【自己紹介】
#Twitter：@Nurruttan / #YouTube：@Nurruttan
【転職支援サービス】
転職を検討しているデータサイエンティスト向けに【完全無料の】転職支援サービスを実施しています！
詳しくは下記をご覧ください！
【キャリア相談サービス】
キャリアに悩むデータサイエンティスト向けにキャリア相談サービスをやっています！
詳しくは下記をご覧ください！
こんにちは、ぬるったんです。
今回は、生成AI時代データサイエンティストはどう変わるか？というテーマで解説していきます。
生成AIはデータサイエンスの延長の技術であり、データサイエンティストに活用が期待される領域の一つでもあります。
そのような中で、生成AIを活用していく場合に、データサイエンティストはどう変わっていくのか？という点について自身の所感を解説していこうと思います。
今回は、生成AIを「企業での活用を推進していく場合」にデータサイエンティストの役割がどう変わっていくか？という目線で解説していきます。
生成AIを使いながら、データ分析業務が効率化される、といった観点ではありませんので、その点だけご留意ください。
生成AIによる変化は？
まず、データサイエンティスト目線で生成AIによってどんな変化があるのか？という点から解説していきます。
モデルは”作るもの”から”使うもの”へ
データサイエンティスト目線での大きな変化点としてはモデルが”作るもの”から”使うもの”へ変化するということです。
従来まではデータを基にデータサイエンティストがモデルを構築してビジネス活用を進めていました。
データの特性を見たり、最適なアルゴリズムを検討して、試行錯誤をしながら、機械学習モデルを構築してビジネスへ適用するという流れです。
そのため、モデルというものはデータサイエンティストが作るものであったというのが、従来までの考え方でした。
一方で、生成AI時代ではモデルは提供される場合がほとんどです。
OpenAIやGoogle、その他ハイパースケーラーが高性能のモデルを構築して、APIやオープンソースとして世に提供される構造になっています。
そのため、モデルというものは提供されたものをいかにうまく使うか？という観点で仕事をすることが求められます。
もちろん、一部の方々はLLM自体を作る・チューニングすることもあると思いますが、大多数の方々はモデルを作る部分に携わることが予想されます。
このように、いままでデータサイエンティストはモデルを”作る”役割であったものが、生成AI時代にはモデルを”使う”立場になってくるというのは大きな変化ポイントです。
実装・企画スキルが重要視される
このような市場変化が起きている中で、データサイエンティストは実装・企画スキルの重要性が高まってきます。
右の図はデータサイエンティスト協会が生成AIについて解説している内容から抜粋してきています。
データサイエンティスト協会の言及では、「生成AI領域では使えるのが当たり前で、むしろ実装や企画の方のスキルが重要になる」という話をしていました。
これは生成AIというのは汎用性が高く、深い知見がなくても使うことが出来るため、何に使うか？という企画力、どのようなシステム・アプリで実現するか？という、実装力が求められてくるということだと理解しました。
実際に、自身の経験談的にも生成AIの活用を進めていく上で、どのように活用したら業務を効率化できるか？新しいユーザー体験を提供できるか？という企画部分は非常に重要だと感じます。
加えて、技術的に実現可能なのか、どのように実現するのかの設計・実装力が肝になってくるというのはプロジェクトに入りながら感じている部分であり、肌感とも相違ありません。
このように、生成AIの活用を推進していく上では従来とは異なる役割を求められていくことが予測されます。
“役割”がどう変わってくるか？
ここからデータサイエンティストの役割がどのように変わってくるのか？を解説していきます。
従来は役割が細分化されていた
左の図はデータサイエンティストの業務と各役割の関連性を示したイメージ図になります。
データサイエンティストの仕事は主に下記の5つのプロセスで進んでいきます。
- ビジネス課題整理
ビジネスの現状を把握し、課題を明確にする - 要件定義
解決策を明確化して、分析要件を具体化する - データ収集・加工
分析に必要なデータを収集し、加工する - 実装
分析を実装する - 検証
示唆を抽出し、成果を検証する
一方、データサイエンティストは役割も細分化されていることが多く、
- ビジネス型
ビジネス力に強みを持ち、ビジネスフェーズで活躍する - サイエンス型
サイエンス力に強みを持ち、分析フェーズで活躍する - エンジニア型
エンジニアリング力に強みを持ち、データ収集・加工フェーズで活躍する
という形で役割が細分化されていることが多いです。
このような中で、各プロセス×各役割で主として活躍する部分がある程度決まっており、業務は細分化することが出来ました。
特に、大型のプロジェクトであると、役割が細分化され、効率的に運営されることがよくあります。
従来まではデータサイエンティストの役割は細分化することができ、一定自身の強みを尖らせて、得意領域で活躍することが出来ていました。
生成AI時代はすべてのプロセスに関わる
一方で、生成AI時代は企画と実装部分に役割が二極化することが予測されます。
生成AIの活用を進めていく上では、生成AIを活用したシステムを構築することが必須であり、モデルに詳しいだけではスキル不足になってしまいます。
そのため、サイエンス力に強みを持った人材もエンジニアリング能力が求められていくと想定されます。サイエンス力だけでは生成AI時代に中々価値を出すことが難しくなってくると感じています。
