jinbay無料で相談する

職務経歴書の記入例

AIエージェント開発エンジニアの職務経歴書 記入例

AIエージェントは、デモで動かすところまではすぐに作れます。書類で差がつくのは、何割のタスクを最後までやり切れたか、間違った操作をどう防いだかの部分です。Web のフルスタック開発からエージェントのスタートアップに移った人の記入例で解説します。

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)

記入例の人物:予約管理 SaaS でフルスタック開発を4年9か月経験したあと、AIエージェントを提供するスタートアップに移って3年弱。29歳。
人物・会社・数字はすべて架空です。

職務経歴書

2026年11月16日現在

氏名 小林 直樹

■ 職務要約

大学卒業後、株式会社〇〇で飲食店・美容室向けの予約管理 SaaS のフルスタック開発に約5年携わりました。2024年からは AIエージェントを提供するスタートアップで、EC 事業者のカスタマーサポートの手続きを代行するエージェントと、その評価のしくみを開発しています。現在、本番で動いているエージェントは顧客企業9社分で、月に約3万件の手続きを処理しています。評価シナリオでの完了率を54%から83%に上げ、返金などの誤った操作をゼロに抑えています。

■ 活かせる経験・知識・技術

  • ツールの設計(粒度の決め方、エラーの返し方、同じ呼び出しを繰り返しても壊れない作り)
  • 評価シナリオと疑似ユーザーを使った、エージェントの完了率の測定と回帰テスト
  • 人の承認、金額の上限、実行前の確認など、取り消せない操作を安全に扱うしくみの設計
  • TypeScript と Python による Web アプリ・API の開発(フロントエンドからデータベースまで)

■ テクニカルスキル

言語TypeScript(7年5か月)、Ruby(4年9か月)、Python(2年11か月)
フレームワーク・ライブラリReact(4年9か月)、Ruby on Rails(4年9か月)、LangGraph(2年8か月)、FastAPI(2年8か月)、Next.js(1年5か月)、pytest(9か月)
機械学習・生成AI商用LLMのAPI(2年11か月)
データベースRedis(6年)、MySQL(4年9か月)、PostgreSQL(2年11か月)
OS・クラウド・インフラAWS(7年8か月)、Docker(6年)
ツールLangfuse(9か月)、GitHub Actions(9か月)、Sentry

■ 職務経歴

株式会社〇〇(2024年1月〜現在)

事業内容:EC 事業者向けに、カスタマーサポートの手続きを代行する AIエージェントの開発・提供 従業員数:約60名 雇用形態:正社員

所属・役職:エンジニアリング部 エージェント開発チーム(2025年4月からテックリード)

2024年1月〜2025年3月

EC 事業者向け 手続き代行エージェントの開発

通販サイトの問い合わせのうち、返金・配送先の変更・定期便の解約など6種類の手続きを、エージェントが顧客と会話しながら受注管理システムを操作して完了させる。

【役割】メンバー(ツールと安全対策の設計を担当) 【規模】チーム5名

【担当工程】基本設計、詳細設計、実装・単体テスト、結合テスト、保守・運用、モデル開発・評価

【取り組み】

  • 受注管理システムの API を、注文の検索・返金の申請・配送先の変更など14個のツールに整理し、引数を型で検証してから実行するようにした
  • 返金は1件5,000円を超える場合と、同じ顧客の2回目以降を担当者の承認待ちにする流れを作った
  • 同じ返金の申請が2回送られても二重に処理されないよう、申請ごとに一意のキーを付けた
  • ツールのエラー時に、原因と次に取れる操作を文章で返すようにし、エージェントが自力で立て直せるようにした

【成果】

  • 対象の6種類の手続きのうち、約7割を人の手を介さずに完了
  • 本番稼働から現在まで、誤った返金・二重返金はゼロ
  • ツールの呼び出しに失敗したあとに自力で立て直せる割合を31%から68%に改善

