生成AIが業務に入り込むにつれ、それを「うまく使わせる」「製品に載せる」「壊れずに運用する」ための役割が新しく必要になりました。本記事では、よく語られる3つの肩書き — プロンプトエンジニア / AI PM / AI Ops — を、2026年時点の実態に沿って整理します。先に結論を言うと、これらは独立した狭い専門職というより、既存の職種に「AIを扱う力」が組み込まれていく入り口として理解するのが正確です。
FIG.1 同じ「AIを実用する」を、引き出す・決める・動かし続ける、の3面から支える
013つの役割は地続きでつながっている
3職種は別々の島ではありません。プロンプトエンジニアが「AIから良い答えを引き出す」、AI PMが「何を作り、品質をどう測るかを決める」、AI Opsが「本番で安定して動かし続ける」。同じプロダクトの上流から下流までを分担している、と捉えると全体像がつかめます。実際の求人では、ひとりが2つ以上を兼ねることが珍しくありません。
02プロンプトエンジニア — AIから答えを引き出す
大規模言語モデル（LLM）への指示文（プロンプト）を設計・検証・改善する役割です。やることは「気の利いた呪文を書く」ことではなく、「同じ入力なら毎回まともな出力が返る」状態を、テストで担保することに近いです。たとえば社内ナレッジを参照する業務アシスタントを作るとき、質問の言い回しがぶれても安定して正しい根拠を引けるよう、プロンプトと例示を調整し、評価で確かめます。
主に身につけたい力は次のようなものです。
- プロンプト技法：例示（few-shot）、思考の段階化、出力フォーマットの構造化、役割指定
- 評価設計：良し悪しを数値で測る仕組み（テストセット、LLMによる自動採点、人手評価、A/Bテスト）
- ドメイン知識：法務・医療・カスタマーサポートなど、対象業務の正解が分かること
- 言葉の精度：曖昧さを残さず、何を期待しているかを明確に書く力
FIG.2 「書いて → 出して → 採点して → 直す」を回す。職人技ではなく検証の反復
この肩書きは消えるのか
2023年頃に話題化した「専業プロンプトエンジニア」という求人タイトルそのものは、2026年時点では純粋な検索数で見ると減少傾向です。ただしこれは仕事が消えたのではなく、スキルが他の職種に溶け込んだ結果と見るのが正確です。ソフトウェアエンジニアやPM、マーケター、コンサルタントが「プロンプトも書ける／評価も組める」のが当たり前になりつつあり、肩書きが「AI エンジニア」「AI スペシャリスト」などに吸収されています。一方で、法務AI・医療AIのように正確さの要求が極端に高い領域では、専門のプロンプト／評価担当の需要はむしろ伸びています。
年収の目安
給与は出典・分類・地域で大きくぶれるため、レンジ（幅）で捉えてください（プランや相場は変動するので最終的には各社の最新求人で確認を）。
- 米国：一般的なプロンプトエンジニアで概ね USD 95K〜210K（公開集計の平均は USD 13万前後）。ただし OpenAI・Anthropic などフロンティアのモデル研究所では、プロンプト／評価エンジニアの総報酬が USD 500K〜1.2M（多くが株式・サインオンを含む）という高額例も報じられています。
- 日本：おおむね年収 500万〜1,500万円のレンジで、ドメイン特化や評価設計までできる人ほど上振れする傾向。
03AI PM — 何を作り、品質をどう測るかを決める
AI機能を持つ製品の企画と推進を担うプロダクトマネージャーです。普通のPMと一番違うのは、出力が毎回同じとは限らない（決定論的でない）ものを「仕様」にしないといけない点です。「正解が1つに定まらない機能」を、どう品質定義し、どうユーザーに不確実性を伝えるか、を設計します。
2026年のAI PM求人は、おおまかに4つの働き方に分かれます。
アシスタント型
チャットやコパイロットなど、ユーザーが直接触るLLM機能を担当。会話品質と信頼性が主戦場。
プラットフォーム型
社内向けのモデル基盤・評価ツール・APIを整える。横断で品質とコストを支える役。
機能組み込み型
AIでない既存製品に、要約・分類などのAI機能を1つずつ載せていく担当。
求められる力は、従来のPMスキルにAIならではの判断が乗ったものです。
- 従来のPM力：要件定義、優先順位づけ、リリース、ステークホルダー調整
- LLMの基礎理解：トークンとコストの関係、応答の温度（ばらつき）、モデル選定の判断
- 評価とデータの感覚：適合率／再現率、A/Bテスト、LLM-as-judge（AIに採点させる手法）や人手評価の使い分け。データサイエンティストほど深くなくてよいが、統計の基礎は要る
