大手企業の情報システム部でインフラ運用や社内DXを担当し、「生成AIの経験がないままでは、次の転職で評価されにくいのでは」と感じている方も多いのではないでしょうか。Google Cloudが2026年8月25日に公開した公式まとめから見えてくるのは、AIモデルを作る人だけでなく、業務を整理し、安全に運用し、現場へ定着させる人の役割が大きくなっていることです。
この記事では、Google Cloud Next Tokyo 26で紹介された企業事例を基に、AIエージェント転職で必要になるスキル、求人票の読み方、職務経歴書や面接で経験を伝える方法を整理します。なお、イベント自体は7月30日と31日に開催されており、今回は8月25日に公開されたGoogle Cloudの公式まとめを起点に分析しています。
📄 Google Cloudの事例が示した「チャット利用の次」にある仕事
まず押さえたいのは、生成AIを単発の質問に使う段階と、AIエージェントを業務の流れへ組み込む段階は別物だという点です。AIエージェントとは、与えられた目的に合わせて情報を探し、複数の手順や外部ツールを使いながら処理を進める仕組みのこと。チャット画面で回答を得るだけでなく、申請、確認、報告、監視といった一連の仕事へ関与します。
Google Cloudの公式まとめでは、世界の同社顧客の約75％がAIを活用している一方、日本市場の独自調査では対象の70％がAIエージェントをまだ使えておらず、AI利用者の約半数が会社非公認の「シャドーAI」を使っていると紹介されました。調査対象や定義の詳細は記事だけでは分からないため、この数字を日本企業全体へそのまま当てはめることはできません。ただし、「使いたい現場」と「安全に使わせたい会社」の間をつなぐ仕事が必要になっていることは読み取れます。
| 公表された事例・機能 | 確認できる事実 | 転職市場で読み替えられる役割 |
|---|---|---|
| NTTデータ | 自社を最初の実践場所とする「Client Zero」で、業務へのAIエージェント導入と働き方の見直しを進める | 社内導入PM、業務分析、利用ルール設計、教育・定着支援 |
| SOMPOグループ | 3万4,000人にAIエージェントを提供し、数か月で1万件を超えるエージェントが作られたと紹介 | 市民開発支援、ナレッジ整備、利用状況の分析、ガバナンス |
| Ｓｋｙ | 社員が独自エージェントを作り、5か月で2万個に到達。AIへのリクエストも1日1万5,000回から3万回へ増加 | プラットフォーム運用、権限管理、再利用可能な業務部品の整備 |
| 小売業向けデモ | 写真や音声から報告書を作り、POS・気象データを使って棚割り案を提示 | 現場業務の要件定義、データ連携、マルチモーダル活用 |
| 本番運用基盤 | ADK、MCP、A2Aに加え、実行環境、ID、ゲートウェイ、モデル防御などを紹介 | AIアプリ開発だけでなく、クラウド運用、セキュリティ、監視設計 |
ここで重要なのは、公表された数字が各社の採用人数や求人増加を直接示すものではないことです。一方で、数千人から数万人が使う環境では、試作品を作るだけでは足りません。利用者ID、アクセス権、社内データ、ログ、障害対応、費用、教育まで扱う必要があります。インフラ運用や社内システム導入の経験は、むしろ本番展開の段階で生きてくるでしょう。
💡 今回の事例から見える中心課題は「AIを作れるか」だけではなく、「業務へ安全に組み込み、使われ続ける状態を作れるか」です。
📄 AIエージェント転職の必要スキルは、開発力だけではありません
AIエージェント転職の必要スキルというと、Pythonや機械学習を最初に思い浮かべるかもしれません。もちろん開発職では重要ですが、情報システム、クラウド運用、プロジェクト管理の経験者が全員、機械学習モデルの研究開発へ転向する必要はありません。企業事例を仕事の工程へ分解すると、評価されやすい経験は少なくとも四つに分けられます。
1．業務を手順と判断条件へ分解する力
