DX読書日記#13 『AI人材の育て方』 孝忠大輔
はじめに
今回は「AI人材の育て方」(2021年)という本を読んでみました。
著者は、NECのAI人材育成センター長の孝忠大輔氏です。
データサイエンティスト協会のスキル定義委員として「データサイエンティストスキルチェックリスト」や「ITSS+データサイエンス領域タスクリスト」の定義を行ってきた方で、政府が掲げる「AI戦略2019」を実行するための特別委員会委員として大学生のための「数理・データサイエンス・AIモデルカリキュラム」の作成や、内閣府が進める「数理・データサイエンス・AI教育プログラム認定制度」の検討にも携わってらっしゃるそうです。
その意味で、著者はAI人材育成やAI活用プロセスの標準化分野での第一人者と言えるでしょう。
本書では、AI人材やAI活用プロセス、AI人材育成施策、AI人材育成計画策定について、網羅的で一貫性と整合性のある、大変分かりやすいモデルを提示しています。
特に、AI活用プロセスにおける企画フェーズから実証フェーズまでの流れは素晴らしく、その完成度は「ITSS+データサイエンス領域タスクリスト」をはるかに越えていると感じました。
個人的には、業務プロセスとそこでの意思決定のモデル化がAI活用を進める上での大きな課題のひとつと想定していますが、本書のAI活用プロセスを適用することで、その課題もクリアし、よく言われる「PoC止まりの壁」も乗り越えていけるようになるのではと思いました。
本書の概要
著者によれば、2000年代から始まった第三次AIブームにおいてAIの適用範囲が大幅に拡大し、近年、さまざまな領域で本格的にAIの導入が進んでおり、AI人材への期待が高まっているとのことですが、
欧米や中国に比べ、日本はAIへの取り組みが遅れたこともあり、AI人材が育っておらず、国際社会での産業競争力を失いつつあるとのことです。
政府は、2025年までに全ての学生に「数理・データサイエンス・AI」に関する教育を実施することを「AI戦略2019」の中で発表しましたが、
そこで教育を受けた学生が社会で活躍するまでは、もう少し時間が必要となり、自社内のAI人材の数を増やしていくには計画的な育成を進める必要があるとしています。
まず、最初に、AI活用に関わる人材のタイプについて確認しています。
AI活用に関わる6種類の人材
AIを研究する人材
①AI研究者
AIを実装する人材
②AIプロジェクトマネージャー
③AIプランナー
④AIエンジニア
⑤システムエンジニア
AIを活用する人材
⑥AIユーザー
次に、AI活用のためのプロセスについて確認しています。
プロセス全体は4つのフェーズから構成されるとし、
AI活用を実現するための4つのフェーズ
■企画フェーズ
・解決すべきビジネス課題を整理し、AIを活用した業務/事業を企画する
・課題定義、AI企画、実証可能性判断、プロジェクト立上げ
■実証フェーズ
・AIによって本当に課題を解決することができるのか検証する
・PoC計画、PoC、PoC結果報告、AI導入判断
■導入フェーズ
・価値があることが実証されたAIを、AIシステムに組み込む
・要件定義、システム設計、システム開発、総合テスト、サービスイン
■活用フェーズ
・構築したAIシステムを使い、業務担当者やエンドユーザーがAIを活用した業務を遂行する
・AI業務活用、モニタリング、システム運用
更に、4つのフェーズを32種類のタスクに分解しています。
AI活用を実現するための4つのフェーズと32種類のタスク
■企画フェーズ
課題定義
①課題定義 まずは解決すべき課題を定義する
AI企画
②アプローチ設計 課題へのアプローチ方法を考える
③業務設計 どの業務にAIを適用するのか決める
④分析プロセス設計 どのように分析するのか決める
⑤アーキテクチャ設計 どのようなシステム構成にするのか決める
⑥推進体制設計 AIプロジェクトの体制を決める
⑦ビジネス価値設計 机上でビジネス価値を試算する
実証可能性判断
⑧実証可能性判断 AIによる課題解決の実現可能性を判断する
プロジェクト立上げ
