「AI案件は単価が高い」と聞いて複業プラットフォームを開いたものの、募集要件に「LLM実務経験3年以上」「AIプロダクト開発経験必須」と並んでいるのを見て、応募ボタンを押す手が止まった——。本業の合間に ChatGPT API や RAG を触ってはいるけれど、業務でAIプロダクトを本格的に開発したことはない。そんな状態で応募していいのか分からず、案件一覧を眺めるだけで時間が過ぎていく。
このペインポイントは、実は「実力が足りない」せいではなく「見せ方が整っていない」せいであることがほとんどです。AI案件の発注者は、必ずしも「過去に何年AIを触ったか」だけで人を選んでいるわけではありません。むしろ「AIを使って課題を解決できそうか」「依頼を任せて大丈夫そうか」を、ポートフォリオから読み取ろうとしています。ここを理解せずに学習用のコードをそのまま並べてしまうと、力があっても評価の土俵に乗りません。
とはいえ、本業がある複業エンジニアに割ける時間は週末や平日夜の数時間だけです。「ポートフォリオを完璧に作り込んでから応募しよう」と考えると、いつまでも着手できません。必要なのは、限られた時間で費用対効果高く整える優先順位と、発注者の評価軸に沿った見せ方です。
本記事では、複業エンジニアがAI案件に応募できるポートフォリオを、限られた時間で整えるための具体的な手順を解説します。発注者がポートフォリオで見ている3つの観点を起点に、週末数時間で作れる最小構成、「AIで作っただけ」と見られない差別化要素、そして作ったポートフォリオを実際の案件獲得につなげるチャネル運用まで、応募の最初の一歩を踏み出せる状態を目指します。
複業エンジニアがAI案件をポートフォリオで落とす典型パターン
最初に、なぜ手が止まるのかを言語化しておきましょう。AI案件に応募して見送られる複業エンジニアには、実力以前に「見せ方」で損をしている共通パターンがあります。自分に当てはまるものがないか確認してみてください。
AI案件の募集要件は「実務経験◯年」でも、発注者が本当に見ているのは別物
求人票に書かれた「LLM実務経験3年以上」という文言を、応募の絶対条件だと受け取ってしまう人は少なくありません。たしかに生成AI・LLM案件は単価が高く、フリーランス案件の月額平均は90万円前後と、一般的なWebエンジニア（50〜80万円程度）より20〜50%ほど高い水準にあります（Legacy Force「生成AI / LLMのフリーランス求人・案件」、フリコン「AI案件の種類と単価相場」）。それだけ要求も高いだろう、と身構えるのは自然です。
しかし、募集要件はあくまで「理想像」であり、足切りラインではないケースが多くあります。生成AI・LLMの経験があれば実務2年程度でも案件が見つかる、という調査もあります（Legacy Force）。発注者が本当に確認したいのは、「自社の課題をこの人に任せたら前に進みそうか」という一点です。年数はその代理指標にすぎません。年数で届かなくても、課題解決力と思考プロセスをポートフォリオで示せれば、評価の土俵には乗れます。
見送られる複業エンジニアに共通する3つの見せ方の失敗
評価の土俵に乗れない複業エンジニアには、次の3つの失敗が繰り返し見られます。
- 実績が「学習用コードのまま」になっている：チュートリアルをなぞった成果物や、機能だけ動くサンプルが GitHub に並んでいる状態です。動くことは分かっても、「何の課題を解決したのか」が伝わりません。
- 「AIで作っただけ」に見える：生成AIツールで素早く組み上げた成果物は量産できますが、設計判断や試行錯誤の跡がないと「ツールに任せただけ」と受け取られ、本人のスキルとして評価されにくくなります。
- 「何ができる人か」が一目で分からない：GitHub のリポジトリが整理されておらず、学習用・実験用・本気の成果物が混在している状態です。発注者は一人あたり数分しか見ません。その数分で強みが伝わらなければ、次の候補に進まれてしまいます。
