【データサイエンティスト】生成AI時代のキャリアの作り方
*なお、本記事はAIを一部活用して執筆しています。
はじめに
自己紹介
皆さん、こんにちは。ぬるったんです。
私は現在はデータ分析会社に所属しており、データサイエンティストのマネージャーとして働いています。
マネージャー職として数多くのデータサイエンティストのキャリア相談を受けてきており、100人を越える方々の相談をさせて頂いてきています。
また、マネジメント経験も長くなってきており、特に経営観点で考えさせられることも増えてきているような経験を持ちます。
そのような自身の経験を活かして、本業の傍ら、XやYouTubeを通じてデータサイエンティストとしてのキャリアの築き方について情報発信をしています。
また、下記のようにデータサイエンティストのキャリア構築をサポートするサービスをいくつか運営しています。
もし、ご興味があれば、ご覧になってみてください。
今回記事を執筆に至った背景
今回の記事を執筆するに至った背景には、データサイエンス市場の急速な変化と、市場の変化に伴うキャリア戦略にも変化してきていると感じています。
データサイエンスは、近年ますます重要性を増しており、多くの人がこの分野に興味を持ち、データサイエンティストとしてのキャリアを目指しています。
しかし、その一方で、市場の変化により、今後のキャリアパスが不透明になりつつあります。
元よりデータサイエンティストとしてキャリアを考えることはかなり難しいものでした。ここ数年で注目され始めた新興職業であるため、将来的なキャリアに関する情報が多く出回っていなかったからです。
この課題感は、私自身が情報発信活動を始めた一つのきっかけになっています。
この課題感に拍車をかけるように、昨今話題の生成AIの発展はデータサイエンティストの仕事に大きな影響を与えています。
様々な業務の効率化が考えられている中で、データ分析の効率化も進み、データサイエンティストの役割も進化を求められていることを感じます。
生成AIによる市場環境の変化により、データサイエンティストとしてどのように市場価値を高め、キャリアを進展させるべきかという問いがますます難しく、複雑性を増してきています。
私自身、日々の業務の中で生成AIを活用しています。
また、組織全体で生成AIをどのように活用していくかというプロジェクトのリーダーとして業務経験を積んでいます。
このような経験から、AIの可能性と課題を実感しています。
今回の記事では、このような現状を踏まえ、自身の実体験も踏まえながら、データサイエンスの市場変化とそれに対応するためのキャリア戦略について詳しくお話しします。
この記事を通じて、データサイエンスに興味を持つ方々や、既にデータサイエンティストとして活躍している皆さんにとって、少しでも役立つ情報を提供できればと思います。
今後のキャリアを考える上で、どのようなスキルを身につけ、どのように成長していくべきか、現時点の私なりの考えをまとめさせていただこうと思います。
データサイエンス市場の変化
大原則：専門性は陳腐化する
データサイエンス市場の変化を語る上で、まず理解しておきたい大原則があります。
「専門性は陳腐化する」ということです。これはあらゆる技術分野に共通する現象であり、データサイエンスも例外ではありません。
専門性は陳腐化することが大原則
専門性が陳腐化するとは、特定のスキルや知識が時間と共に価値を失っていく現象を指します。
新しい技術や手法が登場すると、それまでの専門知識は相対的に古くなり、価値が低くなります。
専門家が増加して、徐々に希少性が失われるから
専門性が陳腐化するもう一つの理由は、専門家の増加です。
特定の分野において先駆者的な存在であったとしても、その分野が広まり、多くの人がその技術を習得することで、希少性が失われます。
希少性が低下することにより、当初は高く評価されていたスキルが、徐々に一般化し、標準スキルとして認識されるようになります。
希少性が失われた結果、仕事の価値が低くなってくる
専門性の希少性が失われると、当然ながらその専門スキルに対する需要と供給のバランスが変わり、仕事の価値も低くなっていきます。
希少であるからこそ高く評価され、高い報酬が得られるわけですが、一般化したスキルは市場に溢れ、単価も下がっていく傾向があります。
WEBページ制作者などがいい例
顕著な例として、自身の体験談として感じたのはWEBページ制作者の例です。
かつてはWEBページ制作ができる人は限られており、そのスキルは高く評価されました。
しかし、現在では多くの人がWEBページ制作を学び、ツールやテンプレートの進化も相まって、WEBページ制作の敷居が下がりました。
その結果、WEBページ制作者の単価は以前に比べてかなり低くなっています。
実際に、大手コンサルファームのWEBページ制作部隊と共に仕事をした経験があります。
大手コンサルファームではそれ相応の単価で受注していたものの、他のWEBページ制作会社の単価は大手コンサルの単価の半額程度であり、付加価値がどこなのか？と常に問われる状況に窮していました。
実際に担当者は最後まで解を出し切れず、そのコンサルファームでは炎上案件として扱われてしまっていました。
今後、長き事働いていく中で、やはり、陳腐化した専門性のみで働くことは大きなリスクがあると実感させられた一件になりました。
このような実体験があるからこそ、専門性は徐々に陳腐化していくことを身に染みて感じ、データサイエンスも例外でないことを強く感じています。
