生成AI活用をスキルシートにどう書く？"使ってました"で終わらせない3つの型

「Copilot使ってました」「ChatGPTで調べてました」——生成AI経験をスキルシートに書こうとして、手が止まった経験はないだろうか。
使ってはいる。
でも、いざ書こうとすると「これ、どう表現すればいいんだ？」となる。
3年間で約500人のスキルシートを見てきた元SESエージェントの立場から、伝わる書き方の型を整理する。

---

「AI使ってます」で手が止まる理由——PC・インターネットの歴史が教えてくれること

スキルシートを開いて、技術スタック欄に「GitHub Copilot」と打ち込む。そこで手が止まる。

「……で、何を書けばいいんだ？」

この感覚、実はあなただけじゃない。
多くのエンジニアが同じところで詰まっている。
理由はシンプルで、AI活用は「スキル」ではなく「前提」になりつつあるからだ。

少し昔話をさせてほしい。
1990年代後半、「パソコン使えます」は立派なスキルだった。
ExcelやWordが使えるだけで職場で重宝された時代がたしかにあった。
しかし今、履歴書に「Excel使えます」とだけ書く人はいない。
使えて当たり前だからだ。

インターネットもそうだった。
「ネットで情報収集できます」が強みだった時代は、ほんの20年前の話。
今それを書いたら笑われる。

生成AIも同じ道をたどる。
2026年現在、GitHub Copilot、ChatGPT、Claude
——これらを日常的に使っているエンジニアはもう珍しくない。

問題は「使えない側」の末路だ。
PCを拒否した事務職がどうなったか。
Excelを覚えなかった経理がどうなったか。
歴史は繰り返す。AIを使いこなせないエンジニアは、確実にポジションを失っていく。

だからこそ、スキルシートでの書き方が重要になる。
「使ってます」は当然として、どう使ったか。何が変わったか。そこで自分は何を判断したか。
ここまで書けるかどうかで、書類の通過率は変わる。

---

ツール名だけのスキルシートが伝わらない理由

エージェント時代、こういうスキルシートを山ほど見てきた。

使用ツール：GitHub Copilot、ChatGPT、Notion AI

これだけ。本当にこれだけ。

問題は、この書き方だと100人全員が同じに見えるということだ。
採用側・営業側が知りたいのは「何のツールを使ったか」ではない。

知りたいのはこの3つだ。

• そのツールで何をしたのか（用途）
• 導入して何が変わったのか（成果）
• AIが出したものに対して自分はどう判断したのか（関与範囲）

以前「面談に呼ばれるスキルシートと、書類で落ちるスキルシートの違い」でも書いたが、スキルシートは「やったこと」の羅列ではなく「どう考えて動いたか」の伝達手段だ。AI活用の記載も例外ではない。

どの欄に書けばいいのか？

「で、スキルシートのどこに書けばいいの？」という疑問が浮かぶ人も多いと思う。
結論、書く場所は用途で変わる。

• 技術スタック欄：ツール名だけでいい。ここは一覧性が優先。「GitHub Copilot」「ChatGPT API」などを並べる場所
• プロジェクト概要・業務内容欄：型①〜③の出番。具体的に「どう使い、何が変わったか」を案件ごとに書く
• 自己PR・職務要約欄：複数案件を横断して「自分のAI活用スタンス」をまとめる場所。型③の切り分けが特に効く

迷ったら「技術スタック欄にツール名、業務内容欄に具体的な活用内容」の2箇所で書いておけば十分だ。

---

生成AI経験を"伝わる実績"に変える3つの型

ここからは、実際にスキルシートに書くときに使える3つの型を紹介する。

型①：ツール × 用途 × 成果の三点セット

最もシンプルで汎用性が高い。

NG例：

GitHub Copilotを使用

OK例（大きめの活用）：

GitHub Copilotをテストコードの自動生成に活用し、単体テストの作成工数を約40%削減

OK例（日常レベルの活用）：

GitHub Copilotをコード補完に活用。定型的なCRUD処理やボイラープレートの記述速度が向上し、実装フェーズのリードタイムを約2割短縮

「いやいや、自分はTab押してサジェスト受け入れてるだけだよ」という人もいると思う。
しかし、それだけでも「定型処理の記述を高速化した」と書ける。
派手な活用じゃなくても、三点セットに落とし込めば形になる。

「何のツールで」「何をして」「何が変わったか」を一文にまとめる。
以前「エンジニアの自己PRを『STAR法』で構造化する」で紹介したフレームワークとも相性がいい。
STARのAction部分にツール活用を、Result部分に成果を入れるだけでいい。

型②：Before/Afterで変化を数字にする

導入前と導入後を対比させるパターン。特にチーム単位の改善を示すときに効く。

例（チーム導入系）：

ChatGPT APIを社内ナレッジ検索に組み込み、問い合わせ対応の平均所要時間を15分→5分に短縮（チーム5名の運用フロー改善）

例（個人の日常活用）：

ChatGPTをエラー調査の初動に活用。ログ解析の仮説立てまでの時間を平均30分→10分に短縮し、障害対応の初動を高速化

ポイントは数字を入れること。
「効率化しました」では伝わらない。
分・件数・パーセント、何でもいい。
正確な計測値でなくても「約」「推定」をつければ問題ない。
具体的な数字が入るだけで信頼度が段違いに変わる。

