DX に必要な AI 人材を育成する研修とは?

DX Blog

DX に必要な AI 人材を育成する研修とは?

DX を推進する上で欠かせない技術の一つである AI の活用ですが、その AI を活用できる人材はどう育成するのでしょうか。
また効果的に育成するにはどういった研修を実施すべきでしょうか。
本記事では、AI 人材の定義からその役割や必要スキル、そのスキルを養う研修内容例をご紹介してまいります。

なお、AI 人材に求められるスキルやキカガクの AI 研修については下記記事でもご紹介しております。
AI 研修をお探しの方はこちらの記事もご参考ください。

AI 人材とは

AI 人材について明確な定義はありませんが、一般的に、機械学習やディープラーニング(深層学習)、データサイエンスなどの深い知識とスキルを用いて AI システムを企画・構築・運用する人材を指します。

また、AI に関する技術に詳しい人だけでなく、「文系 AI 人材」と言われるように、AI をビジネスに活用する企画をしたり、AI システムを導入してビジネスで成果を出すためにプロジェクトを推進したり、関係者を調整したりする人材の必要性も叫ばれています。

さらに、ChatGPT の登場により上記人材以外にも、AI の特性を把握し、AI サービスを活用して自身の業務改善を行える人材の必要性も出てきいます。

つまり、一概に AI 人材といっても求められる人材の幅は広く、顧客価値の最大化やビジネス創出、業務改善等のビジネス成果を出すために、データを最大活用できる人材全般を指すと言えそうです。

DX における AI 人材の役割

昨今は、AI のビジネス活用も DX の文脈で語られるようになりました。この DX におけて求められる AI 人材のスキルはどのように規定されているのでしょうか。今回は、デジタルスキル標準をもとにみていきたいと思います。

デジタルスキル標準とは

デジタルスキル標準とは、経済産業省と IPA (独立行政法人情報処理推進機構)にてビジネスパーソン全体に向けた DX の基礎知識やマインドスタンスを学習するための項目や、DX を推進するうえで必要な人材とスキルをまとめた指針です。

このデジタルスキル標準は、全てのビジネスパーソンが身につけるべき能力・スキルの標準となる DX リテラシー標準と、DX を推進する人材の役割や習得すべきスキルの標準である DX 推進スキル標準の 2 つから構成されております。

今回は、実際に DX を推進する際に求められる AI 人材の役割を DX 推進スキル標準から考えていきたいと思います。

DX 推進スキル標準における 5 つの人材像

DX 推進スキル標準においては、次の 5 つの人材像を人材類型として定義しています。

出典:デジタルスキル標準 ver.1.0

この類型におけて、 AI 人材は「データサイエンティスト」となります。具体的に、上記のデータサイエンティストに求められる役割を見ていきましょう。

DX 推進スキル標準におけるデータサイエンティストとは

DX 推進スキル標準では、データサイエンティストを次のように定義しています。

社会全体のIT化・デジタル化の進展に伴って、企業・組織内で発生するデータの量は飛躍的に増大しつつあり、企業や組織におけるデータの整 備や効果的な活用は、企業や組織の競争力を高める上で、昨今きわめて重要な課題となっている。今やデータを効果的に活用できるかどうか が、DXの成否を左右すると言っても過言ではない状況にある。

「データサイエンティスト」は、このように企業や組織のDXにおいて不可欠なデータの活用領域を中心にDXの推進を担う人材である。データ活 用が中心となるDXの推進においては、中核となる人材と言える。

引用:デジタルスキル標準 ver.1.0

つまり、DX 推進において必要不可欠であるデータ周りの中核人材として、このデータサイエンティストを規定しています。

DX 推進スキル標準におけるデータサイエンティストが担う業務

また、DX 推進スキル標準では、データサイエンティストの業務を次のように定義しています。

「データサイエンティスト」は、データの分析にとどまらず、データを活用したビジネス戦略の検討から、データの収集の方法や仕組みの検討、データ分析を行うための環境の設計・構築・運用に至るまで、幅広い業務を担う。さらに、データ活用の仕組みを現場の業務に導入し、その使い方につい て現場のユーザーに対する説明や教育を行い、実際に現場の業務を変革するといった業務も担当する。

