生成AI時代｢データ参謀｣に向く人､向かない人
ニーズがますます高まっていくデータ参謀に求められるスキルとは？（写真：metamorworks/PIXTA）
AI人材の獲得競争が激化する昨今。だが、同様に必要とされるのはAI人材と連携して組織の意思決定につなげる「データ参謀」ではないだろうか？ AI人材と協働しそのポテンシャルを最大限に引き出すためのビジネスパーソンのスキルセットをまとめた『外資系データサイエンティストの知的生産術』を上梓した山本康正氏・松谷恵氏が、生成AI時代にニーズが高まるデータ参謀に求められるスキルについて解説する。
目指すべきはデータ参謀のポジション
2023年は生成AIが爆発的に進化・普及しましたが、昨今は多くの企業が「AI人材」を獲得すべく動き出しています。AI人材に明確な定義はありませんが、システムやデータベースの管理などの情報技術全般を担う「IT人材」に対して、機械学習やディープラーニング、自然言語処理などに関する知識とスキルを有するのが「AI人材」とひとまず理解しておけば十分でしょう。
ChatGPTをはじめとした生成AIの急激な進化に目を見張ると同時に、「AIがここまでできるようになったのであれば近い将来、自分の仕事は奪われるのでは？」と危機感を覚えた人も少なくないはずです。
もちろん消えていく仕事もあるでしょう。しかし、人間の仕事が全面的にAIに置き換えられていくわけではありません。万能なポケットを持つドラえもんのように、優れたAIに業務を丸投げできる未来はまだ当分は訪れないからです。
私（松谷）はかつて、北米の研究所で航空機の自動制御に関する研究を行っていました。ご存じの方もいるかもしれませんが、飛行機の操縦はすでにかなりの部分が自動化されています。飛行には離陸、巡航、着陸のフェーズがありますが、とくに空をほぼ水平に飛んでいる巡航の最中は、実はほとんどが自動運転であり、平時において人間のパイロットが行うべきことはさほどありません。
それでも人間のパイロットは必要不可欠なのは、どれだけ技術が発達しても対応しきれないレアケース、非常事態が必ず起こりうるものだからです。
単純なルーティン業務はAIに任せて、高度なモニタリング監督業務や突発的なアクシデントへの緊急対応を人間が担っていく。今後はそのような棲み分けがどの産業においてもますます進んでいくことが予想されます。
このような現状を踏まえたうえで、あなたが相応の経験を重ねてきたビジネスパーソンであれば、今から膨大な情報技術分野の基礎知識を学びAI人材になるのは難しくとも、生成AIなどのAI技術を活用できる「データ参謀」のポジションを目指したほうが得るものは多いはずです。自分がAI人材に変わることを目指すのではなく、これまでのビジネスの経験値を土台に「データ参謀」としてデータドリブン経営の担い手となるのです。
必須スキル� 崋遡篶蓮廚鯔瓩い得言�AIを使いこなす
そろばんや帳簿が電卓や会計ソフトに移り変わったように、いつの時代も道具は進化を続けていきます。AIがどれだけ革新的であっても、やはり道具にすぎません。そして道具を使いこなす主体はどこまでいっても人間です。AIがどれだけ進化しようとも、それを適切に使いこなせなければ結局は宝の持ち腐れです。
あらゆる便利なアイテムが詰まっている、ドラえもんの四次元ポケットに例えるとわかりやすいでしょう。
今、目の前にはどんな困りごとがあるのか？ たくさんあるアイテム（選択肢）の中で、現時点のベストはどれか？ それを適切に判断できる役割の人間がいなければ、四次元ポケットはただのポケットです。
AI人材が求められている本質的な理由は、よりよいアウトプットのための道具として生成AIを使いこなすスキルを持つ人材の有用性にあります。だからこそ、優れたAIを使いこなし、組織がデータドリブン経営を目指す際に「参謀」になれる人材の必要性は今後高まっていくことは間違いないでしょう。
では、どうすればデータドリブン経営の要となる参謀役を目指せるのか。そのためのファーストステップとしてお勧めしたい最も手軽なアプローチは、AIを日々活用してみることです。
「最近はChatGPTを使わなくなったし、AIブームは終わったのでは？」との声も聞こえてきますが大きな誤解です。Windows11やブラウザのEdgeに「Copilot（コパイロット）」が標準装備となったことで、生成AI活用はより身近なツールになっています。
ChatGPTやコパイロットを使いこなす現時点での最適な方法は、使い手であるこちら側が「質問力」「指示力」を磨くことです。まず、「何を聞きたいのか」「何をしてほしいのか」を自分の頭の中で整理し、明確にしてから質問や指示を投げかけましょう。
