Work Horizon編集部
ABEJAとは：日本のAIを10年以上牽引してきた老舗
株式会社ABEJAは、2012年に設立された日本のAI・DX企業です。「ゆたかな世界を、実装する」を経営理念に掲げ、Salesforce Ventures・NTTドコモ・Google等の名門VC・事業会社から出資を受け、2023年に東証グロース市場へ上場。日本のAI専業上場企業としては古参の部類に入り、大企業のDX実装・生成AI導入案件で継続的な実績を積んでいます。
2026年時点のABEJAは、ABEJA Platform（AI活用プラットフォーム）、ABEJA LLM Series（自社LLMとRAGソリューション）、AIガバナンス／DXコンサルティングの3本柱で事業を展開。製造業・小売・金融・医療・公共など業界横断でエンタープライズ顧客を抱えており、エンジニア／データサイエンティスト／AIコンサルタントへの中途採用を継続しています。Sakana AIのような研究色の強いスタートアップと対比される「実装・顧客デリバリー色の強いAI上場企業」として、日本AIキャリアの王道選択肢の1つです。
本記事では、ABEJAの採用プロセス・年収・面接傾向・合格パターンを公開情報ベースで解説します。並び立つ他社との比較ではSakana AI採用完全ガイドやメガベンチャーAIエンジニア年収、全体観はAI人材 転職 完全ロードマップを参照してください。
ABEJAのビジネスモデルと組織
1. ABEJA Platform
AIモデルの開発・運用をノーコード／ローコードで実現する自社プラットフォーム。エンタープライズ顧客が自社データを活用してモデルを作り、運用ライフサイクルをABEJAが伴走する構造です。日本国内の大規模エンタープライズ導入実績は国内トップクラス。
2. ABEJA LLM Series
日本語LLMの独自開発・チューニング、およびエンタープライズ向けRAG／AIエージェント実装。生成AIブーム以降、エンタープライズ顧客を中心にLLM関連案件は急拡大しており、ABEJAにとっても事業成長の主要ドライバーとなっています。「日本語の固有表現や業務用語の取り扱い」をABEJAが培ってきたプラットフォームの強みと接続する戦略です。
3. DX・AIコンサルティング／ガバナンス
AI PoC → 本番運用 → スケール拡大までを一気通貫で支援する伴走型コンサル。加えて、AI倫理・リスク評価・プライバシー・モデルカード整備などの「AIガバナンス」領域にも専門チームを持ち、JDLA（日本ディープラーニング協会）や経産省の政策検討とも接点のあるポジションで活動しています。
4. 組織：エンジニア中心、英語OK
エンジニア組織は英語話者が一定割合在籍し、ドキュメントやコードコメントは英語が中心。日本人エンジニア＋海外出身エンジニアの混成組織として運営されています。ハイブリッド／フルリモートも許容される柔軟な勤務体系で、全国・海外在住のメンバーも存在します。
募集中の主要ポジション
1. AI・機械学習エンジニア
顧客案件におけるモデル設計・学習・評価・運用を担う中核職種。コンピュータビジョン／NLP／時系列予測／強化学習など領域ごとの専門ポジションが存在し、コンピュータビジョンエンジニアやNLPエンジニアの観点で整理されます。
2. ソフトウェアエンジニア（Platform / Backend / SRE）
ABEJA Platformの開発・運用を担う職種。マイクロサービス、Kubernetes、GPU推論基盤、MLOps、データパイプラインの設計・実装が中心。パブリッククラウド（主にGCP/AWS）上での大規模システム設計経験が問われます。
3. データサイエンティスト
顧客課題のモデリングと分析レポーティングを担当。統計・機械学習の理論的素養と、ビジネス課題への翻訳能力の両方が必要。DS検定やE資格等の資格はあくまで補助線で、実プロジェクトでの成果が主要評価軸です。
4. DX・AIコンサルタント