このように、「データサイエンティスト」が担当する業務には、データ活用の領域においては、戦略の策定から、仮説検証、実装、運用、効果検証・ 改善などのすべてのプロセスを担当するため、他の人材類型である「ビジネスアーキテクト」や「デザイナー」に求められるようなビジネススキルのほか、 「ソフトウェアエンジニア」や「サイバーセキュリティ」に求められるような技術スキルなども必要となる場合もある。

データ活用の領域に関する専門性を中心に幅広い業務を担うことから、本スキル標準が想定するレベルの人材として活躍するためには多様なスキルが求められるという点が、「データサイエンティスト」の特徴である。

引用:デジタルスキル標準 ver.1.0

つまり、本標準におけるデータサイエンティストの役割は AI やデータの活用という中心的業務だけでなく、戦略策定から基盤整理、実装・運用、またその浸透など多岐にわたることがわかります。

DX 推進スキル標準におけるデータサイエンティストの役割

まず、上記のデータサイエンスティストは次のロールに分かれます。ロールとは、DX 推進スキル標準の対象である企業・組織や個人にとって活用しやすいように、「人材類型」を業務の違いにより詳細に区分したものとなっています。
また、そのロールごとに、役割を見ていきましょう。

人材類型

ロール

役割

データサイエンティスト

データビジネスストラテジスト

事業戦略に沿ったデータの活用戦略を考えるとともに、戦略の具体化や実現を主導し、
顧客価値を拡大する業務変革やビジネス創出を実現する

データサイエンスプロフェッショナル

データの処理や解析を通じて、
顧客価値を拡大する業務の変革やビジネスの創出につながる有意義な知見を導出する

データエンジニア

効果的なデータ分析環境の設計・実装・運用を通じて、
顧客価値を拡大する業務変革やビジネス創出を実現する

出典:デジタルスキル標準 ver.1.0

つまり、DX における AI ・データサイエンティストに求められる役割は、データ戦略立案から実現のリード、データ解析、データ分析基盤の整理と、顧客価値の最大化やビジネス価値創出のためのデータ活用の全般だということがわかります。

AI 人材に求められるスキルとは?

では、具体的にデータサイエンティストに求められる必要スキルを見ていきましょう。

人材類型

人材

重要度

必要スキル

データサイエンティスト

データビジネスストラテジスト

A

・データ理解/活用
・データ/ AI 活用戦略
・データ/ AI 活用業務の設計/事業実装/評価

B

・プロジェクトマネジメント
・ビジネス調査
・ビジネスモデル設計
・ビジネスアナリシス
・検証(ビジネス視点)
・顧客/ユーザー理解
・価値発見/定義
・検証(顧客/ユーザー視点)
・チーム開発
・プライバシー保護

データサイエンティスプロフェッショナル

A

・数理統計/多変量解析/データ可視化
・機械学習/深層学習

B

・検証(顧客/ユーザー視点)
・データ理解/活用
・データ/ AI 活用業務の設計/事業実装/評価
・コンピュータサイエンス
・チーム開発
・プライバシー保護

データエンジニアリング

A

・データ活用基盤設計
・データ活用基盤実装/運営

B

・システムエンジニアリング
・エンタープライズアーキテクチャ
・データ理解/活用
・コンピュータサイエンス
・チーム開発
・ソフトウェア設計手法
・ソフトウェア開発プロセス
・バックエンドシステム開発
・クラウドインフラ活用
・サービス活用
・その他先端技術
・インシデント対応と事業継続
・プライバシー保護
・セキュア設計/開発/構築

出典:デジタルスキル標準 ver.1.0

DX 推進スキル標準においても、上図のように各スキルにおいて重要度を規定しているものの、データサイエンティストにおけて必要なスキルは、AI やデータ活用以外にも多岐にわたることがわかります。

なお、データエンジニアにおいては他 2 つに比べると AI 色が薄いですが、弊社のお客様のお話を伺っていても、データ活用の最大化のため、データサイエンティストにもデータ基盤の整理をになってもらう企業も多いため、本記事では AI 人材に内包する前提でお話をすすめさせて頂きます。

DX 推進に求められる AI 人材を育成する研修内容とは?