【使用技術】Python、TypeScript、LangGraph、FastAPI、商用LLMのAPI、PostgreSQL、Redis、AWS、Docker

2024年10月〜2025年6月

エージェントの評価基盤(疑似ユーザーによる回帰テスト)の開発

プロンプトやツールを変えるたびに、手続きの完了率が下がっていないかを自動で確かめる評価基盤を開発。顧客役を LLM が演じる疑似ユーザーと、受注管理システムの模擬環境を使う。

【役割】リーダー 【規模】チーム3名

【担当工程】要件定義、基本設計、詳細設計、実装・単体テスト、保守・運用、データ整備、モデル開発・評価

【取り組み】

  • 実際の問い合わせ記録から、性格や話し方の違う顧客役と、正しい結果(どのツールをどの引数で呼ぶべきか)を付けたシナリオを320件作成
  • 会話の最後の状態(注文データ)が正解と一致するかで完了を判定し、LLM による採点に頼りすぎない評価にした
  • 1シナリオあたりのステップ数と費用も記録し、プルリクエストごとに前回との差を表示した
  • 4つのエージェントに分けた構成を評価し、受け渡しで情報が落ちる失敗が多いことを数字で示して、単一のエージェントに戻す判断の材料にした

【成果】

  • 評価シナリオでの完了率を54%から83%に改善(構成の見直しで9ポイント、ツールのエラー改善で12ポイントなど)
  • 1タスクあたりの平均ステップ数を11.2から6.8に減らし、費用を約4割削減
  • リリース後に完了率が下がる事故を、導入後の半年間でゼロにした

【使用技術】Python、pytest、商用LLMのAPI、PostgreSQL、AWS、Langfuse、GitHub Actions

2025年7月〜現在

顧客企業ごとの手順書からエージェントの設定を作るしくみの開発

新しい顧客企業を迎えるたびに手作業で書いていた手続きのルールを、顧客の対応マニュアルから下書きし、担当者が確認して反映できるようにする社内ツール。

【役割】テックリード 【規模】チーム4名

【担当工程】要件定義、基本設計、実装・単体テスト、結合テスト、保守・運用

【取り組み】

  • マニュアルから「返金できる条件」「必要な確認事項」を抜き出し、決まった形式のルールに変換する処理を作った
  • 変換したルールを評価シナリオにかけ、既存のルールとの差分を担当者が画面で確認してから反映する流れにした

【成果】

  • 新しい顧客企業の立ち上げにかかる期間を平均6週間から2週間に短縮

【使用技術】TypeScript、Python、Next.js、FastAPI、LangGraph、商用LLMのAPI、PostgreSQL、AWS

株式会社〇〇(2019年4月〜2023年12月)

事業内容:飲食店・美容室向けの予約管理 SaaS 従業員数:約180名 雇用形態:正社員

所属・役職:開発部 予約チーム

2019年4月〜2023年12月

予約・事前決済機能のフルスタック開発

店舗向けの管理画面と、来店客向けの予約画面、事前決済の API を担当。契約店舗は約1万2,000店。

【役割】メンバー(2022年からサブリーダー) 【規模】チーム6名/全体25名

【担当工程】基本設計、詳細設計、実装・単体テスト、結合テスト、総合テスト、保守・運用

【取り組み】

  • 事前決済の導入にあたり、決済の失敗やタイムアウト時にも予約と決済の状態がずれないよう、状態遷移を設計し直した
  • 予約の重複を防ぐため、枠の確保をデータベースの排他制御で行うように変更した

【成果】

  • 決済まわりの問い合わせを月約150件から30件に削減
  • 人気店の予約開始時の重複予約をゼロにした

【使用技術】TypeScript、Ruby、React、Ruby on Rails、MySQL、Redis、AWS、Docker

■ 資格

  • 2019年11月 基本情報技術者試験

■ 社外での活動

  • 社外の勉強会で「エージェントの評価を疑似ユーザーで回す」を発表(2025年9月)
  • 技術ブログでツール設計とエラーの返し方の記事を執筆

■ URL

  • GitHub:https://github.com/example
  • 技術記事:https://zenn.dev/example

■ 自己PR

エージェントは、新しい構成を試すより、評価の数字を見て地道に直すほうが良くなると考えています。役割ごとに4つのエージェントへ分けた構成を試したときは、見た目は整理されていましたが、評価してみると受け渡しで情報が落ちる失敗が目立ちました。数字をチームに見せて単一の構成に戻し、ツールのエラーの返し方を直したことで、完了率を大きく上げられました。