いずれも、技術力の問題ではなく「見せ方」の問題です。裏を返せば、見せ方を整えるだけで評価が変わる余地が大きいということでもあります。次の章では、その「見せ方の基準」となる発注者の評価観点を具体的に見ていきます。
AI案件の発注者がポートフォリオで見ている3つの観点
見せ方を整えるには、まず「相手が何を見ているか」を知る必要があります。AI案件を出す企業やプロジェクトマネージャーが、複業エンジニアのポートフォリオで確認している観点は、大きく3つに整理できます。この3つを満たせるかどうかが、業務経験の年数を補う判断軸になります。
観点1 — 「AIで何を解決したか」を成果ベースで語れているか
発注者が最初に見るのは、技術スタックそのものではなく「その技術で何を解決したか」です。たとえば「LangChain を使いました」ではなく、「社内に散在するマニュアルを検索できず問い合わせ対応に時間がかかっていた課題に対し、RAG で社内文書を横断検索できる仕組みを作り、回答までの手数を減らした」というように、課題→手段→成果の流れで語れているかが評価されます。
採用・発注の現場では、ポートフォリオは「課題設定・設計・実装・改善という一連のプロセスを通じて、どのように思考したか」を示す資料として読まれます（テックゴー「エンジニアのポートフォリオ完全ガイド」）。AIという手段を主語にせず、解決した課題を主語にして語ること。これが第一の観点です。
観点2 — 「AIで作っただけ」と「設計して作った」を分ける思考プロセスの可視化
生成AIツールを使えば、それらしい成果物は短時間で作れます。だからこそ発注者は、「ツールに任せた部分」と「自分で考えて判断した部分」を見分けようとします。企業が最も避けたいのは「設計や工夫の痕跡がない作品」だとされており、独自の機能や改善を1〜2ヶ所取り入れ、「自分で考えて作った部分」を明確に示すことが重要です（RUNTEQ BLOG「採用で評価されるGithub7つのポイント」）。
AI案件の文脈では、「なぜそのモデル・フレームワークを選んだのか」「精度が出なかったときに何を試し、どう改善したのか」という判断と試行錯誤の跡が、この観点を満たす材料になります。技術選定の理由を「実現したいことに対してなぜその技術が最適だと判断したか」まで論理的に説明できると、思考プロセスが伝わります。
観点3 — 技術の移り変わりが速いAI領域での「キャッチアップ姿勢」の証明
AI領域はモデルもツールも数ヶ月単位で変わります。発注者は「今できること」だけでなく、「変化に追従し続けられる人か」も見ています。複業エンジニアにとってこれは追い風です。実務経験の年数では大手のフルタイムエンジニアに敵わなくても、最新のモデルや手法を試し、その学びを発信している姿勢は、年数とは別の信頼材料になります。
直近で触った新しいモデルやライブラリ、その検証から得た気づきが見える状態にしておくと、「この人はキャッチアップを続けている」という印象につながります。3つの観点はいずれも、業務でのAI開発経験が薄くても、見せ方の工夫で満たせるものばかりです。次の章では、これらを限られた時間で実装する最小構成を示します。
週末数時間で作る「AI案件向けポートフォリオ」最小構成
発注者の評価観点が分かっても、本業がある以上、ポートフォリオに割ける時間は限られています。すべてを完璧に作り込もうとすると着手できないので、まずは応募ラインに乗せるための最小構成に絞りましょう。最小構成は「1つの課題起点のAI成果物 ＋ 評価されるREADME ＋ スキルシート」の3点です。
まず1つ作る「課題起点のAI成果物」の選び方
たくさんの成果物を並べる必要はありません。発注者に強みが伝わる1つがあれば、応募の土俵には乗れます。ここで避けたいのは、TODOアプリやチャットボットの量産です。チュートリアルの延長線上にある成果物は、課題が見えないため評価されにくいからです。
選ぶべきは「身近な課題を起点にした、実用的なAI成果物」です。たとえば次のようなものが、課題が明確で発注者にも伝わりやすいテーマです。
- 自分や同僚が抱える業務上の手間（社内文書の検索、定型作業の自動化など）をAIで解決する小さなツール
