談でも、「精度を上げた」ではなく、「どの指標を、どのデータで、どの条件で比べたか」を説明できると、案件の幅を広げる材料になります。

反対に、評価の基準が決まっていない案件で「納得できる品質」を求められる場合は、終わりが見えなくなります。評価の基準を誰が決めるかを確かめてください。これは次の確認点5の契約とも関係します。

確認点3：データの権限と働く場所

AI案件はデータの扱いが制約になりやすく、働く場所や単価の条件にも影響します。機密データを扱う案件では、社内のネットワークや指定の環境での作業が必要になることがあるからです。

案件サイトが公表するリモートと常駐の平均は、職種を問わない全体の数字です。AI案件に限った比較ではないので、AIならリモートで高いとは読めません。確かめるのは、データにアクセスできる範囲と、作業環境の条件です。

データの準備が終わっていない案件にも注意が必要です。データの整備に時間がかかり、モデルの作業に入れないまま契約期間が過ぎると、次の案件で説明できる実績が残りません。データを見てから仕事の範囲を決められるかを聞くと、見込み違いを減らせます。

確認点4：課題の設定から入るか

単価の上位には、コンサルタントやエンジニアリングマネージャー、PMなど、何を作るかを決める役割や、人と進行に責任を持つ役割が並びます。AIの知識に、課題の設定や関係者の調整を組み合わせると、比べる相手が変わります。

たとえば、「この業務にAIを使うべきか、使わないほうがよいか」を判断し、費用の見積もりと撤退の条件まで示す仕事は、実装だけの案件とは評価される内容が違います。ただし、提案だけで実装の経験が薄いと、説得力は長く続きません。

上流の案件を受けるときは、肩書きや案件名ではなく、決定権がどこにあるかを確かめてください。資料作成だけの場合、案件名に「AIコンサル」とあっても、次の案件につながる実績にならないことがあります。

確認点5：準委任か請負かで責任が変わる

AI案件では、契約の形を単価と同じくらい確かめる必要があります。精度や成果を事前に約束しにくい仕事なのに、請負で完成の責任を負うと、想定以上の作業が発生しやすいからです。

準委任は基本的に稼働に対して報酬が出て、請負は完成した成果に対して報酬が出ます。違いと確認点は準委任と請負の違いにまとめています。AI案件では、次の点を契約の前に確かめてください。

1. 成果物は何か。モデル、コード、報告書のどれか
2. 精度や品質の目標が、達成の義務として書かれているか
3. 学習データやモデルの権利が誰のものか
4. 追加の検証や作業が発生したときの扱い
5. 精算の幅と、超えた分の支払い

特に2番目は、同じ単価でも負担を大きく変えます。権利や責任の判断に迷う場合は、弁護士などの専門家に確認してください。

確認点6：PoCの短さと商流

月額が高くても、年間の売上が高いとは限りません。AIの検証の案件は、検証の終了で契約が終わることがあるからです。比べるときは次の式を使います。

年間の売上の見込み ＝ 月額単価 × 実際に稼働できる月数

たとえば月額Aで3か月のPoCを受け、次の案件まで空く場合と、それより低い月額Bで12か月続く案件では、Aが高くても年間ではBが上回ることがあります。ただし、短期の案件が次の実績につながるなら、金額以外の価値もあります。長期契約と短期契約の違いで比べ方を確認できます。

商流も確かめてください。掲載の提示額と自分に入る額は同じではありません。エージェントや中間の会社の取り分はマージン率の記事で扱っています。統計の平均と比べるなら、掲載の額どうしで比べ、自分に入る額と混ぜないようにします。

AI案件へ移ると単価は上がるのか

AI案件へ移れば単価が上がるとは言い切れません。統計では機械学習の平均がPythonの平均より高いのですが、これは違う仕事の平均を比べた数字で、同じ人が移った後の変化ではないからです。

差が出るとすれば、AIの名前ではなく、担う仕事が変わる場合です。実装のエンジニアがAI機能の評価と運用まで担当できるようになれば、比べる相手が変わります。そのため、今の開発の仕事でAIの機能を担当する、運用の監視を自分で作る、評価の仕組みを整えるといった順番のほうが、資格や講座の修了より実績を説明しやすくなります。

ツールの利用だけでは差になりにくい点は生成AIのスキルと年収でも扱っています。正社員として機械学習の経験を積んでから独立する場合の比較はフリーランスと正社員の比較を参照してください。当サイトの診断モデルにはAIという職種の区分がなく、経験年数、企業タイプ、勤務地、スキルで推定します。たとえば実務6〜9年、東京、スコア70の上場・大手で、正社員は 686〜805万円、業務委託は 926〜1,087万円 です。統計ではなくモデルの前提で、手取りでもありません。

提示された単価を判断する手順

提示された単価は、次の順番で判断します。

1. 案件を、先ほどの表のどの仕事に当たるかで分ける
2. 比べる統計を選び、掲載の額どうしで比べる
3. 自分に入る月額を確かめる
4. 6つの確認点で、責任の範囲と契約の条件を確かめる
5. 稼働月数を掛けて、年間の売上を出す
6. 経費、保険、税を引いて、年間に残る額を見積もる

6番目の手順はフリーランスエンジニアの単価と手取りに書いています。平均より低い提示でも、条件が軽く、期間が長く、実績になるなら受ける理由があります。反対に平均より高くても、請負の責任が重く、短期で切れるなら、見た目の単価ほど良くありません。単価を上げる交渉は単価交渉と更新を確認してください。

掲載平均と比べても意味が薄い案件

統計は1つの案件サイトに掲載された案件の平均で、市場全体を代表するものではありません。サイトに掲載された案件だけの集計で、掲載されない案件は含みません。また、月額の案件を前提にしているので、時間単位の技術顧問や、成果報酬の案件には当てはまりません。顧問の場合は技術顧問の報酬を確認してください。

研究職や大学との共同研究のように、成果の評価が異なる仕事も別の考え方が必要です。この分野は変化が速いので、案件の名前や使う技術の呼び方も変わります。統計の区分と自分の案件が合っているか、毎回確かめてください。

AI案件を受ける前の最終チェック

• 案件を、組み込み、データ活用、モデル開発、基盤、企画のどれかに分けた
• 比べる統計を仕事の中身で選び、掲載の額どうしで比べた
• 本番の運用と評価の責任がどこまであるかを確かめた
• データの権限と作業環境の条件を確かめた
• 契約の形、成果物、精度の扱いを確認した
• 稼働月数を掛けて、年間の売上で比べた

単価の判断には、正社員として残る場合の水準も並べておくと、比較の基準ができます。