jinbay無料で相談する

職務経歴書の記入例

AIプロダクトマネージャーの職務経歴書 記入例

LLM を使った機能は、同じ入力でも出力が毎回少しずつ変わり、完璧にはなりません。そのため AIプロダクトマネージャーには、「どこまでの品質なら出すか」を決める力が求められます。エンジニアから PdM になり、問い合わせ管理 SaaS で生成AIの機能を担当している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:受託開発のエンジニアを4年経験したあと、問い合わせ管理 SaaS の PdM を約8年。うち直近2年半は生成AIの機能を担当。33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 井上 彩

■ 職務要約

受託開発の会社で Web アプリのエンジニアを4年経験したあと、2019年に問い合わせ管理 SaaS の株式会社〇〇に入社し、PdM として約8年働いています。2024年からは生成AIの機能の責任者として、返信の下書き、問い合わせの要約・分類の2つの機能を企画から評価、価格の設計、リリースまで担当しました。返信の下書きは利用企業の約6割で使われ、1件あたりの返信時間を平均6分から3分半に短縮しています。

■ 活かせる経験・知識・技術

  • LLM の機能の品質の基準づくり(評価データの作成、合格ラインの設定、失敗の分類)
  • 段階的なリリースの判断と、AI の機能ならではの利用の指標の設計
  • LLM の費用の見積もりと、プランへの含め方・従量課金の設計
  • エンジニアの経験を活かした、開発チームとの仕様と優先順位のすり合わせ

■ テクニカルスキル

言語SQL(6年11か月)、Ruby(3年9か月)、JavaScript(3年9か月)
フレームワーク・ライブラリRuby on Rails(3年9か月)
機械学習・生成AI商用LLMのAPI(2年8か月)
データベースMySQL(3年9か月)、BigQuery(2年8か月)
OS・クラウド・インフラAWS(3年9か月)
ツールFigma(6年3か月)、Jira(5年3か月)、Amplitude(2年8か月)

■ 職務経歴

株式会社〇〇(2019年1月〜現在)

事業内容:企業のカスタマーサポート向けの問い合わせ管理 SaaS(導入企業約1,800社) 従業員数:約250名 雇用形態:正社員

所属・役職:プロダクト部 シニアプロダクトマネージャー(生成AI機能の責任者、2024年4月〜)

2024年4月〜2025年3月

問い合わせへの返信の下書きを作る機能の企画・リリース

過去の返信とヘルプページをもとに、問い合わせへの返信の下書きを作る機能。サポート担当者が確認・修正してから送信する。

【役割】PdM(企画・評価の設計・リリースの判断) 【規模】開発6名/デザイナー1名

【担当工程】要件定義、基本設計、総合テスト、保守・運用、データ整備、モデル開発・評価

【取り組み】

  • 協力企業5社の実際の問い合わせ300件を選び、サポート担当者と「そのまま送れる/少し直せば送れる/使えない」の3段階で採点する評価データを作った
  • 「少し直せば送れる」以上が75%を超えることをリリースの条件にし、届かない間は対象を絞って改善を続けた
  • 誤った案内が危険な返金・解約の問い合わせは、下書きを作らず担当者に回すようにした
  • 利用企業の5%、30%、全体と段階的に広げ、各段階で採用率と顧客満足度の差を確かめた

【成果】

  • 下書きの採用率(下書きを使って送信した割合)を3か月で41%から63%に改善
  • 1件あたりの返信時間を平均6分から3分半に短縮
  • 利用企業の約6割が毎週利用

【使用技術】商用LLMのAPI、BigQuery、Amplitude、Figma

2025年4月〜現在

問い合わせの要約・自動分類と、AI 機能の価格の設計

長いやりとりの要約と、問い合わせの種類の自動分類を追加。あわせて、AI の機能全体の料金の形を見直した。

【役割】PdM 【規模】開発5名

【担当工程】要件定義、基本設計、総合テスト、保守・運用、モデル開発・評価

【取り組み】

  • 要約は、担当者の引き継ぎに必要な項目(経緯・約束したこと・未解決の点)を決め、項目の抜けを評価の基準にした
  • 1件あたりの LLM の費用を試算し、上位プランに月の回数を含め、超えた分は従量課金にする形を設計した
  • 費用の高い処理には小さなモデルを使うよう開発チームと決め、品質の差を評価データで確かめた

【成果】

  • AI の機能の粗利率を70%以上に保ったまま提供
  • 上位プランへの移行を前年の1.6倍に増やした
  • 担当者の引き継ぎにかかる時間を1件あたり平均4分短縮

【使用技術】SQL、商用LLMのAPI、BigQuery、Amplitude

2019年1月〜2024年3月

SLA 管理とレポート機能の企画

問い合わせの対応期限(SLA)の管理、チームごとのレポートなど、大企業向けの機能を企画。

【役割】PdM(2021年からシニア) 【規模】開発8名

【担当工程】要件定義、基本設計、総合テスト

【取り組み】

  • 大企業の顧客20社に聞き取りを行い、期限の考え方(営業時間のみ数える等)を整理した

【成果】

  • 従業員1,000名以上の企業の新規契約を2年で約2倍に拡大

【使用技術】SQL、Figma、Jira

株式会社〇〇(2015年4月〜2018年12月)

