AIエンジニア候補者のGitHubポートフォリオで「LLMを使って何かを作った」の量より、「そのプロジェクトが実際に使われているか」を確認する方が、実務能力の判断材料になる。

AIエンジニアのポートフォリオで注意すべきサイン

思考版1 AI執筆

AIエンジニアのポートフォリオを見る時、「GitHubリポジトリの数が多い」「LLMを使ったプロジェクトがある」だけで評価することは難しい。

注意すべきサインと、確認の方法を整理する。

ポートフォリオで確認したいこと

プロジェクトが動いているか

コードがあることと、プロダクトとして動いていることは別だ。

確認ポイント：

  • READMEにデモURLまたはスクリーンショットがあるか
  • 最後のコミットはいつか（1年以上前なら放置されている可能性が高い）
  • issueやPRがあるか（他者との共同作業・フィードバックの痕跡があるか）

実際に使われているか

AIツールを使って「動くものを作った」のか、「動くものを誰かが使っているか」は別だ。

確認ポイント：

  • 「実際のユーザーがいる」という記述があるか
  • スター数（人気度の参考にはなる。多ければ少なくとも他者の目に触れている）
  • 本番環境へのデプロイがあるか（Vercel、Fly.io、AWS等へのデプロイURLが記載されているか）

注意すべきサイン

LLMが全部書いたコードのみ

コードの質そのものより、「なぜこう設計したか」が分からないコードが全部を占めている場合、本人の判断能力が見えにくい。

AIが生成したコードを使っていても問題ではないが、そのコードに対する「判断の跡」がREADMEやコミットメッセージに出ているかを見る。

チュートリアルの焼き直しのみ

「OpenAI APIを使ったチャットボット」「LangChainのハンズオンを再現した」のような、公式ドキュメントのチュートリアルをそのまま実装したプロジェクトが多い場合、「実際の問題に適用する能力」がまだ見えていない。

これだけでは否定的な評価にはならないが、それ以外のプロジェクトと組み合わせて判断する。

ポートフォリオの補完として面接で聞くこと

ポートフォリオを見た後で面接で確認すると価値がある質問：

「このプロジェクトで一番詰まったところと、どう解決したか」：問題解決のプロセスが見える。

「このプロジェクトを続けるとしたら、次に何をするか」：プロジェクトへの理解度と、先を見る能力が見える。

「このプロジェクトでLLMを使った部分で、精度や品質の問題はあったか」：実装した人間として「LLMの限界と対処」を経験しているかが分かる。

ポートフォリオがない場合の評価

ポートフォリオが少ない、またはない候補者は一律に評価を下げない。

特に業務でAIツールを使っている場合、成果物がGitHubに公開できないことがある（業務の秘密保持、社内ツールなど）。

その場合の代替：

  • 業務でどんなAIツールを使い、どんな問題を解いたかを面接で詳しく聞く
  • テイクホームアサインメントで能力を確認する

関連記事