⑨プロジェクト立上げ AIプロジェクトを立ち上げる
■実証フェーズ
PoC計画
⑩PoC計画 PoCで何を検証するのか決める
PoC
⑪データ収集 AIモデル開発のためのデータを集める
⑫AIモデル検証 課題を解決するためのAIモデルを開発し検証する
⑬業務検証 AIを業務に組み込むことができるか検証する
⑭アーキテクチャ検証 AIシステムを運用できそうか検証する
⑮ビジネス価値検証 ビジネス価値を実現できそうか検証する
PoC結果報告
⑯PoC結果報告 PoCの結果を報告する
AI導入判断
⑰AI導入判断 AIの導入を判断する
■導入フェーズ
要件定義
⑱要件定義 AIシステムの要件を定義する
システム設計
⑲業務システム設計 AIシステムのUIを設計する
⑳連携システム設計 システム間の連携処理を設計する
㉑分析システム設計 本番AIモデルを設計する
システム開発
㉒業務システム開発 業務担当者やエンドユーザーのためのUIを開発する
㉓連携システム開発 データ加工処理およびデータ統合処理を開発する
㉔分析システム開発 本番AIモデルを実装する
総合テスト
㉕総合テスト それぞれのシステムを連動させてテストする
サービスイン
㉖サービスイン AIシステムをサービス開始する
■活用フェーズ
AI業務活用
㉗現場適用 AI活用を現場に浸透させる
㉘業務遂行 AIを活用して業務を遂行する
モニタリング
㉙活用評価 AIを活用できているかモニタリングする
㉚AI改善 AIモデルを見直す
㉛システム改善 AIシステムを強化する
システム運用
㉜システム運用 AIシステムを運用する
次に、AI活用プロセスにおける各AI人材の役割を整理した上で、
AI人材に求められるスキルを共有スキルと専門スキルに分けて詳しく説明しています。
■AI人材の共通スキル
・AIができることを理解し正しく活用する力
・データを適切に読み解き判断する力
・AIプロジェクトを協力して遂行する力
■AIプロジェクトマネージャーに求められるスキル
企画フェーズ
・AI企画を推進する力
・AIプロジェクトに必要なチームをデザインする力
・AIプロジェクトの実現可能性を判断する力
・AIプロジェクトを立ち上げる力
・AIプロジェクトの契約書をまとめる力
実証フェーズ
・AI実証を推進する力
・AIの導入を判断する力
導入フェーズ
・AI導入を推進する力
・異なる専門性を持ったチームを取りまとめる力
・AIシステムのサービスインを判断する力
活用フェーズ
・AI活用を推進する力
・継続的なAI活用につなげる力
■AIプランナーに求められるスキル
企画フェーズ
・課題をヒアリングし構造的に整理する力
・課題を解決するための道筋をデザインする力
・AIを活用した業務/事業をデザインする力
・AI活用に必要なコストと得られる効果を試算する力
実証フェーズ
・PoCを計画する力
・PoCにかかる工数を見積もる力
・AIを活用した業務の実行可能性を見極める力
・AI活用に向けて現場を巻き込む力
・AI導入のビジネス価値を見極める力
・わかりやすく報告書をまとめる力
導入フェーズ
・AIシステムを要件定義する力
活用フェーズ
・AI活用を現場に浸透させる力
・AI活用をモニタリングする力
■AIエンジニアに求められるスキル
企画フェーズ
・課題を解決するための道筋をデザインする力
・AIで解くべき課題か目利きする力
・分析プロセスをデザインする力
・適切なAIアルゴリズムを選択する力
・AIを活用するためのシステムをデザインする力
実証フェーズ
・PoCを計画する力
・PoCにかかる工数を見積もる力
・必要なデータを収集する力
・必要なデータがそろっているか判断する力
・収集したデータを加工処理する力
・データを可視化する力
・AIモデルを開発する力
・AIモデルを評価/改善する力
・AIシステムのシステム諸元を見極める力
・わかりやすく報告書をまとめる力
導入フェーズ
・AIシステムを要件定義する力
・AIに学習させるためのシステムを設計する力
・本番導入するAIモデルを開発する力
・AIシステムをチューニングする力
活用フェーズ