- 責任あるAI：ハルシネーション（もっともらしい誤り）やバイアスへの対処方針、ガバナンス、規制（EU AI Act など）の把握
AI PMの仕事の多くは、「正しさを測る物差し」を作ることに費やされる。
年収と採用要件
米国の公開集計では、AI PMの総報酬の中央値は概ね USD 30万前後（基本給がおよそ USD 165K〜238K、総額の中位帯は USD 244K〜390K 程度）。日本ではシニアで年収 1,200万〜2,000万円が一つの目安です（変動するため最新の求人で確認を）。採用では「PM経験＋実際にAI機能を出した経験」が見られ、場当たり的に下されているAIの品質判断を、仕組みとして整えられる人が求められます。
04AI Ops（LLMOps） — 本番で動かし続ける
AIシステムを本番で安定稼働させる役割で、機械学習の運用（MLOps）がLLM時代に進化したもの。LLMOpsとも呼ばれます。普通のシステム監視では拾えない「AI特有の壊れ方」 — たとえばハルシネーションの増加、検索（RAG）のヒット率低下、プロンプト変更による回帰（regression） — を検知し、品質・コスト・速度を保ち続けるのが仕事です。
主な業務は次の通りです。
- モデルのデプロイ、A/B切替、問題時のロールバック
- レイテンシ（応答速度）・コスト・品質の継続モニタリング
- プロンプトのバージョン管理（どの版でどう変わったかを追える状態に）
- 評価スイート（自動採点テスト群）の構築と運用
- セキュリティ・コンプライアンス対応
FIG.3 動かして終わりではなく、劣化を検知して前の版に戻せる状態を保つ
必要スキルとツール
土台はSRE／DevOps（システム運用の信頼性確保）で、そこにLLM特有の監視と評価が加わります。具体的なツールは入れ替わりが激しいので、名前を覚えるより「何のための層か」を押さえるのが実用的です。
| クラウドのAI実行基盤 | LLM専用の監視・評価 |
|---|---|
| AWS Bedrock / GCP Vertex AI / Azure AI | LangSmith / Langfuse / Arize / Datadog など |
| モデルを動かす・スケールさせる | トレース・プロンプト版管理・自動採点を行う |
| レイテンシとコストの基盤 | 「AI特有の壊れ方」を可視化する |
加えて、キャッシュ（同じ問い合わせの使い回し）や、軽いモデルと重いモデルのルーティング（振り分け）など、コスト最適化の腕が効きます。
年収の目安
- 日本：ミドルで 800万〜1,400万円、シニアで 1,400万〜2,500万円が一つのレンジ
- 米国：おおむね USD 200K〜400K（企業規模・地域で大きく変動）
05今の職種からどう近づくか
多くは「今の専門 × AI」の延長線上にあります。ゼロから別人になる必要はありません。
| 今の職種 | つながりやすい進路 |
|---|---|
| ソフトウェアエンジニア | AI Ops、実装出身の AI PM |
| プロダクトマネージャー | AI PM |
| データサイエンティスト | AI Ops（評価・監視に強み） |
| カスタマーサポート・ナレッジワーカー | プロンプトエンジニア |
| コンサルタント | プロンプトエンジニア＋AI PM |
06最初の一歩：3か月の動き方
手を動かして1つ作る
自分の業務に効く小さなAIツールを1つ作る。社内FAQに答えるアシスタント、定型文の自動生成など。完成より「動いた」を優先。
測る癖をつける
作ったものに簡単な評価セット（30〜50問の質問と期待回答）を用意し、プロンプトを変えると数値がどう動くかを記録。これが3職種すべての共通言語になる。
外に出す
作った経緯と評価結果をブログ・GitHub・SNSで公開。OpenAI APIやクラウドAIの認定、Anthropic などの学習リソースで基礎を補強し、面接で語れる「実績」にする。
The Real Skill
肩書きより「不確実性を扱える力」が効く
「AI 〇〇」という肩書きは増え続けますが、どの役割でも本質的に問われるのは同じ3点です。(1) ドメイン知識（業界・業務の正解が分かる）、(2) 実際に手を動かしてAIを実用する力、(3) 不確実性を扱える判断力（ハルシネーションと付き合い、品質を測りながら進める）。
FIG.4 3つが重なる中心が、肩書きに左右されない市場価値になる
つまり、めざすべきは「専業のプロンプトエンジニア」になることそのものより、「マーケター × AI」「営業 × AI」「エンジニア × AI」のように本業にAIを掛け合わせること。今後5年の主役は「3つの新職種＋既存職種のAI強化」の両輪で、後者の裾野の方がはるかに広いと考えられます。
