購入者向け51 / 210 ページ

アクセンチュア | AIアーキテクト（新卒） | 750万円

質問リスト（黒塗りあり）

① 年齢（例 20代後半）

② 性別

男

③ いつの情報？（例 2023年頃）

2025年

④ どの企業の情報を提供して頂けますか？

アクセンチュア

⑤ オファー額を教えてください

750万円

⑥ 各企業の面接は何ステージに分かれてますか？

全体で6ステージありました。

ES提出 + Webテスト（玉手箱系：言語／非言語／性格）
職種別スキルテスト（IT・プログラミング） AIアーキ職は必須。事前のコーディング／アルゴリズム課題
グループディスカッション（オンライン）
一次面接現場マネージャークラス。ケース面接＋個人面接
最終面接（対面）マネージング・ディレクタークラス。入社意欲・キャリア軸の確認
内定 → オファー面談特に重く感じたフェーズは3つです。
コーディングテスト／アルゴリズム問題 ████████████████をス████████している点が特徴的でした。
一次面接 ████████████をしっかり見てもらえました。
最終面接 ████████、████████████████があるか、████████など、████████問われました。通常のビジネスコンサル職との最大の違いは、████████████████と████の比重の大きさでした。

⑦ 面接対策でやった事を教えてください

主に5つです。

志望動機・キャリア軸の言語化「████████をやりたい」という軸を明確にし、AIエンジニアとAIコンサルをどう位置付けるか整理しました。また、3年後・5年後・10年後のキャリア像も具体化しました。
████████関連の実装経験の棚卸し ████████████████を、課題→アプローチ→結果→学びの形で整理しました。
コーディングテスト／アルゴリズム対策頻出のアルゴリズム・データ構造問題を一周し、時間内完答を意識して練習しました。
ビジネス視点の準備クライアントワークへの興味や、コンサル職へのモチベーションを自分の言葉で説明できるように整理しました。
情報収集 IR資料、技術ブログ、プレスリリースを読み込み、各社のAI戦略を把握しました。

⑧ 内定前と後で見えているエンジニアの世界に違いがあれば教えてください

かなり変わりました。

内定前は、エンジニア＝コードを書く職人というイメージが強かったです。大学や研究室では「技術力＝価値」で評価されることが多く、その延長で考えていました。

内定後は、特にコンサルや大手AI企業では、技術力以上に以下が重要だと感じました。

ビジネス理解
伝える力
プロジェクト推進力 AIアーキテクトは、単に実装するだけでなく、クライアントの経営課題を技術へ翻訳する役割でもあります。

また、事業会社のデータサイエンティスト職でも、事業KPIとの接続が強く求められることを理解しました。

学生と社会人の最大の違いは、コード→モデル→プロダクト→事業数値まで一気通貫で見られるかどうかだと思います。

⑨ 世の中にぶちまけたい事があればなんでも

学生のうちからエンジニアインターンをしていないとエンジニアになりづらい社会には違和感があります。本来ポテンシャル採用であるはずの新卒採用で、実務経験が事実上の前提になっているケースが増えています。

これは家庭環境、地方在住、学業との両立などによってインターン参加が難しい学生にとって構造的な不利になります。企業が即戦力を求める背景には、入社後に育てる文化の縮退もあると感じています。未経験でも挑戦できる間口を広げ、入社後に学べる環境を整備してほしいです。

⑩ 企業で働くエンジニアと学生エンジニアの違いは何ですか？

一番大きいのは、コードの後ろにいるステークホルダーの数です。

学生エンジニア：

個人や研究室内で完結することが多い
論文、成績、学習が主目的
技術選定の自由度が高い
失敗コストが低い企業エンジニア：
事業部、営業、法務、顧客など多方面との調整が必要
長期保守、SLA、コスト、セキュリティを考慮する
失敗が事業インパクトに直結するインターンで本番運用を経験する価値は非常に大きいと思います。

⑪ 周りの学生で良い就職ができている方の特徴を教えて下さい

共通点は3つありました。

早期からアウトプットしている学部1〜2年から長期インターン、OSS、個人開発などの実績がある。
自分の軸が明確研究志向、事業志向、収入志向など、優先順位が整理されている。
情報収集量が多い OB訪問、SNS、勉強会を活用して生の情報を取りに行っている。逆に苦戦していた人は、「エンジニア」「AI」といった抽象的なくくりで広く受けすぎて、軸がブレていました。

⑫ 就活しててこの企業はいいなと思った会社教えて下さい。また黒塗りするのでこの会社はちょっと入社しないかなと思った企業があれば教えて下さい

良い印象だった会社：

Accenture AI案件の多様性、報酬、ブランドのバランスが非常に良かったです。技術者を正当に評価する文化を感じました。
████████████ 純研究ポジションがあり、技術者へのリスペクトを感じました。
████ 研究寄りの文化と自由度が魅力的でした。入社を見送る可能性が高いと感じたタイプ：
AIブームに便乗して参入したが、資金力もAI人材も不足している企業
最新AI開発ツールが使えないSIer／大企業