・AI活用をモニタリングする力
・AIの更新/入れ替えを判断する力
・AIモデルを入れ替える力
■システムエンジニアに求められるスキル
企画フェーズ
・AIを活用するためのシステムをデザインする力
実証フェーズ
・PoCを計画する力
・PoCにかかる工数を見積もる力
・必要なデータを収集する力
・AIシステムのシステム諸元を見極める力
・わかりやすく報告書をまとめる力
導入フェーズ
・AIシステムを要件定義する力
・AIを活用する人の目線でUI設計する力
・データ処理プロセルを設計する力
・適切なデータ処理技術/蓄積技術を選択する力
・AIを活用するためのUIを開発する力
・データ連携システムを開発する力
・AIシステムをチューニングする力
活用フェーズ
・AI活用をモニタリングする力
・AIシステムを増強する力
・イレギュラーデータに対応する力
・AIが実装されたシステムを運用する力
■AIユーザーに求められるスキル
活用フェーズ
・AIシステムを使いこなし活用する力
AI人材の育成施策と育成手順の概要を示した上で、
AI人材の育成手順
①研修
座学 知識インプット型の座学学習
AIプロジェクト全般に関する知識の習得
グループワーク グループでアウトプットを作成し共有
AI企画、PoC計画、要件定義などの練習
マシン演習 実際に手を動かしてアウトプットを作成
データ収集、AIモデル開発、システム開発などの練習
知識補完 研修でカバーできなかった知識を補完
AIモデル開発やシステム開発などの知識の習得
②模擬演習
PBL演習 模擬プロジェクトを通して課題解決を体験
課題定義、AI企画、AIモデル開発の体験
プロトタイプ開発 簡易的なAI試作品の開発
アーキテクチャ検証、システム設計、開発の体験
アイデアソン AI活用のアイデアを競うイベント
アプローチ設計、業務設計、ビジネス価値設計の体験
分析コンテスト AIモデルの精度を競うコンテスト
分析プロセス設計、AIモデル開発、AI改善の体験
③実践
OJT 実際のAIプロジェクトを通じた実践指導
AI活用に関わる一連のタスクの実践
継続学習 最新のAI動向のキャッチアップ
情報収集、自己研鑽
※上記でPBLはProject-Based Learning
AI人材ごとに育成ステップを示しています。
併せて、ここでは省略しますが(すいません)、レベル到達確認リストも紹介されています。
■AIプロジェクトマネージャーの育成ステップ
初級者
プロジェクトマネージャーの業務を補佐できる
既知の業務領域であれば指示の下対応できる
育成施策 研修や模擬演習を受講
育成期間 3～6か月程度
中級者
自律的にマネジメント業務を遂行できる
既知の業務領域/分析テーマ/AI技術であれば適切に対応できる
育成施策 3プロジェクト以上経験
育成期間 1～2年程度
上級者
豊富なプロジェクト経験を基に他のメンバーを指導できる
新たな業務領域/分析テーマ/AI技術であっても柔軟に対応できる
育成施策 10プロジェクト以上経験
育成期間 3～5年程度
■AIプランナーの育成ステップ
初級者
適切な指示があれば着実に作業を実施できる
既知の業務領域であれば指示の下対応できる
育成施策 研修や模擬演習を受講
育成期間 3～6か月程度
中級者
プロジェクトメンバーと協力しながら自律的にタスクを遂行できる
既知の業務領域/分析テーマであれば適切に対応できる
育成施策 3プロジェクト以上経験
育成期間 1～2年程度
上級者
豊富なプロジェクト経験を基に他のメンバーを指導できる
新たな業務領域/分析テーマであっても柔軟に対応できる
育成施策 10プロジェクト以上経験
育成期間 3～5年程度
■AIエンジニアの育成ステップ
初級者
適切な指示があれば着実に作業を実施できる
既知の分析テーマであれば指示の下対応できる
育成施策 研修や模擬演習を受講
育成期間 3～6か月程度
中級者
プロジェクトメンバーと協力しながら自律的にタスクを遂行できる
既知の業務領域/分析テーマ/AI技術であれば適切に対応できる
育成施策 3プロジェクト以上経験
育成期間 1～2年程度
上級者