では、上記で紹介したデジタルスキル標準に基づき実施すべき研修をご紹介します。

まずは、今まで話していた DX における AI 人材の前提となる AI 理解のための DX リテラシー標準に伴った内容や、DX を実際に推進する際に求められる DX 推進スキル標準に伴う内容の両面からご紹介します。

DX リテラシー標準:AI リテラシーの向上させる研修内容

DX リテラシー標準とは、デジタルスキル標準の構成要素の一つで、全てのビジネスパーソンが身につけるべき能力・スキルの標準を明示したものです。

そこにおける AI に関連する項目は下図のようになります。

内容

説明

学習項目例

  • AIが生まれた背景や、
    急速に広まった理由を知っている。
  • AIの仕組みを理解し、
    AIができること、
    できないことを知っている。
  • AI 活用の可能性を理解し、
    精度を高めるためのポイントを知っている。
  • 検索エンジンの高性能化やウェアラブルデバイスの普及など、
    AI が日常生活に影響を及ぼしているため、
    このような変化がなぜ起きたのか理解する ことが求められる。
  • 仕事においても AI を利用する場面が今後発生することが想定されるため、
    AI には何ができて何ができないのかを知ることが求められる。
  • AI ができることをより具体的に想像するために、
    AI がどのように物事を処理 しているのかを知る必要がある。

AI の歴史
 ・AI の定義
 ・AI ブームの変遷
 ・過去の AI ブームにおいて中心となった研究/技術(探索/推論等)
AI を作るために必要な手法・技術
 ・機械学習の具体的手法:教師あり学習、教師なし学習、 強化学習
 ・深層学習の概要:ニューラルネットワーク、事前学習、ファイ ンチューニング
 ・AIプロジェクトの進め方
人間中心の AI 社会原則
AI の得意分野・限界
 ・強い AI と弱い AI
AIに関する最新の技術動向

出典:デジタルスキル標準 ver.1.0

つまり、DX 推進の手段として活用する AI に関する概要や技術の全体像等を理解することで、自社課題を解決する AI 技術についての解像度を高め、確度の高い AI ビジネス企画立案や社内における AI への期待値調整、AI ツールの効果の最大化等を目指すための研修となります。

DX 推進スキル標準:DX を推進する AI スキルを向上させる研修内容

では実際に DX を進める立場にある AI 人材を育成するために必要な研修内容をご紹介します。
上記のスキルの重要度 A に絞って、どういった研修内容を実施すればよいか見ていきましょう。

必要スキル

スキルの説明

研修内容例

データ理解/活用

グラフ/図表等を含む統計情報や
各種分析手法を適用したデータ分析結果を正確に理解し、
その意味や背景を深く洞察するスキル

・データ理解(データ理解、意味合いの抽出、洞察)
・ データの理解/検証(統計情報への正しい理解、データ確認、俯瞰/メタ思考、データ 理解、データ粒度)

データ/ AI 活用戦略

事業戦略や組織的課題、顧客ニーズ等を踏まえて、
データ/ AI 技術を活用した課題解決方法や
新たなビジネスモデルを提案するスキル

・着想/デザイン(着想、デザイン、AI 活用検討、開示/非開示の決定)
・課題の定義(KPI、スコーピング、価値の見積り)

データ/ AI 活用業務の設計/事業実装/評価

データ/ AI 戦略上の目的の実現に向けたアプローチを設計した上で、
データ/ AI 分析の仕組みを現場に実装し、
継続的に改善するスキル

・アプローチ設計(データ入手、AI-ready、アプローチ設計、分析アプローチ設計)
・分析評価(評価、業務へのフィードバック)
・事業への実装(実装、評価・改善の仕組み)
・プロジェクトマネジメント(プロジェクト発足、プロジェクト計画、運用、横展開、方針転 換、完了、リソースマネジメント、リスクマネジメント)

数理統計多変量解析/データ可視化

統計学的知見に基づく手法を用いて、
データを解析し、その結果を洞察するスキル

・基礎数学 (統計数理基礎、線形代数基礎、微分/積分基礎、集合論基礎)
・予測 (回帰/分類、評価)、推定/検定、グルーピング(グルーピング、異常検知)
・性質/関係性の把握(性質・関係性の把握、グラフィカルモデル、因果推論)
・サンプリング
・データ加工(データクレンジング、データ加工、特徴量エンジニアリング)
・意味合いの抽出/洞察
・データ可視化(方向性定義、軸出し、データ加工、表現・実装技法、意味抽出)
・時系列分析、パターン発見、シミュレーション/データ同化、最適化