⑬ 選考中に感じた企業のイメージについての感想を教えてください

アクセンチュアは、事前イメージでは「ゴリゴリのコンサル会社」でした。ただ、選考を通じて印象が変わりました。

一次面接では技術者としての積み上げをしっかり見てもらえました。最終面接ではコーディングテスト結果を踏まえた上で、将来やりたいことやキャリア軸について率直な対話がありました。「コンサル」というラベルだけで判断せず、職種単位で見ることが重要だと感じました。

⑭ これから就職活動をするエンジニア志望の学生へなにかアドバイスがあれば

結論として、自分がどの分野のエンジニアになりたいのかを早めに明確にしたほうがいいです。

AIだけでも役割はかなり違います。

リサーチャー
MLエンジニア
データサイエンティスト
AIアーキテクト
MLOpsエンジニア研究を突き詰めたいのか、事業実装で価値を出したいのか、██████のようなハード寄り領域に行きたいのか。この軸が定まると、インターン選びや研究テーマ選びにも一貫性が出ます。給与だけでなく、研究時間、裁量、ブランド、福利厚生まで含めて総合判断するのがおすすめです。

⑮ 今後どのようなキャリアを描いていきたいですか？

AIのキャリアを歩みたいです。特にPhysical AI領域に軸を置いています。

1〜3年目：

多様なAI導入案件を経験する
技術 × ビジネス × 推進力を鍛える
Physical AI案件への接続を狙う 4〜7年目：
AI技術者として専門性を深める
社内研究ポジションや大型案件のテックリードを目指す 8〜10年目：
スタートアップCTOまたは起業長期的には、研究者としての深さと事業家としての広さを両立させたいです。

年収以上に、技術で社会へインパクトを出せる立ち位置を重視しています。

⑯ アクセンチュアのAIアーキテクトとはどういう仕事？データサイエンティストと違う？

一言で言うと、AIアーキテクトは「大企業にAIを導入するための設計担当」です。

具体的には、クライアントの経営課題に対して、どんなAIモデルを組み込むべきかどのクラウド（AWS / Azure / GCP）を選定すべきかデータ基盤・MLOps・AIエージェントを含めたシステム全体をどう構成するかを設計し、実装・PJ推進まで一気通貫で担う職種です。

データサイエンティスト（DS）との違いは、業務の重心が異なる点です。DS：データ分析・特徴量設計・モデル構築が中心。「分析〜モデル開発」フェーズの専門家。

AIアーキ：単体モデルではなくシステム全体の設計とビジネス価値への翻訳が主戦場。アクセン社内の規模感で見ても、DSはAIアーキの約数倍で、役割の棲み分けは明確です。

DSが「モデル深掘り型」、AIアーキは「上流〜下流貫通型」、という整理が個人的にしっくりきています。※おそらく、AIアーキはかなり採用絞ってそうです。

⑰ 日系SIerとアクセンチュアの選考を受けて感じた違い

私が受けた日系SIerは██████████████████1社のみですが、両社の選考を比較すると、「採用ターゲットの層」と「評価される軸」がかなり違って見えました。

█████████の印象

AIのトップカンファレンス（NeurIPS / CVPR / ICML 等）に通している方や、博士課程在籍者、研究成果が強い人を中心に採用している印象。「研究の解像度」「論文ベースの議論ができるか」が重く問われる。

採用ハードルとしては "研究者寄り" の選抜。アクセンチュア AIアーキの印象評価の比重は「実装力（コーディングテスト）× クライアントワークへのモチベ × キャリアの軸の明確さ」。

研究成果は加点対象だが必須ではなく、「AIをビジネスに翻訳できる人」を広く取りに来ているように感じた。

最終面接でも「AIエンジニアとAIコンサル両側面のうち、コンサル側のモチベはあるか」と踏み込んで聞かれ、技術一辺倒では通らない設計になっていた。

ざっくり言うと、█████████は「研究で尖った人」を選抜

アクセンAIアーキは「実装 × ビジネスの両足が立つ人」を選抜

という違いを強く感じました。同じ "AI職" でも、研究軸で勝負したい人はフューチャーSAIG、ビジネス導入の上流で勝負したい人はアクセン、と適性で分かれる印象です。

💡

黒塗りなしの記事は購入後閲覧できます

この続きは、購入者向けの内容です。

非表示コンテンツ 📝 4,759文字

続きは購入後に閲覧できます。

この教材を購入 ↗

← 前のページアクセンチュア | エンジニア（新卒） | 430万円次のページ →エムスリー | データサイエンティスト（新卒） | 600万円