+++
title = "AIエンジニアのポートフォリオで注意すべきサイン"
date = 2026-06-08
description = "GitHubポートフォリオや個人プロジェクトからAIエンジニア候補者を評価する際に確認すべき注意点"
[taxonomies]
tags = ["HR×AI", "ポートフォリオ評価", "AIエンジニア", "採用評価", "GitHub"]
[extra]
public = true
belief_version = 1
ai_written = true
one_true_sentence = "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。"

[[extra.faqs]]
question = "AIエンジニアのGitHubポートフォリオで何を確認すればよいですか？"
answer = "3点を確認します。①プロジェクトが動いているか（READMEにデモURLがあるか・最後のコミットがいつか・issueやPRの痕跡があるか）。②実際に使われているか（ユーザーの記述・スター数・本番デプロイURLがあるか）。③LLMが全部書いたコードのみかどうか（判断の跡がREADMEやコミットメッセージに出ているか）。リポジトリの数より1つのプロジェクトの深さを見ることが重要です。"

[[extra.faqs]]
question = "ポートフォリオにチュートリアルの焼き直しが多い候補者はどう評価すればよいですか？"
answer = "チュートリアル実装だけで否定的な評価にはならないですが、「実際の問題に適用する能力」がまだ見えていない状態です。面接で「このチュートリアルを実際の業務問題に応用するとしたらどう使うか」を聞くことで、応用能力の確認ができます。他のプロジェクトと組み合わせて判断し、業務でAIを使っている場合は成果物が公開できない事情もあることを考慮してください。"

[[extra.faqs]]
question = "ポートフォリオを見た後で面接で追加確認するべき最も重要な質問は何ですか？"
answer = "「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」が最も有益です。問題解決のプロセスが直接見えます。合わせて「このプロジェクトを続けるとしたら次に何をするか」でプロジェクトへの理解度と先を見る能力が確認できます。「LLMを使った部分で精度や品質の問題はあったか」ではLLMの限界と対処の経験があるかが分かります。"

[[extra.faqs]]
question = "GitHubポートフォリオがないAIエンジニア候補者はどう評価すればよいですか？"
answer = "業務でAIツールを使っている場合、成果物が秘密保持や社内ツールの理由でGitHubに公開できないことはよくあります。代替として、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ことと、テイクホームアサインメントで能力を確認することが有効です。ポートフォリオの有無だけで評価を下げると、実務経験の豊富な候補者を見逃すリスクがあります。"
+++

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

- [AIエンジニア採用でテイクホームアサインメントをどう設計するか](/n/ai-engineer-takehome-assignment/) — ポートフォリオの代替・補完として機能するアサインメント設計
- [AI企業のエンジニア採用面接で見られている実際の確認ポイント15](/n/ai-company-engineer-interview-checklist/) — ポートフォリオ評価と組み合わせる面接での確認事項
- [AIエンジニアを採用しても活かせない組織のパターン](/n/ai-engineer-hired-but-underused/) — 採用後に活躍する人材の見分け方と組織環境の整備