機械学習/深層学習

機械学習や深層学習、
自然言語処理・画像認識・音声認識などの手法を用いて、
適切なモデルを構築し評価するスキル

・機械学習
・深層学習
・強化学習
・自然言語処理
・画像認識
・映像認識
・音声認識

データ活用基盤設計

データから成果を生むデータ活用基盤の準備において、
必要なシステム環境や収集データ、
テーブルなどの要件を固めるスキル

・環境構築(システム企画、システム設計、アーキテクチャ設計)
・データ収集(クライアント技術、通信技術、データ抽出、データ収集、データ統合)
・データ構造(基礎知識、要件定義、テーブル定義、テーブル設計)

データ活用基盤実装/運営

データから成果を生むデータ活用基盤を実装し、円滑かつ効果 的に運用するために必要なデータを扱うスキル

・データ蓄積(DWH、分散技術、クラウド、リアルタイム処理、キャッシュ技術、データ蓄 積技術、検索技術)
・データ加工(フィルタリング処理、ソート処理、結合処理、前処理、マッピング処理、サ ンプリング処理、集計処理、変換/演算処理)
・データ共有(データ出力、データ展開、データ連携)
・プログラミング(基礎プログラミング、拡張プログラミング、アルゴリズム、分析プログラム、 SQL)
・AIシステム運用(ソース管理、AutoML、MLOps、AIOps)

出典:デジタルスキル標準 ver.1.0

上記のように、AI やデータ活用に絞っても、DX の推進において必要なスキルと実施すべき研修の内容が多岐にわたることがわかりました。

ただ、重要なことは上記の研修内容をまるっとそのまま実施するのではなく、自社の目指すべきビジョンや自社における課題を前提として、その解決策になりえる項目を上記からピックアップして実施することです。

現場で活躍する AI 人材を育成する研修の選ぶ際のポイントは?

では、実際に現場で活躍できる AI 人材を育成するためにどんな研修会社を選べばよいでしょうか。本章ではそのポイントをご紹介します。

上記スキルの網羅性

上記のように DX を推進する上で必要な AI の知識やスキルが多岐にわたります。そこで、自社の未来を見据えた育成方針や課題にあった研修を選ぶためにも、研修の量が多くあったほうがよいことがわかります。

例えば、データサイエンス領域だけでなく、データエンジニアリング領域の研修をもっていたり、技術領域だけでなく、技術領域を前提としてそれを ビジネスに活用できるような研修も必要になってきます。

これが一社でできることで、長期的な育成を踏まえた育成計画が準備できますし、さらに一社ですべて賄えるので育成担当者のコミュニケーションコストが大幅に抑えられます。

そういった意味で、上記のスキルや研修内容への網羅性はとても重要になります。

カスタマイズができるかどうか

また、育成において重要なことは、スキルの網羅性もそうですが、それ以上にそのスキルが本当に必要なスキルなのか?という点になります。

つまり、自社のビジョンや課題の解決につながるスキルが獲得できる研修を設計できるのかということが重要になってきます。

よって、研修内容をアレンジし、自社課題の解決につながる研修カリキュラムを作成できるかどうかというカスタマイズ力も、研修会社を選ぶ上で重要なポイントとなります。

現場に近い環境で学べるか

DX や AI 関連の研修は高額になることが多いです。そういった意味でも研修を導入したが、現場に活かせる・次に繋がる研修を選択するということは育成担当者にとって重要な要素となります。

研修会社の中には、研修用のデータセットではなく、実現場に近いデータセットや環境を再現し研修を実施しているところがあります。

これにより、活用イメージが湧く形での研修が実施できます。実際キカガクでもお客様の実現場で扱っているデータで研修を実施することで、受講生は毎日が見ているデータで AI やデータ活用を学べるので、モチベーションが高くそのまま活用を見据えた育成を実施することが可能です。