また、予約と決済の開発で、状態がずれると利用者に迷惑がかかることを経験してきたため、取り消せない操作には承認や上限を必ず設けています。これからも、業務の手続きを安全に最後までやり切るエージェントを作っていきたいと考えています。

以上

ダウンロードは登録なしで使えます。経験年数は、各プロジェクトの期間から自動で計算しています。

AIエージェント開発エンジニアの職務経歴書で、見られる点

  1. 01

    タスクの完了率をどう測ったか

    エージェントの良し悪しは、1回の回答の正しさではなく、手続きを最後までやり切れたかで決まります。評価用のシナリオを何件用意し、完了率が何%から何%になったかを書ける人は多くありません。途中のツール呼び出しの順番まで確かめていれば、それも書きます。

  2. 02

    取り消せない操作をどう扱ったか

    返金、送金、メール送信、データの削除などは、間違えると元に戻せません。人の承認をはさむ、金額の上限を決める、実行前に内容を確認させるといった設計をしたかは、面接でも必ず聞かれます。書類の段階で書いておくと安心して読んでもらえます。

  3. 03

    ツールの設計に工夫があるか

    エージェントの精度は、プロンプトよりもツールの切り方とエラーの返し方で大きく変わります。ツールの数や粒度、同じ呼び出しを2回しても壊れない作り(冪等性)、エラー時に何を返すかを書くと、実務で作り込んだ人だと伝わります。

  4. 04

    ステップ数と費用を管理していたか

    エージェントはループを回るたびに LLM を呼ぶので、放っておくと応答時間も費用も膨らみます。1タスクあたりの平均ステップ数、上限の設け方、費用の推移を把握していたことが書けると、本番を回した経験として評価されます。

欄ごとの書き方

職務要約
「Web のフルスタック開発約5年」「AIエージェントの開発3年」と年数を分けて書き、本番で動いているエージェントの件数や処理量を1つ入れます。最後に、一番の成果を完了率などの数字で書きます。
活かせる経験・知識・技術
ツールの設計、評価のしくみ、安全に止めるしくみ、の3つを分けて書きます。LangGraph などのフレームワーク名は、ここより職務経歴のプロジェクト側に書いたほうが、使った場面と一緒に伝わります。
職務経歴
エージェントが「何を判断し、何を実行するか」を概要に1文で書きます。チャットボットとの違いが読み手に伝わるよう、実行できる操作の種類(返金、配送先の変更など)を具体的に挙げます。
自己PR
うまくいかなかった設計を見直した話は、エージェントの開発では強い材料になります。マルチエージェントから単一のエージェントに戻した、などの判断と理由を書くと、流行に流されない人だと伝わります。

よくある書き方を、こう直す

よくある書き方

LangGraph を用いて、問い合わせ対応の AIエージェントを開発。

直した書き方

返金・配送先の変更・定期便の解約など6種類の手続きを行うエージェントを LangGraph で開発し、評価シナリオ320件での完了率を54%から83%に改善。

何を実行できるエージェントか、どこまでやり切れるかが分かると、デモで終わった経験と区別できます。

よくある書き方

マルチエージェント構成を設計・実装。

直した書き方

当初は役割ごとに4つのエージェントに分けたが、受け渡しで注文番号などの情報が落ちる失敗が多かったため、1つのエージェントとツール14個の構成に戻し、完了率を9ポイント上げた。

構成の名前より、試して見直した経緯のほうが設計の力を示せます。

よくある書き方

Function Calling の実装を担当。

直した書き方

ツールのエラーを例外で止めず、原因と次に取れる操作を短い文章で返すように変更し、ツールの呼び出しに失敗したあとに自力で立て直せる割合を31%から68%に上げた。

「実装した」ではなく、どんな問題をどう解いたかを書くと、ツール設計を分かっている人だと伝わります。

あわせて読みたい