これからのAIの話をしよう（コンサル編）

「機械に代替されないデータサイエンティスト」に必要な能力とは？（3/3 ページ）

「データに投資を」　企業が今できることは

　データサイエンティストとして活動する中で、東野さんは「企業はもっとデータに投資してほしい」と強く感じたそうです。

　「データ収集や分析ができる環境にお金を掛けてほしいです。データ分析はトライ＆エラーがマストなので、何十回、何百回と分析を繰り返します。インフラにお金を掛けていないと、試行錯誤に時間が掛かってしまう。その時間はお金で買えると知ってほしいですね」（同）

　最近は人の採用が注目されがちですが、その前に企業ができることはまだまだ多そうです。先述した環境作りもそうですが、データサイエンティストにどのようなタスクを与えるかも重要でしょう。過剰な期待を抱く企業が、データサイエンスでは解けない課題を設定しても、それはデータサイエンティストには解けません。

　「タスクの内容で（成果が出るかどうか）8割決まる」と東野さん。「いっそのこと、コンサルタントなど外部の人間に課題設定を相談すると良いかもしれません。それぐらい重要なことですから」と強調します。

　では、データサイエンティスト自身は何をするべきでしょうか。東野さんは「それは役割によって変わります。メンバーレベルならビジネスのキャッチアップと学習時間の確保、1つ上のレイヤーだとビジネス部門との関係性構築です」と話します。

　「技術は日進月歩なので、キャッチアップが大切です。そもそもコードを書く必要があるのかどうかまで考えるべきでしょう。AutoMLやMatrixFlowなど、機械学習モデル作成を効率化するツールはいくらでもあります」（同）

データサイエンティストが不要になる日

　ビジネス部門はデータサイエンスを理解しないといけないし、データサイエンティストはビジネスを理解しないといけない。両方が歩み寄りを続けると、いつの日か「データサイエンティストが不要になってくるのではないか」とすら思います。

　東野さんは「そうなるでしょうね」と答えます。

　「データサイエンティストを名乗る人のほとんどは、Pythonやデータ分析基盤を触れるものの、ビジネス（課題の解決）に弱い人が多い印象です。サイエンスやエンジニアリングはツールに代替されると思っていて、最後まで残るのはビジネスを統計や機械学習で扱える問題に落とし込める人ではないでしょうか」（同）

　また、「統計をしっかり理解している人は、データサイエンスブーム後もあまり増えていないのではないか」（同）とも感じているそうです。

　企業側は、しっかりとビジネスについて考えられる人材を採用する目利きが求められます。したがって、組織をデータサイエンスの力で動かすのに重要なのは、目利きできる人材ではないかと東野さんは考えます。人材会社やツールベンダーにふっかけられないリテラシーも大切です。目利きできる人材をそろえてから、データ分析環境の構築、データサイエンティストの採用と順番に投資していくのがいいでしょう。

取材後記

　手段が目的になってしまうのは典型的な悪いパターンだと、誰もが気付いていることでしょう。しかし、ここ数年のデータサイエンスブームやAIブームは、技術という手段ばかりに注目が集まり、目的が忘れられた典型といえます。

　私には、日本の人手不足がなぜAIやデータサイエンスで解決されるのか全く理解できないですが、政府はAI人材の育成を推進すると発表しています。データサイエンスの現場で仕事をしながら、マクロとミクロでこうも見ている景色は違うのかと感じる日々です。

　分かったつもりが一番怖い。大上段に構えず、地道に課題と技術を結びつけて淡々と進めている企業にこそ、もっと光が当たってほしいと思います。

これからのAIの話をしよう

いま話題のAI（人工知能）には何ができて、私たちの生活に一体どのような影響をもたらすのか。AI研究からビジネス活用まで、さまざまな分野の専門家たちにAIを取り巻く現状を聞いていく。

この連載の記事をもっと見る

この記事の著者

関連記事

• 

  「成果を生み出すデータ分析組織」はここが違う　リクルートのマネジメント術

• 

  「官民一体で大きなうねり作る」　経産省がAI人材育成に乗り出す理由

• 

  AI人材の三者三様、DeNA・メルカリ・ABEJAが語る「いま欲しい人材」

• 

  「エンジニアじゃなくてもAIは使える」　メルカリが求めるAI人材の条件

• 

  「僕と契約してデータサイエンティストになってよ！」　分析少女ありさ☆アリスの悲劇

• 

  未経験からデータサイエンティストになれる？　「死の谷」を越えた独学プログラマーが伝えたいこと