豊富なプロジェクト経験を基に他のメンバーを指導できる
新たな業務領域/分析テーマ/AI技術であっても柔軟に対応できる
育成施策 10プロジェクト以上経験
育成期間 3～5年程度
■システムエンジニアの育成ステップ
初級者
適切な指示があれば着実に作業を実施できる
既知のAI技術であれば指示の下対応できる
育成施策 研修や模擬演習を受講
育成期間 3～6か月程度
中級者
プロジェクトメンバーと協力しながら自律的にタスクを遂行できる
既知の業務領域/AI技術であれば適切に対応できる
育成施策 3プロジェクト以上経験
育成期間1～2年程度
上級者
豊富なプロジェクト経験を基に他のメンバーを指導できる
新たな業務領域/AI技術であっても柔軟に対応できる
育成施策 10プロジェクト以上経験
育成期間 3～5年程度
■AIユーザーの育成ステップ
初級者
適切な指示があればAIを活用した業務を実施できる
AIが出力した結果を正しく解釈できる
育成施策 AIリテラシー習得
育成期間 2週間～1か月程度
中級者
AIを活用した業務を自律的に遂行できる
AIが出力した結果の妥当性をチェックし、不備を指摘できる
育成施策 AI活用経験半年以上
育成期間 半年～1年程度
上級者
AIを活用した業務の見直しを提言できる
AIシステムの活用方法を部下や同僚に教えることができる
育成施策 AI活用経験1年以上
育成期間 1～3年程度
以上の整理を踏まえ、企業におけるAI人材育成計画の策定方法を、AI人材育成の「黎明期」「成長期」「成熟期」に分けて解説しています。
AI人材育成計画の策定
①育成するAI人材の明確化
・どの人材タイプを内部育成するのか？
・自社で必要なAI人材タイプの確認(内部育成する人材タイプの選定)
②AI人材目標数の設定
・AI人材をいつまでに何名育成するのか？
・事業規模に合わせた必要数の確認(内部育成する目標数の設定)
③AI人材育成方法の検討
・どのような施策を組み合わせて育成していくのか？
・AI人材タイプごとの育成方法の確認(必要スキルと育成施策の紐づけ)
まず、AI人材のタイプ別に、内外製方針を検討します。
育成するAI人材の明確化 - 企業におけるAI人材の構成パターン
①完全内製型
・すべての人材を内部で育成
・外部への委託なし
②企画外注型
・AIプランナーの担当領域は外部へ委託
・AIプロジェクトマネージャー、AIエンジニア、システムエンジニアは内部で育成
③エンジニア外注型
・AIエンジニアとシステムエンジニアの担当領域は外部へ委託
・AIプロジェクトマネージャーとAIプランナーは内部で育成
④専門家外注型
・AIプロジェクトマネージャー、AIプランナー、AIエンジニアは外部へ委託
・システムエンジニアは内部で育成
⑤アウトソーシング型
・すべての領域を外部へ委託
次に、AI人材のタイプごとに人材の目標数を設定します。
ここでは、事業会社とITベンダーのそれぞれについて、目標数の試算方法を説明しています。
AI人材目標数の設定
①AIを活用する事業会社
AIを活用する組織の数をもとに将来必要となるAI人材数を試算
②AI専門会社やITベンダー
将来のAI事業の売上規模から必要となるAI人材を試算
AI人材育成計画上のポイントを「黎明期」「成長期」「成熟期」のそれぞれについて解説してます。
■企業のAI人材育成 – 黎明期
人材育成の要件や前提
育成テーマ 即戦力人材の短期育成
AIプロジェクト 企画フェーズ・実証フェーズを中心に対応
組織文化 新たなチャレンジを推奨する文化の構築
人材育成目標
育成対象 AIの活用を牽引する人材
(オールラウンダーを中心に育成)
育成規模 数名～十数名
レベル構成 上級者1割未満、中級者5割以上、初級者4割程度
人材管理施策
目的 オールラウンダーなAI人材の育成
人事施策 AI人材候補の選定
人材把握 社員のプロファイル(考え方や行動パターン)
人材育成施策
研修プログラム 研修プログラムの受講、有志による勉強会の開催
模擬演習プログラム 分析コンペティションへの参加、
過去のAIプロジェクトの追体験
