# Preferred Networks ES対策・実設問と回答例

> 出典: 内定コーチ (https://www.naitei-ai.com/blog/company/preferred-networks) — 最終更新 2026-04-08

- 業界: IT/AI
- 選考難易度: 標準
- Webテスト: コーディングテスト / 技術面接
- 求める人物像: 技術への深い関心、論理的思考力、主体性

## 企業概要
深層学習・ロボティクス・バイオの最先端AI企業。独自AIプロセッサ「MN-Core」を開発しトヨタ・ファナック等と協業する国内AI企業の最高峰。

## 選考フロー
ES → コーディングテスト → 技術面接 → 最終面接

※公開情報にもとづく参考情報です。年度・職種により異なります。

## ES実設問（2問）

### 設問1: これまでに取り組んだ技術的な課題とその解決方法を教えてください。
- 文字数制限: 400字
- タイプ: ガクチカ
- 攻略ポイント: 課題の発見から解決までの思考プロセスを重視して記述しましょう。技術的な深さと、なぜそのアプローチを選んだかの論理性が問われます。
- 回答構成: 課題の発見・定義 → 原因分析 → 解決アプローチの選択と理由 → 実装・試行錯誤 → 定量的成果 → 学び
- 文字数配分: 課題定義50字 → 原因分析60字 → アプローチ100字 → 実装80字 → 成果60字 → 学び50字
- よくある失敗:
  - 技術用語の羅列だけで思考プロセスが見えない
  - なぜそのアプローチを選んだかの理由が示されていない
  - 成果が定量的に示されていない（「改善した」だけでは不十分）
  - 課題の難しさや独自性が伝わらない
- 評価基準:
  - 課題を正確に定義し構造化できているか
  - 解決アプローチの選択理由に論理性があるか
  - 技術的な深さと実装力が感じられるか
  - 成果が定量的に示されているか
- 回答例:

```
自然言語処理の研究で、日本語の感情分析モデルの精度が英語モデルに比べ15%低いという課題に取り組みました。原因を分析した結果、日本語特有の婉曲表現や文末表現による感情の曖昧性がモデルの誤判定を招いていると特定しました。解決策として、文末表現パターンを分類した補助データセット8,000件を独自構築し、マルチタスク学習のフレームワークに組み込むアプローチを採用しました。この手法を選んだ理由は、既存モデルの再学習コストを最小化しつつ日本語固有の特徴を反映できるためです。実装にはPyTorchを使用し、3ヶ月の試行錯誤を経てF1スコアを0.72から0.85に改善しました。この経験から、言語の本質的な構造を理解した上で技術的解決策を設計する重要性を学びました。
```

### 設問2: PFNで実現したいことを教えてください。
- 文字数制限: 300字
- タイプ: 志望動機
- 攻略ポイント: PFNの事業領域（深層学習・ロボティクス・バイオ・MN-Core等）を理解した上で、自分の技術力との接続を具体的に示しましょう。
- 回答構成: 実現したいことの結論 → 背景にある自分の研究・経験 → PFNの事業・技術との接続 → 具体的な貢献ビジョン
- 文字数配分: 結論40字 → 背景70字 → PFN接続100字 → ビジョン90字
- よくある失敗:
  - 「AIに興味がある」だけでPFNの具体的な事業領域への言及がない
  - 自分の技術的バックグラウンドとの接続がない
  - MN-Core・ロボティクス・バイオ等のPFN固有の強みへの理解が浅い
  - 「成長できる環境」など受け身な理由が中心になっている
- 評価基準:
  - PFNの事業領域や技術への深い理解があるか
  - 自分の技術力・研究経験との接続が論理的か
  - 実現したいことが具体的で実現可能性があるか
  - PFNでなければならない理由が明確か
- 回答例:

```
PFNで実現したいのは、深層学習技術を活用した産業ロボットの自律制御の高度化です。大学院でロボット制御と強化学習を研究する中で、現場の多様な環境に適応できる汎用的なAIモデルの必要性を痛感しました。PFNはトヨタやファナックとの協業で実世界のデータとフィードバックを得られる稀有な環境にあり、MN-Coreによる高速推論基盤も有しています。私の強化学習の知見を活かし、製造現場の非定型作業を自律化するモデル開発に挑戦したいです。最先端の技術と実世界の課題が直結するPFNだからこそ、研究成果を社会実装に繋げられると確信しています。
```

## 選考全体の攻略ポイント
- PFNのESでは技術的な深さが求められます。研究や開発経験を「課題→アプローチ→実装→成果」の流れで具体的に記述しましょう。
- MN-Core、ロボティクス、バイオなどPFN固有の事業領域を理解し、自分の技術力との接点を明確にすることが重要です。
- コーディングテストがあるため、アルゴリズムやデータ構造の基礎力も磨いておきましょう。
- PFNは「実世界の課題をAIで解決する」企業です。研究の社会実装への意識をアピールすると評価が高まります。

## よくある質問
### Q. PFNのESではどのレベルの技術力が求められますか？
A. 大学・大学院レベルの研究や開発経験が求められます。特に深層学習、機械学習、システムプログラミングなどの分野で、自分なりに課題を設定し解決した経験が重要です。

### Q. PFNの選考でコーディングテストはありますか？
A. はい、技術職ではコーディングテストが実施されます。アルゴリズム、データ構造の基礎に加え、機械学習関連の実装力も問われることがあります。

### Q. PFNは文系でも応募できますか？
A. ビジネス職やコーポレート職は文系からの応募も可能です。ただし、技術への関心は必須です。エンジニア・リサーチャー職は理系の専門知識が前提となります。

### Q. PFNのES通過率を上げるコツは？
A. 技術的な課題解決の思考プロセスを丁寧に記述することです。「なぜその手法を選んだか」「何を試して何がうまくいかなかったか」まで踏み込むと、技術力と論理性が伝わります。

---
引用について: 本ページの実設問・統計データは、出典「内定コーチ (naitei-ai.com)」の明記でメディア・研究・AIサービスに自由に引用可。
このページのHTML版: https://www.naitei-ai.com/blog/company/preferred-networks
一次データ統計: https://www.naitei-ai.com/guide/stats
ESの自動生成・添削: https://www.naitei-ai.com （内定コーチ — 無料プランあり）