AI/データ活用ができる人材を育成するために必要なこととは?

こんにちは、AITCの小川です。普段は、様々な企業様から預かったデータの統計的な分析や、AIモデルの構築に携わっています。

ChatGPTが公開されてから生成AIが注目されていますが、DX推進の一環として需要予測や社内のデータ活用ができる人材を育成したいというニーズも依然として高まっています。今回は、AI/データ活用ができる人材の育成についてお話しします。

AI/データ活用ができる人材を育成するために必要なこと

実務でAI/データ活用ができる人材を育成するには、どのようなことが必要でしょうか?

まずは、AI/データ活用の基礎および応用知識は必須です。 昨今では、AI/データ活用の基礎/応用知識に簡単にアクセスして学ぶことができるようになっています。 例えば、YouTubeやウェブ記事などを利用して独学で学んだり、企業ごとに導入されているオンデマンドのEラーニングコンテンツを活用することで学ぶことがよくあります。

しかし、AI/データ活用の基礎/応用知識を持っているからといって、実務でAI/データ活用ができるとは限りません。 これらの知識はあくまでもAI/データ活用の手段に関する知識であり、業務での活用先を見出せなければ意味がありません。 また、基礎的な知識を身に付けても、実務で利用する際には複雑な条件の中でどの手法を使えばよいか分からなくなってしまうことがあります。

したがって、実務でAI/データ活用をするには以下のようなスキルが必要です。

  • AI活用テーマ選定スキル:ビジネスインパクトや実現可能性などを考慮して筋の良いAI/データ活用テーマを選定するスキル
  • 課題整理スキル:AIを業務のどこにどのように活用するとよいか見極めるためのビジネス課題を整理するスキル
  • 実践的データサイエンススキル:演習の理想的な条件とは異なる、複雑な条件のもと実施される実業務の中でAIを利用する実践的なデータサイエンススキル

これらのスキルがないと以下のような失敗に陥ることがあります。

AI/データ活用における失敗例

PoCを進めてみたものの、投資対効果を振り返ると効果が薄いため中止になった

例えば、「AIによる検査業務の置き換えを考えたが、置き換えが成功してもコストはほとんど変わらないことがPoC後で判明した」のようなケースです。 失敗の原因は、AI活用テーマ選定スキルの不足です。 具体的には、AIを利用することによるビジネスインパクトを考慮せずテーマを選んだことが原因として考えられます。

AIを導入した効果については、やってみないとわからない部分も多いですが、あらかじめAIを導入した場合の想定効果を定量化できる場合は確認しておくべきです。

業務で利用するにはAIの予測精度が100%であることを求められるが、実際には70%ほどしか出なかった

例えば、「間違えることが許されない業務でAIによる人の代替を試みたが、精度が十分に出ないため失敗した」のようなケースです。 失敗の原因は、AI活用テーマ選定スキルの不足です。 具体的には、実現可能性を考慮できておらず、難易度が高すぎるテーマを選んでいることが原因として考えられます。 AIは不確実性が高いため、難易度が低そうなテーマ/予測精度が低くてもある程度活用できる見込みがあるテーマから進めていくとよいです。

PoCをやってみると予測精度が高かったが、実際に利用してみると予測精度が低下

例えば、「実業務上では、予測時に知りえない情報をAIに入力して検証を進めたため、不正に予測精度が高くなった」のようなケースが存在します。  失敗の原因は、課題整理スキルや実践的データサイエンススキルの不足です。 具体的には、以下の2つのパターンが原因として考えられます。

  • 課題整理が足りておらず、実業務を想定した問題設定からずれた問題設定でPoCを進めた
  • 課題は整理できていたが、適切にAIの問題設定に落とし込めていなかった

実業務で使う様子を具体的に想像して、問題設定をする必要があります。

AI/データ活用を成功させるために

AI/データ活用の基礎および応用知識に加えて、上記で紹介した「AI活用テーマ選定スキル」、「課題整理スキル」、「実践的データサイエンススキル」を実際の業務の中で身に着ける必要があります。

それには、実際の業務を題材にAI/データ活用について経験のある人からフィードバックをもらいながら学んでいくことがベストな方法と言えます。

実務でAI/データ活用をできる人材を育成するご支援をするため、AITCでは「HUMABUILD」というAI/データ活用育成ソリューションを提供しています。

aitc.dentsusoken.com

「HUMABUILD」では、Plan、Learn、Target、Challenge、Buildの5つのステップでサービスを提供しています。 すべてのステップを常に実施するのではなく、特定のステップのみ支援することも可能です。 Humabuildの5つのステップ

  • Planでは人材の定義、研修の設計(研修内容の決定やスケジュール策定)を行います。
  • Learnではお客様ごとにカスタマイズ可能な基礎/応用的な研修を実施することで「AI/データ活用における基礎的なデータサイエンススキル」を育成します。
  • Targetでは実際の業務課題を題材に、「AI活用テーマ選定スキル」や「課題整理スキル」を育成します。
  • Challengeでは実際の業務課題を題材に、「実践的なデータサイエンススキル」を育成します。
  • Buildでは社内でAIソリューションを開発した知見に基づいて「アジャイル開発を用いたシステム開発スキル」を育成します。

「HUMABUILD」の枠組みでは、単にAI/データ活用の知識を身に着けた人材ではなく、実務でAI/データ活用ができる人材を育成します。

実務でAI/データ活用ができる人材を育成したいという方は、ぜひAITCにお問い合わせください。

執筆
AIコンサルティンググループ
小川 裕也