白金鉱業Meetup_Vol.18_生成AIはデータサイエンティストを代替するのか？

2025年4月24日に実施した、白金鉱業 Meetup Vol.18@六本木/オンライン（AIエージェント）
での株式会社 BrainPad AAA（ブレインパッド エーキューブ）金の登壇スライドです。

イベントURL
https://brainpad-meetup.connpass.com/event/348153/

Transcript

1. 白金鉱業Meetup AIエージェント編 生成AIはデータサイエンティストを代替するのか？ 2025年 4月 24日 株式会社BrainPad AAA （ブレインパッド エーキューブ）
2. ©BrainPad Inc. Strictly Confidential 2 1.自己紹介 2.問題提起 3.データサイエンティストの主な役割 4.生成AIが得意とすること 5.競争か、それとも役割分担か？ 6.どう備えるべきか？ 7.Replace or Reinvent 目次
3. ©BrainPad Inc. Strictly Confidential 自己紹介
4. 4 ©BrainPad Inc. Strictly Confidential 金 俊亨 KIM JUNHYEONG 自己紹介 2020 株式会社ブレインパッド入社 数理学を専門に博士学位を取得後、2020年にデータサイエンティストとし てブレインパッドに新卒入社。機械学習モデルを駆使した需要予測及び在 庫最適化のシステム構築支援やクレジットカード・Pay系サービスの施策 効果検証支援に従事。生成AIに関する社内外での情報発信を多数実施。 経歴 キャリア要約 プロジェクト経験（抜粋） データサイエンティスト そのほか経験 • 大規模言語モデル(LLM)のデータセット解説記事 （https://www.brainpad.co.jp/doors/contents/01_tech_2023-06-02-163008/） • 生成AIに関する社内ブランドのPodcast収録に参加 （https://shirokane-kougyou.github.io/episode/80） 株式会社 BrainPad AAA （ブレインパッド エーキューブ） 所属 業界 テーマ 役割 流通小売 機械学習モデルを活用した新商品の自動受発注システムの構築支援 メンバー 〃 卸売向けの自動受発注システムの構築支援 メンバー 金融 クレジットカードの施策効果検証支援 PM/分析設計 〃 クレジットカードの入会予測モデルを活用した施策設計＆効果検証 PM/分析設計 〃 Pay系サービスのローンチ直後の利用者分析 PM/分析設計 2025 株式会社BrainPad AAA出向
5. ©BrainPad Inc. Strictly Confidential 問題提起
6. 6 ©BrainPad Inc. Strictly Confidential Intro AIがコーディングも、要約も、レポーティングもしてくれる… ChatGPTが全部やってくれるのに、 私はなんの価値を生み出すべきなんだろう… 生成AIの時代に、我々はまだ必要な存在なのか？
7. 7 ©BrainPad Inc. Strictly Confidential 生成AI、データサイエンティストを代替するのか？ Intro
8. 8 ©BrainPad Inc. Strictly Confidential なぜこの問いが大事なのか 生成AIの時代において、データサイエンティストは最も早く影響を受ける職種です。 そしてこの問いは、個人の悩みにとどまらず、組織全体が直面する戦略的な判断の問題でもあります。 組織 個人 Threat • AI導入企業との生産性ギャップが拡大 → ROI悪化により、データ部門の人員 削減圧力増 • 規制・セキュリティ対策不足によるリ スクコストの急増 • 定型業務の自動化により役割が縮小（デー タ前処理・レポート作成など） • 「AI活用スキルの格差」→ 平均年収の低下 リスク Opportunity • 単純作業をAIに任せ、高付加価値分析 ・戦略設計に人材再配置 • 「AIファースト、人間が検証」による 意思決定の高速化 • プロンプトエンジニアリングやLLMOpsス キルでキャリアをレバレッジ • AIの出力を実行可能なビジネス施策に変換 するPM能力が差別化要素に
9. ©BrainPad Inc. Strictly Confidential データサイエンティストの主な役割
10. 10 ©BrainPad Inc. Strictly Confidential データ分析者に求められる仕事 データ分析者は、「データから引き出す価値を最大化するために、統計学や数学、プログラミングなどの技 術を駆使してデータ活用を実践する仕事を担う職業」です。具体的な仕事は多岐にわたります。 「ビジネス現場でのデータ分析者 (東大GCI講義資料) p.35」より抜粋 ステップ 役割 説明内容 AI代替 難易度 ビジネス課題設定 課題を分析可能な形に構造化 ドメイン理解・仮説設計 •◦◦（低 ） データ収集・前処理 データの整備とクレンジング 欠損処理、異常値補正など ••◦（中 ） モデリング モデル構築・評価 AutoMLの補助ありだが、最終調整は人間必要 ••◦（中 ） インサイト抽出 分析結果の解釈と意味づけ 文脈理解・ビジネス知識が求められる •◦◦（低 ） ストーリーテリング 分析結果を伝えるナラティブ設計 ダッシュボード構成、プレゼン資料作成など •◦◦（低 ） ガバナンス・運用 品質管理、セキュリティ、再現性の担保 MLOpsによる支援可能領域が広い •••（高 ）
