「機械学習でフリーランスをやりたい」という相談を受けるとき、私はまず「どの機械学習の話をしていますか」と聞き返す。
論文実装や研究開発をイメージしている人が多いが、市場に実際に流通している案件はそれとは別物だ。私はHeyday株式会社の代表として、案件メールを構造化してデータベース化している。そこで生成AI・データ領域の案件を毎日見ている立場から言うと、MLエンジニアのフリーランス案件は4つの類型に分かれ、そのうち研究寄りの案件は最も件数が少ない。
この記事では、案件データベースの実測値をもとに、機械学習エンジニアのフリーランス案件の単価・リモート率・案件の中身を公開する。キャリアパスとしての選び方は機械学習エンジニアのキャリアパス完全ガイドで扱っているので、本記事は「実際に流通している案件そのもの」に絞る。
単価の実測値【Heyday案件データベース】
まず数字から出す。Heydayが受領した案件を技術タグ別に集計した結果が次の表だ。
| 技術タグ | 案件数 | 単価上限の中央値 | 上限のp25〜p75 | 上限の最大 | リモート可率 |
|---|
| 生成AI/LLM/RAG | 218件 | 100万円 | 80〜120万円 | 150万円 | 78.9% |
| GCP | 174件 | 90万円 | 77〜110万円 | 140万円 | 84.0% |
| Databricks | 35件 | 92.5万円 | 75〜100万円 | 120万円 | 85.0% |
| データ基盤/ETL | 150件 | 80万円 | 70〜90万円 | 170万円 | 79.5% |
| Python | 959件 | 75万円 | 65〜90万円 | 160万円 | 71.5% |
| Snowflake | 70件 | 70万円 | 65〜90万円 | 120万円 | 84.4% |
出典：Heyday案件データベース実測（2026年3月〜8月）。単価は案件票に記載された単価上限の中央値で、記載があった案件のみで集計（生成AI/LLM/RAG 60件、データ基盤/ETL 54件、Python 303件など）。リモート可率はリモート可否の記載があった案件に占める割合。1案件が複数タグに該当する場合がある。
この表から読み取れることは3つある。
1. 生成AI/LLM/RAGタグの単価が突出している。 単価上限の中央値100万円は、Python単体（75万円）に対して25万円高い。同じPythonを書いていても、案件がLLMアプリケーションの実装であるかどうかで、提示される上限が四半期分の差になる。
2. データ基盤/ETLは単価より件数と安定性で効く。 中央値は80万円と生成AIに劣るが、案件数150件、直近3ヶ月で27件と継続的に発生している。生成AI案件の直近3ヶ月は16件で、母数は多いが足元の流量はデータ基盤のほうが厚い。単価だけを見て生成AIに寄せると、案件の切れ目でつまずくことがある。
3. リモート可率が全体的に高い。 生成AI78.9%、データ基盤/ETL79.5%、GCP84.0%はいずれも高水準だ。Java（60.7%）やインフラ/NW（52.9%）と比べると、この領域の働き方の自由度は明確に高い。
流通している案件の4類型
同じ「機械学習案件」でも、案件票の中身は大きく4つに分かれる。求められるスキルも単価レンジも違うので、自分がどれを狙うのかを決めてから動くべきだ。
類型1：生成AI応用（LLM/RAGアプリケーション実装）
現在最も単価が高く、案件票の書きぶりが最も具体的なのがこの類型だ。社内文書検索、問い合わせ対応、ドキュメント生成といった業務適用が中心で、求められるのは以下のようなスキルになる。
- LLM API（OpenAI/Anthropic等）を使ったアプリケーション実装
- ベクトルDB・埋め込み・チャンク設計を含むRAGパイプラインの構築
- LangChain / LlamaIndex等のフレームワーク経験
- 評価設計（回答精度の測定、ハルシネーション対策）
注意点は、モデルを訓練するスキルより、アプリケーションを作り切るスキルが求められることだ。実質的にはPython + API + インフラのバックエンド案件に近い。詳しい単価内訳はLLMエンジニアのSES単価、フレームワーク別の要件はLangChain/RAGエンジニアのSES単価で扱っている。
類型2：データ基盤・ETL構築
機械学習の前段にあたるデータ整備の案件だ。件数が安定して多く、MLからの参入と、バックエンド・インフラからの参入の両方がある。
- SQL・データモデリング（ここが最重要）
- ETL/ELTパイプライン（Airflow、dbt、Glue等）
- クラウドDWH（BigQuery、Snowflake、Redshift、Databricks）
- データ品質・監視の設計
単価上限の中央値は80万円だが、最大値は170万円まで伸びている。上位案件はDWH移行やデータガバナンス設計といった上流工程で、実装だけでなく設計から任される案件だ。詳細はデータエンジニアのフリーランス単価を参照してほしい。
類型3：予測モデル・需要予測などの適用開発
いわゆる従来型の機械学習案件だ。需要予測、異常検知、レコメンド、与信スコアリングなど、業務課題に統計・機械学習モデルを適用する。
案件数としては生成AI・データ基盤より少なく、事業会社の内製チームに吸収されている傾向がある。フリーランス案件として出てくる場合、業務ドメインの理解（小売、製造、金融など）が要件に含まれることが多い。
類型4：MLOps・推論基盤の運用
モデルを本番で回し続けるための基盤側の案件。CI/CD、モデルのバージョニング、推論APIのスケーリング、GPU基盤の運用などを担う。