結果として、ビジネスに特化する”企画”人材とエンジニアリングに特化した”実装”人材に分かれていくことになるでしょう。
そして、この変化により、お互いがすべてのプロセスに関わってくるような形に変わってきます。
もちろん、濃淡はありますが、ビジネス型の人間もシステムの理解をしておく必要があり、エンジニア型の人間もビジネス理解をしておく必要があるでしょう。
このように、生成AI時代ではサイエンス型がエンジニア型に統合され、データサイエンティストとしての役割が二極化されていく流れが強まっていくと感じています。
“スキル”がどう変わってくるか？
ここから、データサイエンティストに求められるスキルがどのように変わっていくのか？という点について解説していきます。
左の図は各型とデータサイエンティストに求められるスキルのマッピングを示しているイメージ図です。
従来は特化した人材が求められていた
従来までは、その名の通り、ビジネス型はビジネス力、サイエンス型はサイエンス力、エンジニア型はエンジニアリング力が求められていました。
前述したように役割が細分化されて業務ができていたので、それぞれの得意領域に特化したスキルがあれば活躍できていました。
もちろん、他のスキルも一定レベルは必要ではありましたが、すべてを網羅的に理解しておく必要性があるかと言われるとそうではありませんでした。
生成AI時代は広範な知識を持った人材が求められる
一方で、生成AI時代では役割が二極化することにより、双方で補うようにスキルを有している必要があります。
ビジネス型の人材もエンジニアリング観点を持った上で、会話する必要がありますし、サイエンス型の人材はエンジニアリングスキルを、エンジニア型の人材もサイエンススキルを求められるようになってきます。
生成AI時代では求められる知識の幅が広範になって、互いに得意領域を補いながら、仕事を進めていくことになるでしょう。
そのため、生成AI時代には求められる知識の幅が大きく広がり、広範な知識を持った人材が求められてくると予測されます。
実際に、私自身も生成AIを推進するプロジェクトに携わっていますが、幅広い知識が求められ、従来までのスキルだけでは中々対応することが難しいと感じています。
このように、生成AI時代では必要となる役割が二極化されることとなり、求められる知識が広範化していく変化が起きてきます。
どのようなスキルを身に付けていくべきか？
最後に、データサイエンティストに求められるスキルが変わっていく中で、どのようなスキルを身に付けていくべきか？という点について解説していきます。
身に付けていくべきスキルはいままで自分がどのようなタイプであったかによって変わってきます。
ビジネス型
ビジネス型の人材はエンジニアリング知識を新たに身に付けていくことが必要です。
生成AI時代では、モデルをシステムに組み込んで使うことが必須になります。
そのため、システム観点で理解・会話できる能力が求められてきます。
単なる技術的な話だけではなく、セキュリティの観点やデータガバナンス的な観点も合わせて考えられる知識が必要になってきます。
生成AIでよく使われるクラウドの技術スタックがどのようなものか？どのような開発をするとどれくらいのスケジュールがかかるのか？など、システム開発における肌感を持っておくことが求められます。
自身で実装できる必要性はないですが、システム開発の観点を抑えて、開発目線でも話ができるレベルまで知識を持っておくことが求められるでしょう。
サイエンス型
次に、サイエンス型の人材はエンジニアリング力を身に付けることが求められます。
サイエンス型の人材は、実装する側に回ることが多いと想定されますが、生成AI時代にはシステム開発力が求められます。
モデルに詳しいだけでは、価値を発揮できる部分は限定的になるので、システム開発ができるエンジニアリング力を身に付ける必要性があります。
LLMを深く理解しながら、LLMを上手く活用するためのシステム開発を身に付けていくことが大きな変化点になるでしょう。
エンジニア型
最後に、エンジニア型の人材はサイエンス力を身に付けることが求められます。
しかし、エンジニア型の人材はそこまで大きな変化にはならないでしょう。
LLMの特徴を理解することは必要ですが、中身の詳細なロジックまで理解するより、LLMの特徴を理解した上で、システムの一部として実装できることが重要です。
日頃から新たな技術をキャッチアップしているエンジニア型の人材はそこまで大きなハードルにはならないと感じます。
多くの技術革新が起きて、トレンドについていくことは労力がかかりますが、生成AI時代とはかなり親和性の高い人材ですので、そこまで身構える必要はないと思います。
このように、生成AI時代では大なり小なり新たな知識・スキルを身に付ける必要性があります。
今後、さらに色んな取り組みが出てくると予測されるので、少しづつ、自分に必要なスキルを身に付けていくことが大事になってくるでしょう。
まとめ
と、いうところでまとめに移ります。
- 生成AI時代ではモデルは”提供されるもの”に変化し、”企画”/”実装”する能力が重要視される
- 役割は二極化され、必要な知識・スキルはより広範に広がっていく
- どのような型のデータサイエンティストであっても新たに学ぶべきスキルはあり、学習が必要
と、いうのが今回のまとめになります。
生成AIは今後のビジネストレンドとなっていく中で、データサイエンティストとしても追随していきたいテーマです。
今後もデータサイエンティストのキャリアについて、発信していこうと思っているので、引き続き、よろしくお願いします。
今回は以上です。ありがとうございました。
にほんブログ村
