AI人材とは？必要な理由と求められるスキルや育成方法を解説

AIを使ったさまざまな技術開発が進んでいますが、それを担っている人材の不足が懸念されています。比較的新しいジャンルの技術者であり、育成が難しいなどが要因として挙げられますが、人材不足は開発のスピードに大きく影響します。優秀な人材が一か所に固まってしまうと、他の技術の発展自体を妨げることにもなりかねません。

ここではAI人材とはどのようなもので、なぜ不足しているのか、どうすれば育成できるのかについて解説していきます。

AI人材とは

AI人材は、AIに関する深い知識を持った人材を指します。AI開発も通常のシステム開発プロジェクト類似のさまざまな工程があり、それぞれで必要なスキルは異なります。そこで、まずはAI人材に必要なスキルをご紹介します。

AI人材に必要なスキル

AI人材は特に次のようなスキルを持った人が必要とされています。

・プログラミング知識

AIに指示を出すためにはプログラミングの知識は不可欠です。特にAIと親和性の高いプログラミング言語の学習経験、開発経験があるとよいでしょう。例えばPythonやR、C言語などがこれにあたります。

また、現在では多くの言語がAI系のライブラリやフレームワークを持っており、これらの知識や経験も重要です。例えばTensorFlowやPyTorchなどはAIの開発の際によく使用されるものであり、これらの経験があると重宝されます。

・データの分析とデータの活用

AIの開発にはデータの分析法を知っておくことも必要です。大量のデータを分析し、データを実用的な形に落とし込むため、ビッグデータを扱えるスキルが求められます。また適切な結果を得るため、数学や統計学の知識も必要になります。

分析して見えた結果から自社やプロジェクトに最適な活用方法を見出すこともAIエンジニアには求められます。そのためITの世界とは少し離れて、経営課題や経済情勢を把握しておくことも必要です。重ねて発想力や提案力があると他のエンジニアと差が付くポイントになります。

・AI理論への知見

2021年現在AIは、フレームワークを用いることで、簡単なものであれはすぐに開発することができます。しかし簡単にできるAIは精度が伴わないため、実用するためにはデータ集めからチューニングまでしっかりやっていく必要があります。しかし精度を上げようとすると、仕組み、理論、チューニングの方法など、詳しい知見がないと難しいのが現状です。

また、精度だけでなく倫理観といった意味でもAI理論への知見が求められます。AIが意思決定した行動が事故を引き起こした場合に、誰が責任をとるのかといった倫理的問題は、AIを活用すればするほど出てきます。AIが車の自動運転が慎重に開発されている一端もここにあります。

AIがどういう計算で判断したかを探るのは難しいといわれていますが、ある程度は理解しておかないと、AIが起こしたトラブルに対応することが難しいでしょう。

なぜAI人材が必要なのか

経済産業省から発表されている資料によると、2030年までに約79万人のAI人材が不足すると予想されています。そのため、政府は年間25万人のAI人材育成施策を打ち出しています。

一方で、AI人材は育成が難しいといわれます。従来のIT人材よりもAI人材に必要なスキルは広くなっているだけでなく、OJTに使えるほど整った環境もないためです。この他、体系立てて学習するプロセスや制度がなかったことも一因であるため、経済産業省主導のスキル認定制度などを作り、運用が開始されています。

上述の通り、AI人材には従来のITの知見以外にAIの知見、ビッグデータの活用や分析能力、そして高い倫理観も求められます。簡単に育成することが難しいAI人材は、引き続き高い需要があると考えられます。

さまざまな活躍の場があるAI人材

システム開発同様、AI開発にもフェーズがある上に、AIを使うジャンルによって活用方法が異なります。ここではAI人材が活躍できる場所について解説します。

AI研究者（データサイエンティストなど）

ビッグデータとAIについての専門知識を有し、研究やモデルの作成などを行っている人たちです。データサイエンティストと呼ばれることもあり、主に新しいAIモデルの構築や、ビッグデータの利活用などを行います。

AIにはモデルがかかせません。どういったデータをもとに、どういうロジックで、なんの結果を取得するのか、を総合的に考えて、必要なデータの収集方法や使用するアルゴリズムの検討、出力の形などを検討しAIを構築します。