- 本業で実際に困っていることを、守秘に触れない範囲で抽象化して再現したもの
- RAG・AIエージェントなど、AI案件で需要の高い構成を1つ含むもの（生成AI・LLM案件では ChatGPT API・LangChain・RAG 構築のスキルが特に求められています：生成AI総合研究所「AIエンジニア向けフリーランス案件サイトおすすめ10選」）
1つを深く作り込むほうが、10個を浅く並べるより評価されます。週末の数時間を、この1つに集中させましょう。
評価される README の書き方
成果物そのものと同じくらい、READMEは重要です。発注者は限られた時間でREADMEに目を通し、そこから「他者に伝える力」や「情報を整理する力」を読み取ろうとします。実際、READMEは候補者の「伝える力」が表れる場所として注目されています（テックゴー）。
AI成果物のREADMEには、次の4要素を順に書くと、前章の評価観点をひととおり満たせます。
- 背景・課題：何に困っていて、なぜ作ったのか（観点1の「課題起点」を示す）
- 技術選定の理由：なぜそのモデル・フレームワーク・構成を選んだのか（観点2の「思考プロセス」を示す）
- 評価結果：精度・処理時間・コストなど、どう評価し、どこまで改善できたのか
- 学びと今後：作る中で得た気づき、次に試したいこと（観点3の「キャッチアップ姿勢」を示す）
目的・使用技術・画面キャプチャ・環境構築手順などの基本項目を5〜7つに整理し、短時間で全体像が伝わるREADMEにすることが推奨されています（テックゴー）。長文である必要はありません。上の4要素を簡潔に押さえるだけで、学習用コードとは一線を画す見せ方になります。
なお、ポートフォリオの基礎的な必須項目はフリーランスエンジニアのポートフォリオの作り方、最小限の構成で受注ラインに乗せる考え方は最小限ポートフォリオで受注ラインに乗せる方法で詳しく解説しています。本記事はそれをAI案件文脈に特化した形で展開しています。
スキルシートでAI関連スキルを「実務換算」で見せる
成果物とREADMEに加えて、スキルシート（職務経歴・スキル一覧）も整えておきましょう。複業エンジニアが陥りがちなのが、AIスキルを「趣味で触った」レベルでしか書かないことです。
ポイントは、本業で培った汎用的な開発力と、複業・個人で取り組んだAI関連の取り組みを、地続きで「実務換算」して見せることです。たとえば「業務システム開発◯年（要件定義・設計・運用を一貫して担当）」という本業の実績の上に、「個人開発でRAG検索システムを構築し、社内想定の文書検索を実装・評価」と並べると、AI領域の経験が浅くても「設計・運用の地力がある人がAIに取り組んでいる」という像が伝わります。年数のラベルだけで判断されないよう、何をどこまでやったかを具体的に書くことが大切です。
「AIで作っただけ」を超える見せ方の差別化要素
最小構成で応募ラインには乗れますが、他の複業エンジニアと差をつけるには、もう一歩踏み込んだ見せ方が効きます。ここで紹介する要素は、いずれも「AIで量産しただけ」という見られ方を避け、思考プロセスと運用力を可視化するためのものです。時間に余裕ができたら順に取り入れていきましょう。
プロンプト・モデル改善の履歴を「成果物」にする
AI開発では、プロンプトの調整やモデルの差し替えといった試行錯誤そのものが、スキルの証明になります。この過程を残さずに最終形だけを見せると、「一発で作った（＝ツールに任せた）」ように見えてしまいます。
おすすめは、プロンプトやモデル設定の変更履歴を Git で管理し、コミットログとして残すことです。「最初はこのプロンプトで精度が出なかった → こう変えたら改善した」という履歴が見えると、観点2の「設計して作った」証拠になります。コミットメッセージに「なぜ変えたか」を一言添えるだけでも、思考の跡が伝わるポートフォリオになります。
案件につながる技術発信の粒度とテーマ選び