事業内容:Web アプリの受託開発 従業員数:約80名 雇用形態:正社員

所属・役職:開発部

2015年4月〜2018年12月

企業向け Web アプリの受託開発

予約・会員管理などの Web アプリを、顧客企業ごとに開発。

【役割】エンジニア(2017年から案件のリーダー) 【規模】チーム3〜5名

【担当工程】要件定義、基本設計、詳細設計、実装・単体テスト、結合テスト

【取り組み】

  • 顧客との打ち合わせで要望を聞き、優先順位を一緒に決める進め方を担当

【成果】

  • リーダーとして6件の案件を納期内にリリース

【使用技術】Ruby、JavaScript、Ruby on Rails、MySQL、AWS

■ 資格

  • 2024年2月 G検定

■ 社外での活動

  • プロダクトマネージャー向けのカンファレンスで「LLM の機能のリリース判断」を発表(2025年)

■ URL

  • note:https://note.com/example

■ 自己PR

AI の機能では、出すことと同じくらい、出さないと決めることが大切だと考えています。返信の下書きでは、評価データでの合格ラインに届かない時期があり、営業部門からは早く出したいという声もありました。そこで、品質が足りている種類の問い合わせだけに絞って先に出し、返金・解約のように誤りが許されない問い合わせは対象から外しました。結果として、利用企業の信頼を損なわずに採用率を上げられました。

エンジニアの経験を活かし、開発チームと評価の数字で議論できることが強みです。今後も、LLM を使ったプロダクトで、品質と事業の両方に責任を持つ仕事をし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プロダクトマネージャーの職務経歴書で、見られる点

  1. 01

    リリースの基準を自分で決めたか

    LLM の機能は、テストに全部通れば出せる、というものではありません。評価データでの合格ラインを決め、一部の顧客から段階的に広げるなど、品質とスピードのどちらをどこまで取るかを判断した経験が、AI の PdM の中心になります。

  2. 02

    使われているかを正しい指標で見たか

    AI の機能は、試しに使う人が多いため、利用回数だけでは良し悪しが分かりません。下書きをそのまま使った割合、直した量、使ったあとの業務の数字など、価値が出ているかを見分ける指標を設計したかが見られます。

  3. 03

    費用と価格を設計したか

    LLM の機能は、使われるほど費用がかかります。1回あたりの費用を見積もり、プランへの含め方や従量課金を決めて、粗利を守った経験は、AI の PdM ならではの成果です。

  4. 04

    エンジニアと評価を一緒に回せるか

    評価データの作り方や、モデルやプロンプトを変えたときの比べ方を理解していないと、エンジニアと品質の議論ができません。評価データを自分で作った、失敗の分類をした、といった経験は具体的に書きます。

欄ごとの書き方

職務要約
PdM としての年数と、AI の機能を担当した年数を分けて書きます。エンジニアの経験があれば一言添えると、技術の理解の裏づけになります。最後に、事業の数字で一番の成果を書きます。
活かせる経験・知識・技術
AI の機能の企画と評価、リリースの判断、事業の設計(価格・指標)の3つに分けて書きます。「ユーザーの課題を発見」のような一般的な PdM の言葉は控えめにし、AI ならではの経験を前に出します。
職務経歴
機能ごとに「何の課題 → 品質の基準 → リリースの進め方 → 結果」の順に書きます。結果は、利用の指標と事業の数字(解約率、上位プランへの移行など)の両方を入れます。
自己PR
出さないと決めた、出すのを遅らせたという判断も、AI の PdM では大事な経験です。理由と、そのあとどうしたかを書くと、判断の基準が伝わります。

よくある書き方を、こう直す

よくある書き方

生成AIを活用した返信文作成機能を企画・リリース。

直した書き方

問い合わせへの返信の下書きを作る機能を企画。評価データ300件で「少し直せば送れる」以上の割合が75%を超えることをリリースの条件にし、5%、30%、全体と段階的に広げた。

何を基準に出すと決めたか、どう広げたかを書くと、AI の機能を出す判断ができる人だと伝わります。

よくある書き方

KPI を設定し、機能の改善を推進。

直した書き方

利用回数ではなく「下書きを使って送信した割合」と「送信前に直した文字数」を主な指標にし、使われているが直されてばかりの状態を見分けられるようにした。下書きの採用率は3か月で41%から63%に上がった。

AI の機能ならではの指標を設計したことと、その数字の動きを書きます。

よくある書き方

AI 機能の料金プランを策定。

直した書き方

1件あたりの LLM の費用を試算し、上位プランに月の回数を含め、超えた分は従量課金にする形を設計。AI の機能の粗利率を70%以上に保ちながら、上位プランへの移行を前年の1.6倍にした。

使われるほど費用が増える機能の、事業としての設計まで担ったことが伝わります。

あわせて読みたい