web系に関わる情報を 専門家が毎日発信!

機械学習(AI)エンジニアの将来性と今後の必要スキルを考察【何で差別化する?】

 

機械学習(AI)エンジニアの将来性と今後必要になっていくスキルって何だろう?実際どう言う風に機械学習(AI)エンジニアがどう言うスキルで働いてるのかな?そのスキルは今後の将来もニーズがあるのだろうか?こんな疑問にIT業界で機械学習(AI)エンジニアとも働く僕が解説します。

 

これはMBAや経営学のイノベーション文脈でいう、知の深化と知の探索をスキルに置き換えて言ってますね。 企業も基礎研究や応用研究で、イノベーション起こすために知識とゆう資産のポートフォリオ組んでます。 機械学習エンジニアに限らず、会社員は必要な概念に間違いないと思いますね。それを意識しないと将来性あっても将来はは危うくなりうる

 

結論、機械学習(AI)エンジニアと一緒に働く私目線では、①将来性は確かにあるし年収もバリバリ高い、②ただし、今後に置いてより大事になるスキルを磨かずにいるとその将来もちょっと危うくなるかも、と言う仮説です。今回はその理由を解説していきます。

 

最近テック系ユーチュバーの勝又さんが機械学習(AI)エンジニアの将来的な外部環境も踏まえて良質なつぶやきしていたので、自分の考えも補足する形で書いてみます。

 

機械学習(AI)エンジニアの必要なスキルは大枠2つ

 

まず機械学習(AI)エンジニアの将来性を考える上で、現状として機械学習(AI)エンジニアに必要とされている大枠のスキルセットから整理していきましょう。結論、統計・数学(データサイエンス)とプログラミングですよね。

 

統計・数学(データサイエンス)

言わずもがな機械学習(AI)エンジニアは、機械学習×エンジニアなので、1つ目は前者の部分のバックボーンになる統計や数学でいわゆるデータサイエンスよりのスキルセットです。

 

データサイエンスといえばデータサイエンティストがいるよね?何が違うの?と言うのは話がそれるので割愛しますが、ざっくりといえばデータサイエンティストはプログラミングも必要だけど本当に統計に優れている人たちです。

 

で話を戻すと、機械学習(AI)エンジニアはレコメンドエンジン(例えが古いけど)などの開発において、統計や数学のスキルを使って機械学習(AI)つまりアルゴリズム部分を考えますよね。いわゆるAIとも呼ばれますが、まずはこのスキルが機械学習(AI)エンジニアには必須です。

 

プログラミング

そして機械学習(AI)エンジニアに現状必要とされているスキルは、先ほどのアルゴリズムを実装していく部分であるプログラミングスキルです。基本は、Pythonを得意としていると思います。あるいはRですかね。

 

機械学習(AI)エンジニアは、エンジニアですからプログラミングつまり開発できないと機械学習エンジニアじゃないです。アルゴリズムや予測だけだとデータサイエンティストに近いです。データサイエンスティストが考えたアルゴリズムを機械学習(AI)エンジニアが実装するってこともあります。

 

ちなみに、データサイエンティストにはビジネス理解というスキルが必要と言われているけど、機械学習(AI)エンジニアには必要ないんか?という疑問が出そうですが、最低限の必要スキル要件的には必須じゃないと思います。エンジニアなので。

 

一方で、データサイエンティストはある程度求められがちです。ただこの辺も記事後半で解説しますが、データサイエンティストを必要とするほどビッグデータのある企業は得てして大企業で、大企業は得てして分業制なのであまりビジネス理解は必要ないんでは?とも思ってたりもします

 

参考:データサイエンティストに必要なスキル【事業会社目線で解説】

 

機械学習(AI)エンジニアの将来性を技術動向から考える

 

でここからが現状を踏まえた上での機械学習(AI)エンジニアの将来性を考察してみます。今回は、勝又さんのつぶやきにもあるように外部環境としての技術動向観点を中心に将来性を考えてみます。結論、autoMLやデータロボットのような代替によりボトムのユースケースで民主化が進むだろう、です。

 

autoMLやデータロボットによる民主化が進む

まず、autoMLやデータロボットを知らない方向けに簡単にその内容を触れてみます。まずは、autoMLからです。簡単にいうと、機械学習(AI)のような難しいものを誰でも簡単に使えるようにしますよー、というサービスですね。

 

今日(米国時間1/17)、Googleはいくつかの重要な発表をしたが、 AutoML Visionのα版公開もその一つだ。このサービスはML(機械学習)についてまったく経験のない層も含めたデベロッパーに対して、カスタマイズされた画像認識モデルの構築を可能にする。Googleではカスタム機械学習モデルをAutoMLと名付け、画像認識以外の分野に応用を拡大していく計画だ。

現在AutoMLがサポートするのはコンピューター・ビジョン関連だけだが、近い将来Googleは機械学習が用いられる各種の分野(音声認識、翻訳などの自然言語処理、ビデオ処理等)でAutoMLのビルディング・ブロックが使えるようにしていくはずだ。

引用:autoMLとは

 

Googleが推進しているので、本格的に普及していくのは時間の問題のような気もします。続いては、データロボットです。データロボットは企業名です。同じように機械学習の自動化でAIの民主化を進める企業です。

 

 

 

AIを活用して迅速に価値を創造したいとお考えなら、DataRobot がAIと機械学習の成功を実現します。DataRobot は問題解決、効率化、従業員のエンゲージメント向上、あらゆる分野でのAIの活用を支援します。

引用:データロボットHP

 

データロボットはリクルートが出資している企業ですね。以下のように、誰でも機械学習やデータサイエンスを活用できるように世界線は進んでいくはずです。

 

