生成AIエンジニアのフリーランス案件の仕事内容｜案件の種類と1日・1か月の流れ

フリーランスの生成AIエンジニアの仕事は、大規模言語モデル（LLM）に何を渡し、何を返させ、その結果が業務で使える水準かを確かめ、使い続けられる形に整えることの繰り返しです。ただし、試作の段階か本番の段階か、既存の業務システムにつなぐかどうかで、1日の時間の使い方も、話す相手も、残す成果物も大きく変わります。

この記事では、生成AIの案件を4つの種類に分け、それぞれの1日と1か月の流れ、関わる相手、成果物を整理します。求められるスキルは生成AIエンジニアのスキルの記事、報酬の決まり方は生成AIエンジニアの報酬の記事で扱っているので、ここでは「参画したら実際に何をしているか」に絞ります。

仕事の中身は「段階」と「つなぐ先」で決まる

生成AIの案件は、募集の名前が同じ「生成AIエンジニア」でも、働き方がまったく違うことがあります。違いを生むのは、主に次の2つです。

• 段階：使えるかどうかを確かめる試作の段階か、利用者がいる本番の段階か
• つなぐ先：単独のチャット画面や検索の仕組みで完結するか、既存の業務システムやデータにつなぐか

この2つを掛け合わせると、フリーランスの生成AIの案件はおおむね次の4種類に分けられます。

1つの案件で複数の種類を順に経験することもあります。以下では、それぞれの1日と1か月の流れを典型的な例として紹介します。時間の配分は案件ごとに違うため、目安として読んでください。

試作・検証（PoC）の仕事

1日の流れ（例）

午前は、前日に作った試作を動かし、想定した質問に対する回答を並べて見比べます。指示文（プロンプト）の書き方や、渡す情報の量を変えて、どこで回答の質が変わるかを確かめます。午後は事業部門の担当者と打ち合わせを持ち、実際の業務の例を聞きながら「どんな答えなら使えるか」をすり合わせます。夕方は、試した内容と結果を記録に残し、翌日に試す案を整理します。

コードを書く時間は長くありません。試す、比べる、記録するの短い周期を何度も回すのが中心です。

1か月の流れ（例）

• 最初の週：対象の業務と、成功とみなす条件を決める。使ってよいデータと使えないデータを確かめる
• 2〜3週目：試作を作り、業務の担当者に触ってもらう。気づいた点を集めて直す
• 最後の週：結果をまとめ、本番に進むか、条件を変えて続けるか、やめるかの判断材料を出す

成果物

試作のコード、試した指示文と設定の記録、評価に使った質問と回答の一覧、結果の報告資料などです。PoCの報告資料は、本番に進むかを決める人が読む資料になるため、うまくいった例だけでなく、うまくいかなかった例と費用の見込みも並べることが求められます。

社内文書の検索の本番構築（RAG）の仕事

1日の流れ（例）

朝は、前日に取り込んだ文書の処理結果と、検索の精度を確かめる自動テストの結果を見ます。午前中は、文書の分け方や検索の条件を調整し、回答の根拠として正しい箇所が引かれているかを確かめます。午後は、情報システム部門や文書を持つ部署と、どの文書を誰に見せてよいか、更新された文書をどう反映するかを打ち合わせます。

RAG（検索で集めた情報をモデルに渡して答えさせる仕組み）の案件では、モデルより文書の側に時間を使うことが多くなります。表の多い資料、古い版が残っている資料、部署ごとに見せる範囲が違う資料など、文書の状態が品質を左右するからです。

1か月の流れ（例）

• 月初：前月の利用状況と、答えられなかった質問の傾向を確かめる
• 毎週：開発チームと進捗を合わせ、文書を持つ部署と取り込みの対象や更新の扱いを確認する
• 月の半ば：検索の改善を入れ、評価の結果が下がっていないかを比べてから本番に反映する
• 月末：利用部門と情報システム部門に、精度・利用状況・費用を報告する

成果物

文書の取り込みと分割の処理、検索の設定、閲覧権限の反映の仕組み、評価用の質問と正解の一覧、運用の手順書などです。社内文書を扱うため、作業できる端末や環境が限られることもあります。働く場所の考え方は生成AIエンジニアのリモート案件の記事で解説しています。

