AIエンジニアを取り巻く環境

• 「今後10年間で最もセクシーな仕事は統計学者である」
  • データ活用に注目されている
• AI・データ分析関連の求人も右肩上がり
  • 大企業、ベンチャー様々
• Society5.0への対応のため、AI人材育成の抜本的な加速化が必要

AI時代のエンジニア生存戦略

• datum studio 安部さん @kos59125
• DATUM STUDIO
  • May the datum be with you.
  • データ分析特化型のコンサルティング
• ３つの領域がある
  • ビジネス
  • 統計
  • エンジニアリング
• 専門家の知能の代わりになるAI
  • 販売実績
  • 予測

人間とAIの判断プロセス

• 人間
  • 経験・記憶 => 学習 => 規則性 > 判断
• AI
  • データ => 機械学習 => モデル > 判断

AI活用のメリット

• 量
  • 大量データの処理（人ではできない）
• 速度
  • 人よりも圧倒的に早く反応できる

事例紹介

• 中古車販売
  • 市場流通データを元に基準金額を算出
• 映画興行データベース
  • 売り上げ予測
  • 動員数
• 文章構成
  • 法規制のチェック

データサイエンティストの仕事とは？

• データ解析の仕事は多岐にわたるため、組織でカバーする
  • ビジネス力 (business problem solving)
  • データサイエンス力 (data science)
  • データエンジアリング力 (data enginnering)
• 「無理解の壁」
  • 全てのスキルをつけるのは難しい
  • でも、お互いを理解しないと、データ利活用を進まない

データサイエンティスト協会、データサイエンティストのミッション、スキルセット、定義、スキルレベルを発表

データエンジアリング

• データサイエンスを意味のある形に使えるようにし、実装・運用できる力

ビジネス

• 課題背景を理解した上でビジネス課題を理解し、解決する力

データサイエンス x データエンジアリング

• ３つのスキルのバランス

スキルの価値

• クライアント　ビジネス
• コンサルタント　データサイエンス　データエンジアリング

=> データサイエンティストチーム　組織としてデータ活用を進めることができる

どこを目指すべきか

• 自分の中でのベースを考えて、どこに伸びていくかを見極める

CTO目線でどんな人が欲しい？

• エンジアリング特化の人
• 無理解の壁があるとお客さんの仕事が出来ない
• 排他的になるのはよくない
• 事業会社が何をしたいかを理解すること
• 数ヶ月でoutputを出さない
• 「他の領域に対して排他的にならないこと」

今後の需要の推移は？

• 製造業：腰が重い。だんだんと事例が増えてきたため、乗り出してきた
• バブル・・・終焉を迎える
• 事例を作れれば、データ活用が当たり前になっていく。
• データ活用はどうしても水物。なかなか事例を作れない。
• 今が「正念場」
• 大手SIerが力を入れて来た

エンジニア

• エンジニアが培って来たものを再現する部分は、AIに落ちていく
• 新しい分野に関しては、AIに置き換わるのは難しいのでは
• 自分の名前でキャリアを築いていける