顧客の経営課題を起点にAI・DXロードマップを設計するロール。戦略コンサル的な要件定義力と、AI実装の基礎知識の両立が求められます。生成AI領域では「LLM利活用に向けた人材育成担当」のようなLLM特化コンサル職も公開されています。
5. AIガバナンス／倫理スペシャリスト
AI倫理・法務・リスク管理の専門職。企業のAI導入における不確実性を構造化し、運用可能な仕組みに落とし込む役割。公共・金融・医療等の規制業界案件での需要が大きい。
ABEJA採用の年収レンジ
公開情報ベースでは、ABEJAの2025年8月期平均年収は上場企業のAI専業としては上位の水準にあると報じられています。職位・ロール別には以下の観点で整理できます。
- ジュニア（1〜3年目）：一般的なAIエンジニア市場と連動したレンジ
- ミドル（3〜7年目）：顧客案件リード／テックリード相当の上振れレンジ
- シニア／スタッフ：顧客案件オーナー／アーキテクト級で業界上位水準
- コンサルティング職：戦略コンサル／SIer出身者の市場価値に応じたレンジ
具体額は職位・経験・契約形態で変動するため、OpenWork・Glassdoor・doda・HRMOS・Wantedlyの公開条件や口コミデータを直接確認するのが確実です。業界平均との比較はAI人材の年収相場で整理しています。
選考プロセス：3週間〜の短期決戦
公開情報に基づくと、ABEJAの選考は一般的に3週間程度で完結するスピード重視の傾向があります。オンライン面接3〜4回を中心に以下のフローで進行します。
Step 1：書類選考・カジュアル面談
履歴書・職務経歴書の審査後、リクルーターまたは現場マネージャーとのカジュアル面談（30〜45分）。業務内容・組織構造・働き方のすり合わせが中心。応募者の志向性と募集ポジションのマッチを事前確認する目的が強い。
Step 2：技術面接／コーディング課題
エンジニア職・データサイエンティスト職の場合、技術課題（コーディング課題の提出 or ライブコーディング）が課されるケースが多い。機械学習モデルの設計思想、Python実装力、システム設計センス、SQLの理解、論文要約などが問われます。
Step 3：現場面接（ケース面接 / プロジェクト深堀り）
実際に一緒に働くことになるチームリードやテックリードとの面接。過去プロジェクトの意思決定を深堀りし、「技術的選択の理由」「ビジネスとのバランス」「失敗からの学び」を引き出す質問が中心。コンサルタント職の場合は顧客課題を題材にしたケース面接が実施されることもあります。
Step 4：役員／CTO面接
最終ラウンドは役員・CTO・CEOクラスとの面接。カルチャーフィット、長期キャリアビジョン、ABEJA経営理念（「ゆたかな世界を、実装する」）との共振が確認されます。
Step 5：オファー
年収・ポジション・入社時期のすり合わせを経てオファー提示。現職退職のスケジュール調整や、入社前の技術インプットのサポートまで伴走する文化があります。
面接で問われる具体的トピック
エンジニア／データサイエンティスト向け
- 機械学習モデルの選定理由と評価指標の設計根拠
- データパイプライン設計（バッチ・ストリーム、品質モニタリング）
- MLOps（デプロイ、A/Bテスト、ドリフト検知、リトレーニング自動化）
- LLM／RAG／エージェント実装の具体経験
- 顧客要件と技術的理想のトレードオフ経験
- GPU最適化・分散学習（シニア向け）
DX・AIコンサルタント向け
- 顧客のビジネスモデル理解と課題定義フレーム
- AI PoCの成功基準設定とリスク評価
- 要件定義・ステークホルダー調整の具体プロセス
- AIガバナンスの観点（セキュリティ・プライバシー・倫理）
- 営業・PMとの協業経験
ABEJA合格者の共通パターン
- 顧客課題解決の具体エピソードを5件以上、STAR形式で語れる
- LLM・生成AIの最新論文やOSSを追っており、自分の言葉で要約できる
- 技術的選択理由を「代替案と比較した上で」説明できる