Zenn・Qiita・X などでの発信は、観点3の「キャッチアップ姿勢」を継続的に示す手段として有効です。ただし、闇雲に書いても案件にはつながりません。意識したいのは粒度とテーマです。
- テーマ：自分が作ったAI成果物で「ハマったこと・解決したこと」を題材にする。実際に手を動かした一次情報は、まとめ記事より評価されやすく、成果物との一貫性も生まれます
- 粒度：「やってみた」で終わらせず、「なぜそうしたか」「どう評価したか」まで書く。READMEと同じ思考プロセスを、発信の形でも一貫させる
- 頻度よりも継続：本業がある中で毎日書く必要はありません。月に1〜2本でも、テーマが成果物と接続していれば、応募時に「この人は手を動かして発信している」という裏付けになります
発信は成果物・READMEと地続きにすることがポイントです。バラバラに発信するより、1つの成果物を軸に深掘りしたほうが、複業のまま少ない時間で一貫した実績を積み上げられます。
2026年の新常識 — 人間だけでなくAIにも読まれるポートフォリオ
近年広がりつつある論点として、「ポートフォリオは人間だけでなくAIにも読まれる」という考え方があります。発注者がAIを使って候補者の情報を要約・スクリーニングする場面が増えるなか、AIが正確に内容を読み取れる構造にしておくと、取りこぼされにくくなります。
具体的には、サイトやリポジトリに llms.txt（AI向けにサイトの意図・概要を伝えるテキストファイル）を置いたり、構造化データ（schema.org の Person など）で人物・実績を機械可読にしておく方法があります（unType「llms.txtとは何か？2026年の現実と、それでも対応すべき理由」、Qiita「AI時代のポートフォリオは人間に見せるだけでは足りない」）。これらは必須ではなく、まずは人間に伝わる成果物とREADMEを優先すべきですが、AI領域の案件に応募する人がこの対応を済ませていると、「自分の領域の変化に敏感な人」という印象も加わります。優先度は最後でよいので、頭の片隅に置いておくとよいでしょう。
ポートフォリオを案件獲得につなげる応募・チャネル運用
ポートフォリオは作っただけでは案件になりません。実際の応募・受注に接続し、複業のまま継続的に案件を取り続ける仕組みにして初めて、収入の安定につながります。最後に、作ったポートフォリオを案件獲得に結びつける運用を整理します。
プロフィール・提案文とポートフォリオを連動させる
複業プラットフォームやエージェントのプロフィールと、ポートフォリオは連動させましょう。プロフィールの自己紹介で「業務システム開発の地力 ＋ 個人でのAI成果物」という像を1〜2行で示し、その根拠としてポートフォリオ（GitHub・成果物・技術発信）へのリンクを置きます。
案件への提案文では、ポートフォリオの成果物を「実績の引用」として使います。「過去に社内文書検索の課題に対し、RAGで横断検索の仕組みを構築しました（詳細はポートフォリオをご覧ください）」というように、課題→解決の実績として引用すると、観点1の成果ベースの語り方をそのまま応募に持ち込めます。プロフィール・提案文・ポートフォリオの3つで同じメッセージが一貫していると、信頼が積み上がります。
最初の1件は「実績作り優先」で選ぶ
業務でのAI経験が薄いうちは、最初から高単価・高難度のAI案件を狙うより、応募ハードルの低い小規模なAI案件で実績を作ることを優先しましょう。AIエンジニアのフリーランス案件はリモート可のものが多く、複業でも参画しやすい環境が整っています（生成AI総合研究所）。小さくても受注実績が1件できれば、それ自体がポートフォリオに加わり、次の応募で「業務でのAI実績」として語れるようになります。
最初の1件は単価よりも「AI案件の実務実績を1つ作る」ことを目的に選ぶ。これが、応募の壁を一度越えてしまうための現実的な戦略です。
受注ごとにポートフォリオを更新する継続改善ループ
複業を続けるうえで最も効くのは、受注のたびにポートフォリオを更新する習慣です。案件で得た知見（守秘に触れない範囲で抽象化したもの）を成果物やREADME、技術発信に反映していくと、応募するたびにポートフォリオが厚くなり、より良い案件に手が届くようになります。
