AIエンジニアの面接対策
コーディング面接の準備|AIスタートアップ・ロボットの会社で出る問題と進め方
更新日 2026年11月16日 / 書いた人 上田 英介(ジンベイ株式会社 代表取締役/職業紹介責任者)
コーディング面接と聞くと、アルゴリズムの問題をひたすら解く練習を思い浮かべる人が多いかもしれません。大手のIT企業ではその形が今も多いですが、AIスタートアップやロボットの会社では、出題の傾向が少し違います。
人数の少ない会社では、入社した人にすぐ実務を任せたいので、「実際の仕事に近い問題をどう解くか」を見る出題が増えます。LLM を使う会社なら API を呼ぶ処理や文書の処理、ロボットの会社なら座標の計算や制御のループ、という具合です。
この記事では、職種ごとの出題の傾向と、当日の進め方、準備の仕方を説明します。
コーディング面接の形式
| 形式 | 内容 | 時間 |
|---|---|---|
| ライブコーディング | 面接官と画面を共有し、話しながら書く | 45〜90分 |
| オンラインの試験 | 決まった時間内に、問題を解いて提出する | 60〜120分 |
| ペアプログラミング | 既存のコードに機能を足す、不具合を直す | 60〜90分 |
| 持ち帰りの課題 | 数日かけて作り、後で説明する | 数時間〜数日 |
持ち帰りの課題は、持ち帰りの技術課題の進め方で別に説明しています。どの形式かは、事前に人事か面接の案内で確かめておきます。使える言語、エディタ、ネットでの調べものが許されるかも、あわせて聞いておきます。
職種ごとの出題の傾向
LLM アプリケーション・AIエージェントの職種
アルゴリズムの難しさより、実務で書くコードの質が見られます。
- 文書を一定の長さに分割する関数を書く(文の途中で切らない、重なりを持たせる)
- 外部の API を呼び、失敗したら間隔を空けて再試行する処理を書く
- LLM の出力(JSON)を解析し、形式が崩れていたときの扱いを決める
- 複数の API 呼び出しを並行して行い、全体の時間を短くする
- 簡単なキャッシュや、流量の制限を実装する
見られているのは、エラーの扱い、テストのしやすさ、型の付け方です。LLM の出力は形式が崩れることがある前提で、どう守るかを話せると評価されます。
機械学習の職種
- NumPy で softmax、交差エントロピー、コサイン類似度を実装する(数値が大きくなりすぎない工夫も含めて)
- 評価指標(適合率、再現率、AUC など)を、ライブラリを使わずに計算する
- 画像認識なら、IoU(2つの枠の重なりの割合)や NMS(重なった検出結果を1つにまとめる処理)を書く
- データの読み込みと前処理を、メモリに乗りきらない量で考える
数式を知っているかだけでなく、行列の形(shape)を意識して書けるか、境界の値(0で割る、空の配列)を扱えるかが見られます。
ロボット・組込みの職種
C++ での出題が多くなります。
- 2次元・3次元の座標変換、回転行列とクォータニオン(回転を表す4つの数)の変換
- PID 制御のループを書く(積分の値がたまりすぎないようにする処理を含めて)
- 一定の大きさのリングバッファを、スレッドから安全に使えるように書く
- センサーの値の移動平均や、外れ値を除く処理
- グリッドの地図上で、A* などの経路探索を書く
組込みの経験がある人は、メモリを動的に確保しない書き方、割り込みとの共有の扱いを自然に話せると強みになります。座標変換の考え方は座標変換でも解説しています。
共通で出やすいもの
アルゴリズムの基本(配列、ハッシュ、ソート、グラフの探索、二分探索)は、どの職種でも出ることがあります。難しい問題を解く力より、計算量を意識して書けるかが見られます。
当日の進め方
1. 問題を自分の言葉で言い直す(2〜3分)
いきなり書き始めず、入力と出力、制約を確かめます。「入力の文書は空のこともありますか」「再試行は何回までにしますか」のように、条件を自分から聞きます。
2. 方針を話してから書く(5分)
最初はシンプルな方法で考え、計算量を言ってから書き始めます。面接官が別の方向を考えていれば、この時点で修正してもらえます。
3. 話しながら書く
黙って書くと、面接官は何を考えているか分かりません。「ここは後で直しますが、まず動くものを書きます」のように、判断を口に出します。
4. 自分で確かめる
書き終えたら、簡単な例と境界の例(空、1件、とても大きい値)を手で追います。テストを書く時間があれば書きます。
5. 改善を話す
時間が余れば、「本番で使うなら」の観点で改善点を話します。ログの出し方、設定の外出し、テストの追加など。AIスタートアップの面接官は、この部分で「実務のコードを書いてきた人か」を判断することが多いです。
生成AIの支援を使ってよいか
最近は、コード補完や生成AIの支援を使ってよいとする会社も出てきました。使ってよい場合も、そうでない場合もあるので、必ず事前に確かめます。
使ってよい場合は、生成されたコードを自分で読み、誤りを直し、なぜそうしたかを説明できるかが見られます。生成されたものをそのまま貼るだけだと、かえって評価が下がります。使ってはいけない場合に使うのは、当然ながら不正です。
準備の仕方
- 職種に合わせた問題を解く:上の傾向を参考に、自分の応募する職種の典型的な問題を、時間を計って書いてみる
- 話しながら書く練習:一人で解くのと、話しながら解くのは別の技能です。録音するか、知人に面接官をしてもらう
- 使い慣れた環境を整える:オンラインのエディタを指定されることもあるので、補完なしで書く練習もしておく
- 基本の標準ライブラリを確かめる:Python なら collections、itertools、asyncio、C++ なら STL のコンテナとアルゴリズム
アルゴリズムの問題集を何百問も解くより、応募先の仕事に近い問題を、丁寧に、話しながら解く練習を重ねるほうが効果があります。
面接官が見ていること
- 条件を自分から確かめるか
- 方針を説明してから書けるか
- 動くものを先に作り、それから直せるか
- 境界の値や失敗の扱いを考えているか
- 一緒に働きたいと思えるやりとりができるか
最後の点は意外と重く見られます。詰まったときに黙り込まず、「ここで迷っています。AとBの方法があり…」と相談できる人は、チームで働く姿が想像しやすいからです。
まとめ
- AIスタートアップやロボットの会社では、実務に近い問題が出やすい
- LLM の職種は API とエラーの扱い、機械学習は行列の計算と評価指標、ロボットは座標と制御のループ
- 問題を言い直す、方針を話す、話しながら書く、確かめる、改善を話す、の順で進める
- 生成AIの支援を使ってよいかは事前に確かめる
応募先がどんな形式のコーディング面接をしているかは、会社ごとに違います。気になる場合はご相談ください。