- 上場企業らしいガバナンス意識（セキュリティ・契約・品質）に違和感がない
- 英語ドキュメントを抵抗なく読める（TOEIC 700以上目安）
落ちやすいパターン
- 「フレームワーク使用歴」止まりで、理論・実装の両方に深掘りできない
- 顧客折衝の経験が浅く、要件定義のプロセスを語れない
- 上場企業特有の内部統制・規制対応への理解がない
- 「研究に専念したい」志向で、Deliveryコミットを避けたい様子が強い
- AIガバナンス（バイアス・プライバシー）への感度が低い
補足として、「研究に専念したい」人はABEJAよりSakana AIの方がフィットする可能性が高いです。ABEJAは「研究成果を顧客に届けるまで」にこだわる組織カルチャーを持っており、研究×顧客デリバリーのバランスが取れる人材が合います。
選考準備：6週間の推奨ロードマップ
- Week 1〜2：Python・PyTorch・SQLの基礎コードを書き直し、GitHubに再整備。過去プロジェクトをSTAR形式で棚卸し。
- Week 3：LLM・RAG・エージェントの最新論文を5本精読（Attention Is All You Need以降の代表論文＋直近のLLMアーキテクチャ）。
- Week 4：ABEJA公式ブログ・Tech Blog・登壇資料（CEO岡田氏・CTO・各エンジニア）を読み込み、技術方針を把握。
- Week 5：模擬面接（ケース面接・技術面接）を録画して自己評価。
- Week 6：応募書類最終化（職務経歴書は「顧客課題・データ・モデル・ビジネスインパクト」の4軸で整理）＋公式採用ページから応募。
ABEJAで働くメリット・デメリット
メリット
- 上場企業の安定性：ストックオプションだけでなくベースサラリーでも納得感のある水準
- エンタープライズ顧客との深い実装経験：PoC止まりでない案件が中心
- AIガバナンス・政策レイヤーにアクセスできる稀有なポジション
- フルリモート可、勤務地・時間の柔軟性
- 英語話者との協業機会があり、国際キャリアへの接続も可能
デメリット／合わない人
- 純粋な研究だけに注力したい人（Sakana AIの方が向く可能性）
- 超大規模コンシューマートラフィックのAIを扱いたい人（ByteDance・メルカリ・LINEヤフー等向き）
- 海外拠点で働きたい人（ABEJAは国内法人が主で、海外はIndia等の一部拠点）
- 上場企業の内部統制・契約プロセスに疲れる人
ABEJAと比較すべき企業
- 日系AIスタートアップ：Sakana AI、PFN、RAISON、Stockmark、AI inside、Tier IV
- GAFAM日本法人：GAFAM AI部門の日本人転職・OpenAI日本オフィス
- 日系メガベンチャー：メルカリ、LINEヤフー、Rakuten、サイバーエージェント、DeNA、ZOZO
- AI受託開発企業：AI受託開発企業一覧
- 海外転職：イギリス・韓国・台湾・中国
まとめ：ABEJAは「日本AI実装キャリアの王道選択肢」
ABEJAは、日本のAI実装キャリアを歩む上で最も王道に近い選択肢の1つです。上場企業の安定性、エンタープライズ案件の重み、LLM／生成AIへの投資、AIガバナンス領域での存在感、英語環境などの要素がバランス良く揃っており、「顧客価値に直結するAIを作りたい」エンジニア・データサイエンティスト・コンサルタントにとって極めて魅力的な環境です。
一方で、純粋な研究志向の方にはSakana AIやアカデミアの方が向くのも事実。自身のキャリアゴールと合わせて、Sakana AI・ABEJA・GAFAM日本法人・海外転職を並行検討し、複数のオファーを比較できる状態を作るのが最適解です。応募前には生成AIスキル習得ロードマップと機械学習 独学 完全ロードマップでスキル棚卸しを行い、6週間の準備期間を取って挑戦してください。最新の募集内容はABEJA公式採用ページ（careers.abejainc.com）でご確認ください。