まとめ

最後までお読みいただきありがとうございました。本記事では、DX を推進するための AI 人材を育成するための研修をご紹介するにあたり、DX を推進するのに必要な AI やデータ活用リテラシーや専門スキルについてご紹介し、具体的にどういったことを学習する必要があるのか、また研修会社を選ぶ際のポイントをご紹介しました。

多くの書籍でも紹介されているように、この AI やデータ活用は DX における要諦となる部分になります。その部分の人材を育成されている方のご参考になっていれば幸いです。

キカガクでは活躍する DX 人材を育成するため様々な研修をご提供しており、各コースの詳細やその他研修については下記の資料にてご紹介しております。

無料で受けられる講座や可視化サービスであるアセスメントの無料デモ等もご用意しておりますので、研修をご検討されている方のご参考になれば幸いです。

最後までお読みいただき誠にありがとうございました。

新着記事

【事例:DXプロジェクトマネジメント研修】地域DXを担う人材を育てる。百十四銀行が取り組むDX人材育成とは

2024.06.26

【事例:DXプロジェクトマネジメント研修】地域DXを担う人材を育てる。百十四銀行が取り組むDX人材育成とは

矢印

実務で使えるDXスキルが身につく!PBL(課題解決型研修)の概要と成功のポイント

2024.06.12

実務で使えるDXスキルが身につく!PBL(課題解決型研修)の概要と成功のポイント

矢印

【事例:ChatGPT 研修】生成AIの本質を理解し実践できるDX人材を育成!「手を動かす」研修で高い満足度を実現

2024.05.31

【事例:ChatGPT 研修】生成AIの本質を理解し実践できるDX人材を育成!「手を動かす」研修で高い満足度を実現

矢印

【事例:全社向け研修】住友ゴム工業株式会社:中期計画達成にむけて全社向け DX 人材育成を実施

2024.05.21

【事例:全社向け研修】住友ゴム工業株式会社:中期計画達成にむけて全社向け DX 人材育成を実施

矢印

# 導入事例
【事例:アセスメント&データ利活用人財育成】 株式会社西武ホールディングス:研修を研修で終わらせないための「アセスメント&カスタマイズ研修」〜育成導入担当者編〜

2024.03.29

【事例:アセスメント&データ利活用人財育成】 株式会社西武ホールディングス:研修を研修で終わらせないための「アセスメント&カスタマイズ研修」〜育成導入担当者編〜

矢印

【事例:アセスメント&データ利活用人財育成】 株式会社西武ホールディングス:研修を研修で終わらせないための「アセスメント&カスタマイズ研修」〜受講生インタビュー編〜

2024.03.29

【事例:アセスメント&データ利活用人財育成】 株式会社西武ホールディングス:研修を研修で終わらせないための「アセスメント&カスタマイズ研修」〜受講生インタビュー編〜

矢印

【事例:ビジネスアーキテクト研修】 株式会社イトーキ:デザイン思考×DX企画立案×生成AIでDXを活用するビジネスアーキテクト人財育成へ〜受講生インタビュー編〜

2024.03.22

【事例:ビジネスアーキテクト研修】 株式会社イトーキ:デザイン思考×DX企画立案×生成AIでDXを活用するビジネスアーキテクト人財育成へ〜受講生インタビュー編〜

矢印

【事例:ビジネスアーキテクト研修】 株式会社イトーキ:デザイン思考×DX企画立案×生成AIでDXを活用するビジネスアーキテクト人財育成へ〜育成導入担当者編〜

2024.03.22

【事例:ビジネスアーキテクト研修】 株式会社イトーキ:デザイン思考×DX企画立案×生成AIでDXを活用するビジネスアーキテクト人財育成へ〜育成導入担当者編〜

矢印

【事例:データサイエンティスト研修】 静岡ガス株式会社:実データ・実課題を扱った研修で、初学者から約半年で育成〜育成導入担当者編〜

2024.03.14

【事例:データサイエンティスト研修】 静岡ガス株式会社:実データ・実課題を扱った研修で、初学者から約半年で育成〜育成導入担当者編〜

矢印

オペレーターの女性
オペレーターの女性

資料請求

Document Request

DX 推進にお悩みの方はお気軽にご相談ください。


キカガクについて詳しく知りたい方

今注目のスキル可視化サービス

お問い合わせはこちら

導入企業の事例を紹介