データサイエンスは、現在は非常に価値が高いスキルとされていますが、今後さらに多くの人がこの分野に参入し、新たな技術が進化することで、現在の専門性も徐々に価値を失っていく可能性があるということは認識しておくべき一つの事実でしょう。
データサイエンティスト人材は増加傾向
データサイエンティストの人材は近年、急速に増加しています。
これはデータサイエンスを学べる環境が整ってきたことが大きな要因だと考えています。
実体験として感じる部分として、は下記の二つがあります。
①中途での募集数が圧倒的に増えていること
⇒データサイエンスの基礎知識を付けた人材が市場に増え、転職希望者が増加している
②新卒の応募者の質が格段に上がっていること
⇒新卒の優秀層の多くがデータサイエンスに将来性を感じ、興味を持ち始めている
あくまで市場の変化を見た仮説になりますが、詳細と背景について考えられることを詳しく解説します。
データサイエンスを学べる環境が整ってきたことが要因
かつては限られた大学や専門機関でしか学べなかったデータサイエンスですが、現在では多くの学習機会が提供されています。
この学習環境の整備は、データサイエンスが企業や社会全体で重要視されるようになり、教育機関もその需要に応える形でカリキュラムを充実させてきたためです。
特にオンラインスクールの普及は、データサイエンス教育に大きな変化をもたらしました。
例えば、「Tech Academy」や「Aidemy」といったオンライン教育プラットフォームでは、世界中のどこからでもデータサイエンスのコースを受講できます。
そのため、物理的な制約を受けずに学習を始めることが可能になりました。
また、大学学部の設立も一つの大きな変化だと感じています。
多くの大学がデータサイエンス専攻や関連する学位プログラムを新設し、学部生や大学院生に対して専門的な教育を提供し始めています。
データサイエンスという言葉を目にする機会も増えて認知度が上がっているメディアや書籍、インターネット上でデータサイエンスという言葉を目にする機会も増え、その結果、一般の人々の間でもデータサイエンスに対する認知度が大幅に向上しました。
テレビや新聞、ブログ記事などで取り上げられることも多くなり、データサイエンスが身近なものとして広く知られるようになっています。
これらの要因が相まって、データサイエンティストを目指す人々の数は年々増加しています。
いち、データサイエンティストとしては嬉しい傾向です。
しかし一方で、こうした環境の変化は、データサイエンティストとしてのキャリア構築を検討するために一つの考えなければならない観点になりえます。
競争が激化する中で、他のデータサイエンティストとの差別化を図るためには、単にデータサイエンスの知識を持っているだけでなく、実務経験やビジネスへの適用能力など、より高度なスキルを磨くことが求められます。
今後もこの傾向は続くと予想されるため、データサイエンティストとしてのキャリアを考える上で、戦略的にキャリアを思考しながら、継続的な学習・自己研鑽することが不可欠となります。
生成AIの発展によるデータ分析の効率化の波
前述したようにデータサイエンティストが増加している中でさらに大きな市場変化をもたらしているのが生成AIです。
2022年11月にリリースされたChatGPT以降、生成AIは大きな注目を浴びる技術となりました。
データサイエンスの分野においても、生成AIの発展は革命的な変化をもたらしています。
この技術進化はデータ分析の効率化に大きな影響を与え、データサイエンティストの役割や働き方にも影響を与えています。
本節では、生成AIの進化がどのようにデータ分析を変えているのか、そして今後の展望について詳しく解説します。
生成AIが大きく発展して、データ分析業務が大きく効率化されている
生成AI、特にGPT（Generative Pre-trained Transformer）のようなモデルは、データ分析業務を劇的に効率化しています。
従来のデータ分析プロセスでは、データの収集、クリーニング、前処理、分析、そして結果の報告といった一連のステップに多くの時間と労力がかかっていました。
しかし、生成AIを活用することで、これらのステップの多くが自動化され、短時間で高品質な結果を得ることが可能になっています。
特に、2024年5月にリリースされたGPT-4oでは大きく性能が向上し、データ分析の能力が飛躍的に向上しています。
詳しくは下記に解説しているYouTube動画をご参照ください。
従来までは、データの可視化や示唆出しは、人間が必要不可欠なステップでした。
しかし、生成AIは、簡易的な指示で自然言語処理の技術を駆使して、データ可視化・示唆出しを出力してくれます。
データサイエンティストはより重要な分析やインサイトの抽出に集中できるようになります。
この変化により、プロジェクトのスピードが大幅に向上し、データ分析により、迅速な意思決定を進めることができます。
今後もさらにAIは発展して、市場全体に大きなインパクトをもたらす
生成AIの技術は現在も急速に進化しており、今後もさらに大きな進歩が期待されています。
そのため、データ分析の効率化はさらに進み、市場全体に大きなインパクトをもたらすと予測されます。
より高度な自然言語処理能力を持つAIモデルが登場することで、データの解釈や洞察の抽出が一層容易になるだけでなく、高度な機械学習モデルも自動で作成できる能力を持つかもしれません。
生成AIの発展により、データサイエンティストの役割も変化しています。
ここから先は
この記事が気に入ったらサポートをしてみませんか？