AIへ仕事を任せるには、「担当者が毎回何を見て、どこで判断し、例外時に誰へ確認するか」を言葉にする必要があります。これは新しいようで、実際には業務システムの要件定義、運用手順書の作成、問い合わせ分類、RPA導入などで使ってきた力に近いものです。
たとえばアカウント発行業務なら、申請受領、所属確認、承認、権限付与、完了通知という通常フローに加え、兼務者、退職予定者、特権IDといった例外があります。AIエージェント案件で評価されるのは、通常処理だけを自動化する発想ではなく、止める条件と人へ戻す条件まで設計できることです。
2．データの場所、品質、権限を整理する力
AIの回答精度は、参照できるデータの品質に左右されます。古い手順書と新しい規程が同時に残っていれば、もっともらしい誤回答につながりかねません。ファイルサーバー、社内Wiki、チケット、顧客管理システムなど、情報がどこにあり、誰が更新し、誰まで閲覧できるかを整理した経験は大きな土台になります。
Google CloudのDay 2まとめでは、文書や画像などの非構造化データ（＝表のように項目がそろっていない情報）へ意味を与え、AIが使える文脈として提供するデータ基盤が紹介されました。ここから考えると、データエンジニアだけでなく、文書管理、マスターデータ管理、アクセス権の棚卸しを経験した人にも接点があります。
3．本番運用とセキュリティを設計する力
試作品が動くことと、全社員が安心して使えることの間には大きな隔たりがあります。可用性、監視、インシデント対応、変更管理、コスト管理など、これまでクラウドやSaaSの運用で培った基本はAIでもなくなりません。むしろAIエージェントが外部システムを操作するほど、誰の権限で何を実行したのかを追跡する重要性は高まります。
4．利用者へ説明し、定着させる力
導入後に使われなければ、技術的に優れた仕組みでも成果にはつながりません。部門別の利用場面を探すワークショップ、操作研修、問い合わせ窓口、成功事例の共有といった活動も必要です。現職でマニュアルを改善した経験や、利用部門と調整してシステムを定着させた経験がある方は、それを「補助業務」として小さく扱わないようにしましょう。
💡 職務経歴書では「AI経験なし」で止めず、要件定義、権限管理、運用改善、利用定着の経験をAIエージェント導入の工程へ翻訳してみましょう。
📄 Google Cloud AIエージェント求人は、職種名より業務範囲で見極める
「Google Cloud AIエージェント 求人」と検索しても、求人名がそのまま「AIエージェントエンジニア」になっているとは限りません。クラウドアーキテクト、生成AIコンサルタント、データエンジニア、社内DX推進、セキュリティエンジニア、プロダクトマネージャーなど、複数の職種へ仕事が分散している可能性があります。
求人票を見るときは、製品名の数より、入社後にどの段階を担当するのかを確認すると安心です。PoC（＝小規模な実証実験）だけを繰り返す仕事なのか、本番移行や運用まで担当できるのか。顧客との要件整理が中心なのか、自社の業務改革が中心なのか。この違いで、必要な経験も、その後に積めるキャリアも変わります。
特に確認したいのは、「エージェントを作る」より後ろの工程です。認証、データ接続、評価、監視、利用者教育まで含まれていれば、既存のクラウド経験を生かしやすいでしょう。反対に、求人票が「最新AIを活用」「業務を革新」といった表現だけで、対象業務や責任範囲を示していない場合は、面接で具体化する必要があります。
- ✓ 対象は社内向け、顧客向け、両方のどれか
- ✓ 試作だけでなく、本番移行と運用まで担当できるか
- ✓ AIが接続するデータや業務システムは何か
- ✓ 回答・処理結果の評価指標を誰が決めるのか
- ✓ 人が承認する処理と、自動実行する処理の境界はどこか
- ✓ ID、権限、監査ログ、個人情報を誰が管理するのか
- ✓ 利用部門への研修や定着支援も業務に含まれるか
- ✓ 特定クラウドだけでなく、業務設計やセキュリティの経験も積めるか