この類型はSRE・クラウドインフラのスキルセットと重なる。SREタグの単価上限の中央値は90万円、リモート可率93.1%と好条件だが、案件数77件と母数は小さい。ML経験に加えてクラウド運用経験がある人にとっては、競合が少ない狙い目のポジションだ。
参画要件のリアル
案件票に書かれた要件と、実際に通る条件はしばしば違う。案件を出す側・提案する側の両方をやっている立場から、実際のところを書いておく。
「機械学習の実務経験3年以上」の実際の意味
この文言は、論文実装3年ではなく「本番で動くコードを書いた経験3年」を指していることが大半だ。生成AI案件の場合、LLM自体の経験は1年未満でも、Pythonでのバックエンド開発経験が5年あれば通ることがある。生成AIというカテゴリ自体が新しいため、要件年数を額面どおり運用すると誰も採用できないからだ。
一方で、Pythonの実務経験そのものが浅い場合は、生成AI経験があっても通らない。土台になっている言語経験は代替が効かない。
単価100万円の案件で実際に求められること
単価上限120万円以上の案件を見ていくと、共通しているのは「実装だけでなく方針を決められること」だ。
- 技術選定の判断（どのモデル、どの構成にするかを根拠付きで決める）
- 精度が出ないときの原因切り分けと打ち手の提示
- クライアントの非エンジニアに対する説明責任
つまり単価の差は、コーディング速度ではなく意思決定の範囲で決まっている。この構造はML領域に限らず、SESから上流工程に行く方法で扱っている単価と工程の関係と同じだ。
商流と単価の関係
生成AI/LLM/RAGタグ218件のうち、商流の記載があったのは8件（うちエンド直7件）にとどまる。この領域も他技術と同様、案件票に商流はほとんど書かれていない。単価が高い分、間に会社が入っていた場合の目減り額も大きくなるため、参画前に社数を確認しておくべきだ。判定手順は一次請けとはにまとめている。
これから狙う人の現実的なルート
未経験からいきなりML案件に入るのは難しいが、隣接領域からの移動は現実的だ。実測データが示す最短ルートは次の2つになる。
- Pythonバックエンド → 生成AI応用：Pythonの実務経験を土台に、LLM APIを使った機能を現職で1つ本番投入する。案件票で求められているのはモデル研究ではなく実装力なので、この1件が最も強い実績になる
- SQL・データ分析 → データ基盤/ETL：SQLの実務経験があれば、dbtやAirflowを実務で触った経験を1つ積むだけで案件の対象になる。件数が安定しているため、案件が切れにくい
いずれのルートでも、押さえるべきは「本番で動かした」という一点だ。個人開発やチュートリアルではなく、業務システムに載せた経験があるかどうかで案件の通過率が変わる。書き方はSESスキルシートの書き方を参考にしてほしい。
生成AI領域の需要動向そのものは生成AIエンジニアの需要予測2026、Python案件全体の相場はPythonエンジニアのSES単価で扱っている。
よくある質問
Q. 機械学習エンジニアのフリーランス案件の単価はいくらですか？
Heyday案件データベース実測（2026年3月〜8月）では、生成AI/LLM/RAGタグの単価上限の中央値が100万円、p25〜p75で80〜120万円です。データ基盤/ETLタグは中央値80万円、Python全般は75万円でした。いずれも案件票に単価上限の記載があった案件のみの集計値です。
Q. 研究職の経験がなくてもML案件に入れますか？
入れます。実際に流通している案件の多くは、モデルの研究開発ではなくLLM APIやデータパイプラインを使ったアプリケーション実装です。研究経験より、Pythonでの本番開発経験とクラウド運用経験のほうが評価されます。
Q. 生成AI案件とデータ基盤案件はどちらを狙うべきですか？
単価の高さを取るなら生成AI、案件の切れにくさを取るならデータ基盤です。直近3ヶ月の発生件数はデータ基盤/ETL 27件に対し生成AI 16件で、足元の流量はデータ基盤のほうが厚くなっています。長期的にはデータ基盤を土台に生成AI案件へ広げる形が安定します。
Q. ML案件はリモートで働けますか？
リモート可否の記載がある案件のうち、生成AI/LLM/RAGで78.9%、データ基盤/ETLで79.5%、GCPで84.0%がリモート可でした。Java（60.7%）やインフラ/NW（52.9%）と比べて明確に高く、この領域は働き方の自由度が高い部類に入ります。
Q. Kaggleの実績は案件獲得に有効ですか？
補助的には有効ですが、決定打にはなりません。案件側が見ているのは本番システムへの実装経験と、その運用経験です。Kaggle上位実績があっても本番投入経験がゼロだと、単価100万円クラスの案件では通りにくいのが実情です。
まとめ
機械学習エンジニアのフリーランス案件は、実測で見ると次のような市場だ。
- 生成AI/LLM/RAG案件の単価上限は中央値100万円、上位で120万円超。Python単体より25万円高い
- 実際に流通しているのは研究開発ではなく、LLMアプリケーション実装とデータ基盤構築が中心
- リモート可率は8割前後で、他技術より働き方の自由度が高い
- 単価の差はコーディング力ではなく、技術選定と説明責任を担えるかで決まる
SES経営者として付け加えると、この領域は要件年数が形骸化しやすい。新しい技術ほど「3年以上」という文言を額面どおり運用できないからだ。案件票の年数要件を見て自分から降りてしまうのが最ももったいない。
自分のスキルでいくらの案件に入れるか、確認しませんか
Heydayでは契約単価・マージン・商流をすべて開示している。生成AI・データ領域の案件についても、単価の内訳を提示したうえで相談に乗っている。
案件例を見てみる →
キャリア相談をする →
関連記事
