Work Horizon編集部
Preferred Networksとは
Preferred Networks（PFN）は、2014年に設立された日本を代表するAIスタートアップ企業です。ディープラーニングを中心とした機械学習技術の研究開発を行い、自動運転、ロボティクス、ヘルスケア、製造業、創薬など幅広い分野でAI技術の社会実装を推進しています。
PFNの特徴は、AI半導体（MN-Core）、計算基盤、生成AI基盤モデル、ソリューション・プロダクトという「AIのバリューチェーン」を自社内で垂直統合している点です。政府の国家AI戦略にも参画しており、日本のAI産業を牽引する存在として広く知られています。
なお、以下の情報は公開情報や口コミサイトの情報に基づくものであり、選考基準や内部情報を保証するものではありません。最新の採用情報はPFN公式採用ページでご確認ください。
PFNの転職難易度が高い理由
PFNはAI業界の中でも特に転職難易度が高い企業として知られています。その理由は以下の通りです。
世界レベルの技術者が集まる環境
PFNには、機械学習、コンピュータービジョン、自然言語処理、ロボティクス、半導体設計など、幅広い分野の世界レベルの技術者が在籍しています。口コミサイトによると、「世界レベルの技術者が揃っているため、相当な能力がないと出世は難しい」とされています。
技術面接の難易度が高い
PFNの面接は技術面接の比重が大きく、面接官は優秀なエンジニア・リサーチャーであることがほとんどです。「広い＆深い技術力」が求められ、典型的なメガベンチャーの技術面接（過去の経験を話すだけ）とは異なり、知識の深さと幅を問われます。
一芸だけでは不十分
PFNでは「幅広い分野に精通している人が多く、一芸に秀でているだけでは厳しい」とされています。特定の技術領域だけでなく、隣接分野への理解や、研究と実装の両方ができる力が評価されます。
PFNで求められるスキル・経験
| スキル領域 | 求められるレベル | 備考 |
|---|---|---|
| プログラミング | Python/C++の高い実装力 | PFNはChainerの開発元。PyTorch/JAXの経験も有利 |
| 機械学習・深層学習 | 研究レベルの理解 | 論文を読んで実装できるレベル |
| 数学・統計 | 大学院レベルの基礎 | 線形代数、確率統計、最適化が前提 |
| 論文・研究実績 | トップカンファレンスでの発表歴があると有利 | リサーチ職は必須に近い |
| ドメイン知識 | 応募分野（ロボティクス/創薬/材料等）の理解 | 分野横断的な視点も重視 |
PFNの年収水準
各種口コミサイトや給与データベースによると、PFNの年収は日本のIT企業の中でもトップクラスとされています。ただし、具体的な金額は職種・グレード・交渉力によって異なるため、数字の断定は避けます。最新の年収データはOpenWorkやOpenSalary等でご確認ください。
PFNの給与水準が高い背景には、世界レベルの技術者を引きつけるための報酬設計と、GAFAMや海外AI企業との人材獲得競争があります。
PFNへの転職を成功させるための対策
対策1：技術力の幅と深さを両方磨く
PFNでは「一芸」だけでなく、隣接分野への理解も求められます。自分の専門分野を深めつつ、関連分野の論文やプロジェクトにも手を広げることが重要です。
対策2：研究実績を積む
リサーチ職を目指す場合、トップカンファレンス（NeurIPS、ICML、CVPR等）での論文発表実績が大きなアドバンテージになります。エンジニア職でも、研究的な視点を持つことは評価されます。
対策3：OSSへの貢献やポートフォリオを整える
GitHubでのオープンソース貢献、技術ブログの発信、個人プロジェクトの公開など、技術力を外部から確認できる形にしておきましょう。
対策4：PFNの技術ブログや論文を読む
PFNは技術ブログや論文を積極的に公開しています。面接前にPFNの技術スタックや研究テーマを理解しておくことで、技術的なディスカッションに備えられます。
対策5：インターンシップを活用する
PFNは新卒・中途ともにインターンシップを実施しています。インターン経由での採用は双方のミスマッチを減らせるため、活用を検討しましょう。
人材エージェント事業の現場では、PFNへの転職を目指すエンジニアからの相談を受ける機会があります。成功した方に共通するのは、「特定の技術で深い専門性を持ちつつ、それを他の分野にも応用できる柔軟性を持っている」ことです。PFNの面接では「あなたの研究をこの分野に応用するとどうなりますか？」のような分野横断的な質問が出ることがあり、単なる知識のインプットではなく「応用力」が問われます。準備として、自分の専門分野の技術をPFNの事業領域（ロボティクス、創薬、材料等）にどう活かせるかを具体的に考えておくことを推奨しています。
出典について
本記事の情報は公開情報・口コミサイト・採用ページの情報に基づいています。選考基準や内部情報を保証するものではありません。最新の採用情報はPFN公式採用ページでご確認ください。年収データは調査時点により異なります。
主な参考（最終確認: 2026年4月）： Preferred Networks 採用情報、 OpenWork、 project COMP