最初は完璧でなくて構いません。「最小構成で応募 → 受注 → ポートフォリオ更新 → より良い案件に応募」というループを回すこと自体が、複業のまま再現性高くAI案件を取り続ける仕組みになります。高単価化はこのループの先にあるものとして、まずは最初の1件に向けて手を動かしましょう。受注実績を積んだあとに高単価案件を狙うための受注戦略は、高単価フリーランスエンジニアのポートフォリオ戦略で詳しく解説しています。
複業エンジニアのAI案件ポートフォリオに関するよくある質問
応募に踏み出す前に残りがちな疑問に、ここでまとめて答えます。
Q. 業務でAI開発経験がなくても、AI案件に応募していいのでしょうか？
応募して問題ありません。募集要件の「実務経験◯年」は理想像であり、足切りラインとは限らないからです。生成AI・LLMの経験があれば実務2年程度でも案件が見つかるという調査もあります（Legacy Force）。重要なのは年数そのものより、本記事で挙げた3つの観点（課題解決の成果・思考プロセス・キャッチアップ姿勢）をポートフォリオで示せているかです。まずは応募ラインに乗る最小構成を整え、小規模案件で実績を作ることをおすすめします。
Q. AIツールで作った成果物は「自作」として載せていいのでしょうか？
載せて構いませんが、「ツールに任せた部分」と「自分で判断・設計した部分」を区別して見せることが大切です。設計や工夫の痕跡がない作品は評価されにくいため、技術選定の理由・試行錯誤の履歴・評価結果といった、自分の思考が表れる部分をREADMEやコミットログで明示しましょう。AIを「使いこなした成果」として語れれば、むしろ強みになります。
Q. 本業の就業規則で副業が制約される場合、ポートフォリオ公開で注意すべきことは？
まず、勤務先の就業規則・副業規程を確認することが前提です（具体的な可否は会社や契約により異なるため、ここでは一般的な注意にとどめます）。公開にあたっては、本業で得た機密情報・顧客情報・社内のソースコードを含めないことが基本です。本業の課題を題材にする場合は、固有名詞や具体的な数値を伏せ、構造だけを抽象化して再現するなど、守秘に配慮した見せ方を心がけましょう。不安がある場合は、公開範囲を限定する、勤務先に事前相談するなどの対応を検討してください。
Q. GitHubが学習用コードで散らかっています。整理から始めるべきでしょうか？
すべてを整理し直す必要はありません。発注者に見せたいのは「何ができる人か」が一目で伝わる状態です。まずは本気の成果物を1つに絞り、READMEを整え、プロフィールやプロフィールのトップに固定（ピン留め）して目立たせましょう。学習用リポジトリは無理に消す必要はありませんが、評価してほしい成果物が埋もれないよう、見せたいものが最初に目に入る導線を作ることが先決です。
まとめ — AI案件は「実務経験」より「見せ方」で最初の扉が開く
AI案件の応募で手が止まるのは、実力不足ではなく見せ方が整っていないことがほとんどです。本記事の要点を振り返ります。
- 発注者が見ているのは年数そのものより、「AIで何を解決したか」「設計して作ったか」「キャッチアップを続けているか」の3つの観点
- まずは「1つの課題起点のAI成果物 ＋ 4要素のREADME ＋ 実務換算のスキルシート」の最小構成で応募ラインに乗せる
- プロンプト改善履歴のGit管理や成果物と地続きの技術発信で、「AIで作っただけ」を超える
- プロフィール・提案文・ポートフォリオを連動させ、最初の1件は実績作り優先で選び、受注のたびに更新するループを回す
最初の一歩は、身近な課題を起点にしたAI成果物を1つ作り、背景・技術選定理由・評価結果・学びの4要素でREADMEを整えることです。本業がある複業エンジニアでも、週末の数時間を正しい順番で使えば、見せ方は十分に整えられます。完璧を目指す必要はありません。最小構成で最初の扉を開け、受注しながらポートフォリオを育てていきましょう。