型③：AIに任せた範囲と自分が判断した範囲を切り分ける

3つの中で一番差がつくのがこの型だ。

例（レビュー系）：

Copilotが生成したコードに対し、セキュリティ観点でのレビュー・修正を担当。SQLインジェクション対策が不十分なケースを3件検出し、手動で修正

例（日常レベル）：

ChatGPTの提案をもとにDB設計の選択肢を洗い出し、パフォーマンス要件との照合・最終判断は自身が担当

これは**「AIを使ったうえで、自分は何をしたか」**を明示している。
面談でも深掘りしやすいし、「この人はAIに丸投げしていないな」と伝わる。

実は「ChatGPTに聞いて、その通りにやりました」でも、何を質問したか・出力のどこを採用してどこを却下したかを書けば立派な実績になる。
全部自力で考えることだけが価値ではない。
AIとの協業プロセスを言語化できること自体が、今の時代のスキルだ。

---

バイブコーディング時代、スキルシートで問われることが変わる

2025年頃から「バイブコーディング（Vibe Coding）」という言葉が広がり始めた。AIに指示を出しながら、ノリで動くものを作るスタイルだ。

実際、プロトタイプレベルなら自然言語の指示だけで動くアプリが作れる時代になった。
コードを一行も手打ちしなくても「それっぽいもの」は完成する。

ここで重要な問いが生まれる。

「誰が作っても同じもの」ができる時代に、エンジニアの価値はどこに残るのか？

ツールごとに「得意な工程」が違う——ここを理解しているかが分かれ目

「AI使ってます」と一口に言っても、Codex、Claude、Cursor——それぞれ得意領域がまったく違う。
ここを理解したうえでスキルシートに落とし込めている人は、現時点ではほとんどいない。

• 要件定義・設計フェーズ：Claudeのようなチャット型AIが強い。要件の壁打ち、設計観点の洗い出し、仕様の矛盾チェックに向いている
• 実装フェーズ：CursorやCopilotのようなエディタ統合型が強い。コード補完、テスト生成、日常の実装速度を底上げする
• 保守・リファクタ：Codexのようなエージェント型が強い。既存コードのリバースエンジニアリングや大規模リファクタを任せやすい

スキルシートに「AI使ってました」と書くのと、「要件定義フェーズではClaudeで仕様の壁打ちを行い、実装フェーズではCursorでコード生成、保守フェーズではCodexでリバースエンジニアリングを実施」と書くのでは、伝わる情報量が桁違いだ。

どの規模のプロジェクトで、どのツールを、どの工程に組み込み、日常の作業フローにどう落とし込んだか。
ここまで言語化できれば、スキルシートの説得力は一段も二段も上がる。

「何人月を何人月に落としたか」が最強のアピールになる

特にフリーランスや業務委託で効くのが、工数インパクトの定量化だ。

例えば：

従来3人月の見積もりだった管理画面開発を、Cursor + Claude の併用で1.5人月で完了

これが書けると、採用側やエージェントは「この人を入れると、AI活用込みでこのくらいのアウトプットが期待できる」と判断できる。
数字の精度が多少荒くても、"AI込みの生産性"を示せるだけで他の候補者と差がつく。

それでも、クリティカルな判断は人間がやる——これは今後も変わらない

コード生成やリバースエンジニアリング——作業効率は確かに格段に上がった。
だが、要件の優先順位を決めること。アーキテクチャの方針を選ぶこと。リリースの可否を判断すること——
こうしたクリティカルな意思決定は、AIには任せられない。

ここは普遍的だ。AIがどれだけ進化しても、エンジニアやPMが判断する領域は残り続ける。

だからこそスキルシートでは「AIで高速化した作業」と「自分がオーナーとして判断した意思決定」を明確に切り分けることが大事になる。この切り分けができている人は、バイブコーディング時代でも確実に選ばれる。

---

NG例 → OK例：Before/After

最後に、ありがちなNG例と修正後のOK例を並べておく。

NG例：

【技術スタック】GitHub Copilot、ChatGPT、Claude 【概要】生成AIを活用して開発効率を向上させた

OK例：

【AI活用】 ・GitHub Copilot：テストコード生成に活用。単体テスト作成工数を約40%削減 ・ChatGPT API：社内FAQボットのプロンプト設計・チューニングを担当。問い合わせ対応時間を15分→5分に短縮 ・Claude：設計レビュー時の観点洗い出しに活用。レビュー指摘の網羅率を改善（チーム内での見落とし件数が月平均8件→2件） ※いずれもAI出力に対するレビュー・修正は自身が担当

NG例との差は一目瞭然だと思う。ツール名だけの羅列から、用途・成果・関与範囲が読み取れる記載に変わっている。

以前「GitHubプロフィールだけでは伝わらないこと」でも触れたが、ツールの使用実績は"見せ方"で価値が変わる。AI活用も同じだ。

どの案件に書くべきか？

「全部の案件にAI活用を書くの？」という疑問もあるだろう。
目安はこうだ。

• 直近1〜2件：具体的な活用内容を業務内容欄に書く（型①〜③を使う）
• それ以前の案件：技術スタック欄にツール名を入れる程度でOK
• 自己PR・職務要約欄：案件横断で「AIとの協業スタンス」をまとめる

全案件に同じ密度で書く必要はない。直近で一番濃く、過去に行くほどシンプルに。これは技術スタック全般の書き方と同じだ。

---

まとめ——AI時代こそ「人の判断」をスキルシートに残す

PCが当たり前になった時代、「PCが使えます」は消えた。
代わりに「何をどう使ったか」が問われるようになった。

生成AIもまったく同じだ。「AI使えます」はもう価値にならない。
スキルシートに残すべきは、AIを使って何を判断し、何を変えたか。
その言語化ができるエンジニアが、次の案件でも選ばれる。

まだスキルシートのAI活用欄が「ツール名だけ」になっている人は、今日この記事の3つの型で書き直してみてほしい。
フォーム入力で体裁を気にせず書き始められるツールもある。まずは手を動かすところから始めよう。

---