また、新しいモデルが出てきても、そこに投入するデータの精度が悪ければ、精度が下がってしまいます。データは集めるだけでなく分類して、時には切り捨てることも必要です。そのため、データクレンジング（ビッグデータなどを扱いやすいように整形する作業）や、分析前の前処理など、ビッグデータをAIで活用できる形にする作業も行います。

AI開発者（エンジニア、プログラマーなど）

構築したAIや、ビッグデータ収集用のセンサーを実装するためのソフトウエアやシステム開発を行う役割を担います。AIに強いプログラミング言語ができるエンジニア、プログラマーが担当する部分です。

上流工程ではシステム化するための要件を整理し、データサイエンティストなどが作った概念や戦略を具体的にして、システム化できる状態へと持っていきます。

実装する場面は、単に実装するだけでなく限られたリソースの中でいかに速く効率的に処理をするか考える必要があります。ゼロからコードを書く技術ももちろん必要ですが、それ以外にセンサーであれば、少ないリソースで動くものを作る技術なども求められます。

AIプランナー（コンサルタントなど）

せっかくAIを導入しても現場担当者が使い方を考え、積極的に使ってくれるケースは稀です。イメージしやすいように利用例を提案し、最終的にはエンドユーザ自身で活用できるような導入が求められます。これをサポートするのがプランナーです。現場に即した活用方法を見出したり、導入後のサポートや業務設計を行ったりするのが主な業務となります。

クライアントが求めるものがAIでどう解決できるかを検討し、データサイエンティストとともに検討を重ねていきます。

AI人材を育てるためには

ここでは企業がAI人材を育成するために用意すべき内容について解説します。

タイプごとに必要なカリキュラムを学ぶ

前述の通りAI人材にはさまざまな知見が求められます。しかしこれはAI人材全員が、すべての項目について深く知っておく必要があるということではありません。

例えば、AI研究者の場合、プログラミングの知識はそこまで求められませんが、AIへの知見やビッグデータの利活用方法については深く持っておく必要があります。

AI開発者の場合、まずはプログラミングの知識が重要になります。一方でビッグデータの利活用方法などは、後回しにしても大丈夫な場合が多くあります。

また、AIプランナーの場合、ユーザの活用方法を見出したり、質問に回答したりするため、これらすべてについて幅広く理解しておく必要があります。

このように、AI人材といっても、求められるものはAI人材のタイプによってかわります。タイプに応じたカリキュラムを学ぶことで、現場で活躍できるAI人材をいち早く教育することが可能です。

実践できる現場の存在

研修プログラムやハンズオンをこなすだけでは現場の対応力を身に着けることは難しいです。試行錯誤しながらさまざまなものを試すような経験は、現場にいるからこそできるものといえるでしょう。

実際の案件に関わることで失敗することもあります。そこから課題を見つけ解決する経験が、スキルアップには重要です。一人で悩むことがないようにチームでサポートしたり、案を出しあったりと組織的に教育を行う必要もあります。

クライアントと一緒に課題に取り組む経験ができると、なおよいでしょう。クライアント自身はAIの専門家ではない可能性が高いので、クライアントの要望をいかにして実現するかを考えるのが腕の見せ所となります。現場で悩みながら積んだ経験が、実践に強い人材を作り出すことに繋がります。

継続的な学び

AI技術の進歩は早いので、常に最新のテクノロジーに対してアンテナを張り、生かしていくことが必要です。課題となっていたことが新技術の登場で簡単に解決することもよくあります。

そういった情報を集めるためにも情報共有や人材交流の機会は定期的に持ちましょう。必ずしも会って話す必要はなく、コミュニティやポータルのような困った時に相談できる場所があるのが理想です。誰かが見つけたニュースが共有されると同時に、自分が共有したニュースの正確性が精査されることにもなります。

新しい分野で日進月歩の進化を遂げているだけに、継続的に学習していく取り組みはとても重要になります。

AI技術の躍進に必要不可欠なAI人材

ビッグデータや機械学習、AIが企業の発展に寄与すると分かった今、AI人材の不足が懸念されています。どこの企業もAIを導入したい上に、技術自体が急速に発展していくため、対応できる人材が限られてしまっているのが現状です。

既存の優秀な人材を確保するのはもちろん、若い世代を特別プログラムで育成することや、IT人材として働いている人をAI人材へ変換するなど、増やす方法はいくつか挙げられています。人材不足によって成長が止まってしまうことがないように確保や育成は急務といえるでしょう。