また、AIを相手にして一度で完璧な回答が返ってくることは稀です。まずは簡潔な指示からスタートして複数回にわたって指示を追加していく、曖昧な言い回しは排除する、 範囲を絞り込む、形式を工夫する……などの方法を何度か繰り返すことで、より的確な答えにたどり着けるでしょう。もちろん、そこで提示されている内容が正しいかどうかのファクトチェックもお忘れなく。
生成AIとのこうしたやり取りは、ITのシステム開発現場などで使われる「要件定義」のスキルを磨く振る舞いとも実は共通しています。
要件定義とは、必要な機能や達成すべき要求を想定し、わかりやすくまとめていく作業であり、システム開発の重要なステップです。生成AIをうまく使いこなす参謀を目指すためには、要件定義をいかに簡潔かつ有効にできるかが重要です。
SNSを検索すれば、エンジニアリングの知識を持つ人々が用意したプロンプト（指示）のフォーマットがすぐに見つかります。ファーストステップとしてはそうしたフォーマットを試してみるのもいいですが、他人がつくった型を使い回しているだけでは、要件定義のスキルや問題の本質を自力で掴みにいく力は身につきません。
専門人材が用意してくれたフォーマットを参照しながらも、できるだけ自力で達成したい内容と目的を考え、オリジナルのプロンプトを創り出してみることをお勧めします。
必須スキル�◆嶄轤徇蓮廚�AI人材の力を補強する
データ参謀のスキルを身につけるためには、生成AIの使いこなしと並行して俯瞰力も鍛えておきましょう。
AI人材やデータサイエンティストが得意とするのは、大量に収集されたデータを活用し、いったん設定された課題に対し何かしらの考察を導き出すことです。これらの専門職の強みは、データの取得の仕方やデータの欠損などの違和感に気づく経験値、データに基づく事象理解の解像度の高さです。
しかし、データだけでなく、その周辺にはたくさんの前提が入り乱れています。業界の構造、市場や顧客の特性、競合他社の動き、社会の動向など、データに影響を及ぼすさまざまな要素を把握することなしには、数字から正しく因果関係や相関関係を見つけ出すことは困難です。
だからこそ、ビジネスの現場においては俯瞰の目線で大枠をつかむ必要性が生じるのです。専門人材は細部に目が行き届く代わりに、大局が見えづらくなることもあります。もちろん、優秀なAI人材やデータサイエンティストは細部と俯瞰をバランスよく見る能力を備えていますが、全員がそうではありません。
そうした弱点をカバーするのも参謀の役割です。現場で培ってきた経験値と直感を活かして、一歩引いた視点から大枠をつかむマインドを意識しましょう。
必須スキル�０媚弖萃蠅痢嶌埜紊里劼蛤�」は人間の直感
また、生成AIが出してくる提案やデータから浮かび上がるいったんの考察は、いずれも意思決定を補佐する判断の1つにすぎません。それらを根拠として現行業務の改善や新しいビジネスの価値につなげることが最終的に目指すゴールです。
ビジネスの知見をベースに、アウトプットの目的を見失わず、AIやデータサイエンスを「道具」としてうまく使いこなせる人材。これからの時代に求められるのは、そうしたデータ参謀であることがおわかりいただけたのではないでしょうか。
データの重要性を共有しながら、AIを活用し、可視化された考察や結果に基づいた意思決定そして改善サイクルを推進していくことは、これからのビジネスのメインストリームです。何が重要かを論理的に見定めることなしに、もはや意思決定はできません。
一方で、結局のところAIが得意とするのは、データに内在する傾向やパターンを捉えることであって、その先の段階、つまり状況に応じた柔軟な判断や感性を反映させたフィードバック、また叙述的な視点を持つことは現状のAIにはまだ困難です。その事実に立って考えると、AIにビジネス上の意思決定自体を任せる未来は当分先のことでしょう。
だからこそ、意思決定の「最後のひと匙」として有用なのは、AIの結果ではなく人間の直感です。人間の頭脳というOSで長年培われてきた知見は、より充実したインプットをデータ等で補強しつつ、最終的には直感という形でアウトプットされるものだからです。
ビジネスは研究室の実験のように、限定的な空間で測られるものではありません。現場を知る人間の経験や情熱、それに基づく洞察力、総合的な判断、そしてそれらの結果を引き受けられるのはやはり人間だけです。
（松谷 恵 ： D Capital パートナー）
（山本 康正 ： ベンチャー投資家、京都大学経営管理大学院客員教授）