実践プログラム スキル保有者によるAIプロジェクトごとの指導
情報共有施策
目的 お互いの専門領域の教え合い
知識集約 Know Who情報の整理
知識共有 個人対個人での知識共有
■企業のAI人材育成 – 成長期
人材育成の要件や前提
育成テーマ 事業拡大に応じて人材の確保
AIプロジェクト 導入・活用フェーズまで進むプロジェクトが増加
組織文化 一定の育成期間を許容する文化の浸透
人材育成目標
育成対象 AIを実装する人材(スペシャリストを中心に育成)
育成規模 数十名～百名
レベル構成 上級者1割未満、中級者3割以上、初級者6割程度
人材管理施策
目的 AI人材の育成/獲得
人事施策 AI人材認定制度の整備
人材把握 AI人材認定制度の運用
人材育成施策
研修プログラム 体系的な研修プログラムの整備、
研修の推奨受講フローの定義
模擬演習プログラム PBL演習/プロトタイプ開発のテーマ充実
実践プログラム AI専門組織でのOJT
情報共有施策
目的 AI関連知識の集約
知識集約 AI実装に関する知識集約
知識共有 クローズドな知識共有の仕組み作り
■企業のAI人材育成 – 成熟期
人材育成の要件や前提
育成テーマ AI人材の持続的な育成
AIプロジェクト 安定的にAIプロジェクトを遂行
(企画フェーズから活用フェーズまで)
組織文化 継続学習を習慣化する文化の醸成
人材育成目標
育成対象 AIを活用する人材(AIユーザーを中心に育成)
育成規模 数百名
レベル構成 上級者1割以上、中級者4割程度、初級者4～5割程度
人材管理施策
目的 AI人材の維持と適正配置
人事施策 AI人材に関するデータベースの構築
人材把握 組織ごとの充足状況の見える化
人材育成施策
研修プログラム オンライン研修の充実、全社教育の推進
模擬演習プログラム 分析コンテスト/アイデアソンの定期開催
実践プログラム 所属部門(現場部門)でのOJT
情報共有施策
目的 組織を越えた知識共有
知識集約 AI活用に関する知識集約
知識共有 オープンな知識共有の仕組み作り
最後に、大学におけるAI人材育成についても紹介していますが、
大学・高専におけるAI人材育成に対して「AI戦略2019」で目標が掲げられ、
2020年4月には数理・データサイエンス教育強化拠点コンソーシアムからリテラシーレベルのAI人材育成のモデルカリキュラムが公開され、既に運用が開始されているそうです。その後、2021年3月には応用基礎レベルのものも公開されているとのことです。
今後、大学・高専でAIを学んだ学生が、大量に社会人として企業に入ってくるとのことです。心強い限りですね。
「AI戦略2019」で掲げられている目標
①リテラシーレベル
・文理を問わず、すべての大学・高専生(約50万人卒/年)
・初級レベルの数理・データサイエンス・AIを習得
②応用基礎レベル
・文理を問わず、一定規模の大学・高専生(約25万人卒/年)
・自らの専門分野へ数理・データサイエンス・AIを応用するための基礎力の習得
数理・データサイエンス教育強化拠点コンソーシアムのモデルカリキュラム
①リテラシーレベル
数理・データサイエンス・AI(リテラシーレベル)モデルカリキュラム
http://www.mi.u-tokyo.ac.jp/consortium/pdf/model_literacy.pdf
②応用基礎レベル
数理・データサイエンス・AI(応用基礎レベル)モデルカリキュラム
http://www.mi.u-tokyo.ac.jp/consortium/pdf/model_ouyoukiso.pdf
おわりに
本書は実に素晴らしい本ですが、少しだけ残念だったのは、著者の落ち着いた語り口でしょうか。。
著者の熱い想いや現場での苦労話についても、少し語っていただきたい気もしました！
基本的に、本書は、AI人材やAI活用プロセスに対する標準化として書かれたものと思いますので仕方ないのですが、、
いずれにしても、本書は、AI人材育成担当の方だけでなく、AI活用を実践されている方々にもお勧めしたい一冊です！
気軽にクリエイターの支援と、記事のオススメができます！