未経験から“AI人材”に　データサイエンティストが伝える「機械学習を学ぶ意味」（3/5 ページ）

仕事が楽しくなる、課題の見つけ方

　では、実際の業務の中で、機械学習を使うと効果が出そうなシーンや課題を見つけるにはどうすればよいでしょうか。

　このとき重要なのは、手段から考え始めるのではなく、ビジネス課題を見つけることから始めることです。課題があってこそ、解決の手段は意味のあるものになるため、まずは仕事上の課題を見つけましょう。

　日々、多くの業務に追われていると、目先の作業をこなすことで頭が一杯になりがちですが、そんな当たり前の業務に一度立ち止まって向き合ってみると、実は解決できる課題が浮かんでくるはずです。

　課題の見つけ方のポイントとしては、日々の業務で「繰り返しで面倒くさい」「何度もやるのがだるい」と思うことは何か？　そこにヒントが隠されています。なぜなら、AI・機械学習はそういった「繰り返しで面倒くさい」「何度もやるのがだるい」を解決するのが得意だからです。

　日々の業務を自動化するのに向いているのは、以下の3つの特徴がある業務です。

（1）毎日同じことを繰り返す「ルーティンワーク」

（2）人数や時間さえあれば終わる「マンパワーで解決できる仕事」

（3）ベテラン社員にはできる「職人芸」

　毎日同じことをしているな、単純作業だな、と感じる作業はルーティンワークです。毎月同じ交通費など経費の入力をする、メールの定型文を打つ、などの作業は、AIを使って自動化できるかもしれません。

　また、大量の顧客データを整理する、膨大な資料の中から欲しい資料を探し出すなど、マンパワーで解決できる仕事や、経験やスキルを持っている人しかできない、”職人芸”ともいえる仕事もAIに頼ることができます。

　まずは、担当業務でAIを使える仕事にはどんなものがあるか思い浮かべてみましょう。

　他にも課題を見つける考え方として、以下の3つのステップを踏んでみるのもおすすめです。

課題解決の3つのステップ

（1）現状を把握する

（2）あるべき姿を考える

（3）「現状」と「あるべき姿」の差分を認識する

この記事の著者

関連記事

• 

  エンジニア以外も「AIの仕組み」を学ぶべき理由　機械学習とディープラーニングの違いは？

• 

  文系でも分かる「機械学習」のススメ　教師あり／なし、強化学習を解説

• 

  文系記者が「データサイエンティスト育成スクール」に通った結果

• 

  年収180％アップも　「データサイエンティスト」注目される理由　専門家が”必要なスキル”解説

• 

  優秀なデータサイエンティストは”言語力”が違う　データ分析で企業はどう変わるのか