なお、今回の公式まとめはNTTデータ、SOMPOグループ、Ｓｋｙなどの導入事例を紹介したもので、各社の中途採用計画や求人増加を発表したものではありません。「事例で名前が出たから採用が増える」と結び付けるのは早計です。応募先を選ぶ際は、必ず企業の公式採用ページで募集中の職種と要件を確認してください。
AI・クラウド経験を生かせる転職先をCareer Central AIで整理する
📄 生成AIガバナンス転職では「止める設計」も実績になります
生成AIガバナンス転職に関心がある方は、ガバナンスを規則作りだけだと考えないことが大切です。現場で使える仕組みにするには、禁止事項を並べるだけでなく、安全に試せる範囲、承認が必要な処理、記録すべきログ、問題が起きたときの停止方法まで決めなければなりません。
Google CloudのDay 2公式まとめでは、エージェント開発のADK、外部ツール接続に使うMCP、エージェント同士を連携させるA2Aに加え、Agent Identity、Agent Gateway、Model Armorなど、本番運用を守る要素が紹介されています。購買エージェントのデモでは、未登録のMCPへの通信や不正な指示をポリシーで遮断したと説明されました。
ここからはCareer Central AI編集部の分析です。企業が求めるのは、すべてのリスクをゼロにすると主張する人ではなく、リスクに応じて自動化の範囲を分けられる人だと考えられます。社内規程の検索と、取引先への発注では、誤りが起きたときの影響が違います。前者は参照元の表示を条件に利用を広げ、後者は金額や取引先によって人の承認を必須にする、といった設計が必要です。
IPAのデジタルスキル標準ver.2.0でも、AI実装・運用やAIガバナンスに関するスキルが拡充されました。AI人材を研究者や開発者だけに限定せず、データ管理、ビジネス変革、運用、統制を横断して捉える材料になります。
現職で次のような経験があるなら、生成AIガバナンスとの接点を説明できます。個人情報を含むシステムのアクセス権を見直した、委託先のセキュリティチェックを担当した、SaaS導入時に利用規程を作った、監査ログから操作を調査した、障害時の切り戻し手順を整備した——いずれもAIエージェントを本番で動かす際に必要な考え方です。
💡 「AIを自由に使わせるか、全面禁止するか」の二択ではありません。業務リスクに応じて権限・承認・ログ・停止条件を設計できる人に、これまでの運用経験を生かす余地があります。
📄 30日で作る、AIエージェント転職の小さな実績
実務でAIエージェントを導入した経験がない場合、いきなり大規模な開発へ挑む必要はありません。まずは自分がよく知る業務を一つ選び、「どこまで任せ、どこから人が判断するか」を示せる小さな成果物を作りましょう。社外秘のデータや現職の顧客情報は使わず、架空データや公開情報で再現することが前提です。
1週目：業務を一枚に分解する
問い合わせ対応、アカウント申請、障害一次切り分けなど、経験のある仕事を一つ選びます。入力情報、処理手順、参照資料、出力、例外、承認者を一枚の図や表にまとめてください。この段階では製品を選ばなくても構いません。「自動化できる処理」と「人へ戻す処理」を分けることが目的です。
2週目：公開データで試作品を作る
社内データの代わりに、公開された製品マニュアルや自作のFAQを使います。質問に答えるだけでなく、回答の参照元を表示する、情報が不足している場合は処理を止める、重要な操作の前に承認を求める、といった安全策も入れましょう。ノーコードの環境を使っても問題ありません。転職活動で評価されるのは、ツール名だけでなく設計の理由です。
3週目：評価と運用を設計する
正解率だけでなく、誤回答、回答不能、処理時間、人への引き継ぎ率、利用コストなどを記録します。10件から20件程度のテストでも、どの条件で失敗したかを残せば改善過程を説明できます。機密情報を入力した場合の遮断や、権限のない操作を依頼した場合の応答も確認しておくと、運用経験とのつながりが明確になります。
4週目：職務経歴書へ接続する