経営やさまざまなビジネスシーンでの意思決定においてデータ活用が重要である一方、それを支えるデータサイエンティストの不足が、多くの企業にとって課題となっています。リクルートは、DataRobot Inc.への出資および同社とRITの事業提携を通じて汎用機械学習プラットフォームの進化に貢献し、データサイエンティストの業務効率改善や、データサイエンティストではない方のデータ活用を支援します。また、今後リクルートグループへの導入をはじめ、国内での普及に取り組んでまいります。

引用:データロボットへの出資

 

将来性変わりうるから技術一本だと正味不安

ということなので、機械学習(AI)エンジニアがもし技術一本勝負したい場合、そのスキルに相当な自信がないと将来起きうる変化に対して対応しにくくなる可能性は大いにあると思うんですよね。もちろん、機械学習(AI)エンジニアってかなり高等職種ですし年収もバリバリ高いです。

 

とはいえ年収ってのは常に需要と供給で決まるので、供給サイドにautoMLやデータロボットのような代替サービスが普及していくと徐々に年収が低下傾向になる可能性はないとはいえないと意味では将来性が安泰な職種とは言い切れないのかなと。(もちろんどの職種も同じですが)

 

なので、技術一本ではなく人間の仮説や考察も含めたモデルの構築ができることとか、圧倒的な数学や統計のスキルがあるとより良いと感じます。もっというと、こういうデータロボットやautoMLをさらに改善できるような機械学習エンジニアだと需要は高まるのかもしれないです。

 

参考:データサイエンティストの将来性と仕事内容【シンプルに凄い】

 

機械学習(AI)エンジニアの将来性を考えた時のスキル獲得戦略

 

最後に、こういった将来における環境変化を念頭に置いて機械学習(AI)エンジニアのスキル獲得計画は、企業のR&Dやイノベーション文脈における経営学の知見を転用するといいのかなと思います。僕個人もそうしています。

 

基本戦略は経営学におけるR&Dの考えと同じ

先ほどいった経営学の知見ってのは、「知の深化と知の探索」のことです。研究開発を行うR&D組織でいえば、基礎研究が知の深化にあたり、周辺分野の研究が知の探索に該当します。これがR&Dのポートフォリオになります

 

機械学習(AI)エンジニアでいうと、機械学習自体のスキル獲得が知の深化であり、機械学習周辺の分野の学習が知の探索に当たります。2012年で結構古いんですが、以下の世界の最先端の経営理論で紹介されています。

 

 

 

掻い摘んで話すと、特定技術に成功体験のある企業は得てしてその技術に固執し新しいイノベーションを阻む要因になる、てな感じです。なので、知識の深化だけではなくて知識の探索も必要と最先端の経営理論では言われています。

 

これは個人も同じだと思っていて機械学習(AI)エンジニアであればハイスキルな職種なだけになおさらなのかなと思います。

 

とはいえ機械学習(AI)エンジニアは年収高い

ここまで読むと、え?機械学習(AI)エンジニアも将来性危ういのか?と思っちゃうかもなんですが、ぶっちゃけ現状でいうと将来性は高いですよね。年収も高いですし、以下のDeNAの新卒採用の若者に提示した年収がそれを物語っています。

 

「AI(人工知能)のような技術は大学で最先端を学んだ学生が即戦力となる分野で、採用ターゲットです。事業価値を考えても適当だと判断しています」

 ディー・エヌ・エー(DeNA)のAI部門を統括する山田憲晋AIシステム部長が、そう説明する。同社では2017年、高いAI知識を持った学生のための採用枠「エンジニア職AIスペシャリストコース」を設けた。同社の新卒エンジニアは年俸500万円がベースだが、このコースは「600万円以上、最高1千万円」だ。

引用:DeNAがAIエンジニア新卒に最高年収1000万提示

 

新卒で年収1000万円ですからね。機械学習(AI)エンジニア夢があります。ただ相当ハイスキル人材出ないとオファーは出ないでしょう。この学生は東大院卒かつ論文でも国際会議に提出済み(査読付きかはわからないけど)なので相当ハイスキルです。

 

この流れはどんどん広がっていくように思うので、機械学習(AI)エンジニアになりたい人は先ほどのR&D企業の考え方を個人のスキル獲得に転用し、将来性というものを個人で切り開くのがいいのかなと思います。

 

最後に超個人的な仮説として、機械学習(AI)エンジニアはビジネス理解(つまり課題設定力とかそういうもの)が加わるとかなり市場価値上がるんではないかなと思います。

 

なぜかというと、機械学習(AI)エンジニアやデータサイエンティストに何を行ってもらうか=つまりどんな課題を解決してもらうか?を考えるのってだいたいビジネスに長けたプロデューサー系なんですよね。なので、その部分まで侵食できたら最強なのかなと。

 

もし機械学習(AI)エンジニアとして働きたい場合は、ビッグデータナビが専門性の高い求人サイトになっておりとてもおすすめですね。一般的な求人サイトを使うよりこういった専門サイトを使う方が良いですよ。

 

 

まとめ

 

ということで機械学習(AI)エンジニアの将来性とスキル獲得の考え方を解説しました。代替技術で将来がどう転がるかは不確実でしかないので、どう立ち向かっていくかに焦点を当てて将来性は自分で作っていくスタンスが必要そうです。

 

個人で機械学習(AI)エンジニアを独学で目指すのは困難なので、もし目指す場合だとかビジネス課題設定も学びたい場合はDIVE INTO CODEなどのスクールの活用もありですね。機械学習エンジニア専門のコースがありますし、大手で勝又さんもおすすめしています。

 

 

 

 

参考:データサイエンススクール厳選3社【現状スキルに合わせた選び方も解説】

最新情報をチェックしよう!