業務システムへの組み込み・AIエージェントの仕事

1日・1か月の流れ（例）

既存の業務システムや社内の仕組みに生成AIを組み込む案件では、開発チームの一員としての仕事が中心になります。午前は、問い合わせの分類や下書きの作成など、モデルに任せる処理を既存のシステムの流れに差し込む実装を進めます。午後は、既存システムの担当者とつなぎ方を相談し、テストの結果をもとに例外の扱いを詰めます。

AIエージェント（モデルが手順を考え、外部の仕組みを呼び出して作業を進める形）の案件では、どの操作をモデルに許し、どこで人の承認を挟むかを決める時間が増えます。1か月の単位では、業務部門と手順の確認、セキュリティの担当と権限の確認、開発チームとテストを繰り返し、段階的に利用の範囲を広げていきます。

成果物

連携の処理、モデルに許す操作と権限の一覧、承認の流れ、失敗したときの扱い、操作の記録の仕組み、テストの結果などです。既存の開発の進め方に合わせるため、レビューやリリースの手順も通常のシステム開発と同じものが求められます。

評価と運用改善の仕事

1日・1か月の流れ（例）

本番で使われている仕組みの品質を保ち、少しずつよくしていく案件です。日々の仕事は、利用の記録から答えられなかった質問や評価の低い回答を拾い、原因を見立てることです。検索の問題か、指示文の問題か、元の文書の問題かを切り分け、直す担当につなぎます。

1か月の単位では、評価用の質問の一覧を更新し、モデルや設定を変えたときに品質が下がらないかを比べます。利用料と応答の速さの監視もこの案件の仕事に含まれやすく、月ごとの費用の推移を報告することもあります。モデルの提供元が新しい版を出したときに、切り替えるかどうかの判断材料をそろえるのもこの役割です。

成果物

評価用の質問と正解の一覧、評価の結果の推移、改善の提案と記録、費用と応答時間の報告、障害や誤回答への対応の記録などです。機械学習の運用の経験がある方は、MLOpsエンジニアの仕事内容と比べると役割の重なりが分かりやすくなります。

どの案件にも共通する仕事

種類が違っても、次の仕事はほぼすべての生成AIの案件にあります。

1. 記録：指示文、設定、使ったモデルの版、評価の結果を、変更の履歴として残す
2. 入力してよい情報の確認：個人情報や取引先の秘密を、どの環境で、どこまで扱ってよいかを確かめる
3. 評価：「よさそう」ではなく、決めた質問の一覧で結果を比べて説明する
4. 費用の見積もり：利用者が増えたときの利用料を、根拠とともに示す

フリーランスならではの仕事として、自分の稼働の記録と報告もあります。試作の案件は試すことが多く、作業時間が読みにくいため、何にどれだけ時間を使ったかを日々つけておくと、精算や次の計画の相談がしやすくなります。

関わる相手と、その相手に出すもの

生成AIエンジニアは、技術者以外と話す時間が多い職種です。相手ごとに整理すると、次のようになります。

データの準備を担うデータエンジニアがいる案件では、取り込みの処理を分担できます。いない案件では、文書やデータの整理も自分で行うため、1日の多くがその作業に使われます。データの側の仕事はデータエンジニアの仕事内容が参考になります。

よくある質問

生成AIエンジニアは、指示文（プロンプト）を書く仕事が中心ですか？

指示文を書く時間はありますが、中心になることは少なくなっています。本番の案件では、文書やデータの整理、検索の調整、評価の仕組みづくり、既存システムとの連携に多くの時間を使います。指示文の設計だけを担う案件は、試作の段階に多い傾向があります。

機械学習のモデルを自分で学習させることはありますか？

多くの案件では、提供されているモデルをAPIで呼び出して使い、自分で一から学習させることはあまりありません。特定の業務に合わせてモデルを追加で調整する案件もありますが、その場合はデータの準備と評価の比重が大きくなります。機械学習が中心の働き方は機械学習エンジニアの仕事内容で解説しています。

参画して最初の1か月は何をすることが多いですか？

対象の業務と利用者の把握、使ってよいデータの確認、今ある仕組みと評価の方法の読み込みから始めるのが一般的です。初月の進め方は生成AIエンジニアの参画初月にやることで詳しく解説します。