成果物だけを載せるのではなく、現職の経験との連続性を書きます。たとえば「5年間のID管理経験を基に、申請エージェントの権限と承認条件を設計」「月200件の問い合わせ分析経験を基に、FAQの分類と評価セットを作成」のように表現します。これなら、未経験分野への挑戦でありながら、ゼロからの再出発には見えません。
- ✓ 対象業務、利用者、解決したい課題を一文で説明できる
- ✓ 通常フローと例外フローを分けている
- ✓ 参照データの更新者と利用権限を決めている
- ✓ AIが回答できないときの引き継ぎ先を設定している
- ✓ 自動実行前に人の承認が必要な条件を定義している
- ✓ 精度、時間、コスト、安全性の評価結果を残している
- ✓ 社外秘・個人情報・著作権上問題のあるデータを使っていない
- ✓ 設計上の失敗と改善内容を説明できる
資格を学習の目印にしたい方は、Google CloudのGenerative AI Leader認定も選択肢です。ただし、資格だけで実務能力を証明できるわけではありません。資格学習で得た知識を、業務フロー、リスク、評価方法を含む成果物へつなげると、面接で話しやすくなるでしょう。
✅ 応募前と面接で確認したい「AI導入の現在地」
AIエージェント関連の求人へ応募するときは、導入企業かどうかだけで判断しないようにしましょう。同じ「導入済み」でも、一部社員がチャットを使う段階と、基幹業務へ接続して処理を実行する段階では、仕事内容もリスクも大きく異なります。
面接では、「御社のAI戦略を教えてください」という広い質問より、現場の実態が分かる質問が役立ちます。たとえば「現在は検証、本番運用、全社展開のどの段階ですか」「利用部門と情報システム部門は、要件や責任をどう分担していますか」「精度や利用率だけでなく、業務成果をどの指標で見ていますか」と聞いてみてください。
さらに、失敗時の扱いも確認したいところです。「誤った処理をした場合、どこで検知し、誰が止めますか」「AIが利用できない場合の代替手順はありますか」「エージェントが増えた際の棚卸し方法は決まっていますか」と質問すれば、本番運用への本気度を判断しやすくなります。
企業側の回答がまだ固まっていないこと自体は、必ずしも悪い材料ではありません。立ち上げ期の求人なら、仕組み作りから関われる可能性があります。ただし、責任者、予算、対象業務、データ利用方針がすべて曖昧な場合は、入社後に個人へ負担が集中しないか注意が必要です。
今回のGoogle Cloud事例は、すべてのIT職が短期間でAIに置き換わることを示すものではありません。むしろ、業務知識を言語化し、データを整え、権限と安全策を設計し、利用者へ定着させる仕事が増える可能性を示しています。インフラ運用や社内DXの経験者にとっては、これまでの経験を捨てる転職ではなく、担当範囲をAIエージェントまで広げる転職として考える方が現実的です。
まずは現職で担当した業務を一つ選び、手順、データ、権限、例外、評価という五つの観点で書き出してみてください。その整理ができれば、求人票の見え方も、職務経歴書で伝える強みも変わってくるでしょう。
クラウド運用・社内DX経験を生かせる次のキャリアをCareer Central AIで考える
✅ 参照元と確認日時
🔗 出典・参照リンク
- Google Cloud「Google Cloud Next Tokyo 26 DAY 1 基調講演まとめ」（2026年8月25日公開、2026年8月25日15時00分JST確認）
- Google Cloud「Google Cloud Next Tokyo 26 DAY 2 基調講演まとめ」（2026年8月25日公開、2026年8月25日15時00分JST確認）
- G-gen Tech Blog「Google Cloud Next Tokyo 26 速報レポート－キーノート（1日目）」（2026年7月31日公開、2026年8月25日15時00分JST確認）
- IPA「デジタルスキル標準ver.2.0を公開」（2026年4月16日公開、2026年8月25日15時00分JST確認）
- Google Cloud「Generative AI Leader」（2026年8月25日15時00分JST確認）