11. 11 ©BrainPad Inc. Strictly Confidential データ分析者に求められる仕事 データ分析者は、「データから引き出す価値を最大化するために、統計学や数学、プログラミングなどの技 術を駆使してデータ活用を実践する仕事を担う職業」です。具体的な仕事は多岐にわたります。 「ビジネス現場でのデータ分析者 (東大GCI講義資料) p.35」より抜粋 ビジネス課題 設定 課題を分析可能な 形に構造化 •◦◦ （低） データ収集・ 前処理 データの整備とク レンジング ••◦ （中） モデリング モデル構築・評価 ••◦ （中） インサイト抽 出 分析結果の解釈と 意味づけ •◦◦ （低） ストーリーテ リング 分析結果を伝える ナラティブ設計 •◦◦ （低） ガバナンス・ 運用 品質管理、セキュ リティ、再現性の 担保 ••• （高）
12. ©BrainPad Inc. Strictly Confidential 生成AIが得意とすること
13. 13 ©BrainPad Inc. Strictly Confidential 生成AIの強み 生成AIは、データ処理の自動化や高速なインサイト抽出を通じて、効率性の向上と分析の深化に貢献します 。また、リサーチやレポート作成を支援し、データ活用の民主化と新たな可能性の創出を加速させます。 スピード革命 数分でInsight抽出 スコープ革命 非構造データ・音声に も対応 デモクラシー革命 誰でもSQL・可視化
14. ©BrainPad Inc. Strictly Confidential 競争か、それとも役割分担か？
15. 15 ©BrainPad Inc. Strictly Confidential 生成AIはデータを分析するが、データサイエンティストは意味を生み出す 生成AIは高速なデータ分析が得意ですが、ビジネス視点での解釈はデータサイエンティストの役割です。 両者は競争関係ではなく、それぞれの強みを活かして補完し合うパートナーなのです。 コンテンツエリアです AIができること データサイエンティストが担うべきこと データの整理と高速処理 ビジネス課題に適したデータの選定 & 活用方針の設定 パターンの発見と予測 結果の意味を解釈し、戦略的インサイトを導き出す 自動レポート生成 & コード作成 データに基づくナラティブを設計し、意思決定を支援 可視化 & ダッシュボード生成 正しいメッセージを伝えるデータストーリーテリング
16. 16 ©BrainPad Inc. Strictly Confidential データサイエンティストが担う、生成AIにはできない役割は？ AIが自動化できない核心的な役割は、「コンテキスト管理者」と「ナラティブ設計者」です。 これまで、プロジェクトマネージャー（PM）型のデータサイエンティストがこの役割を担ってきました。 • 生成AIはデータを処理するが、ビジネスの背 景を理解しない • 「なぜこのデータが重要なのか？」を説明す るには人間の解釈が必要 • AIは数字を示せても、意味を語ることはでき ない • データを「実行可能なインサイト」に変える ストーリー設計が求められる ナラティブ設計者 コンテキスト管理者 失敗事例：コンテキストを見誤った分析 生成AIが過去CVRを元に「施策成功」と判断 → 新ブランド導入後の文脈を無視して実行 → 解約率 15％増 → データに「意味」を与える工程の不在が致命傷に。 役割 主要スキル アウトプットの例 コンテキスト管理者 ビジネス文脈の把握 関係者調整 課題定義書、データ選 定ポリシー ナラティブ設計者 ストーリーテリング 意思決定支援 KPI説明スクリプト、 CxO向けプレゼン資料
17. 17 ©BrainPad Inc. Strictly Confidential これからのデータサイエンティストは、生成AIと協働するストラテジストになるべき • 生成AIをツールではなく、分析プ ロセスに統合 • 生成AIの出力を検証し、信頼でき るインサイトに変換 • 生成AIが最大限の力を発揮できる 環境を設計する 生成AI活用戦略家 これからは生成AIと協働することを前提に思考する必要があります。データサイエンティストは、「コンテ キスト管理者 + ナラティブ設計者 + 生成AI活用戦略家」へと進化しなければなりません。 • 生成AIはデータを処理するが、ビ ジネスの背景を理解しない • 「なぜこのデータが重要なのか？ 」を説明するには人間の解釈が必 要 コンテキスト管理者 • AIは数字を示せても、意味を語る ことはできない • データを「実行可能なインサイト 」に変えるストーリー設計が求め られる ナラティブ設計者 既存のPM型データサイエンティストが担っていた役割 生成AIとの協働を前提にした役割
18. ©BrainPad Inc. Strictly Confidential どう備えるべきか？
19. 19 ©BrainPad Inc. Strictly Confidential どう備えるべきか？ 個人はAIと協働するスキルを身につけ、組織は生成AIを効果的に活用できる環境を整えるべきです。 生成AIは単なる自動化ツールではなく、個人と組織の競争力を強化する戦略的な資源です。 主要課題：AIと協業するためのスキルセット 必要なスキル: • 生成AIの分析結果の解釈と信頼性の検証 • AIが生成した分析結果を検証し、ビジネスの文脈に合わせて解 釈する能力 (Human-in-the-loop) • 生成AIと協働する分析プロセスの設計 • AIが効果的に機能するワークフローを構築 • AI-Friendlyなドキュメンテーション • AIが解釈しやすい形でデータ＆プロセスを文書化 • コンテキストを蓄積していくプロセス 組織 個人 主要課題: AI活用前提のプロセスと文化の設計 準備すべきこと: • データサイエンティストの役割再設計 • AIが担当できる業務と人間が介入すべき業務を明確に区別し、 組織構造に反映する • データ人材の採用戦略を再検討 • 従来の「モデル開発中心」の採用から、「AI活用＆戦略的解釈 」を重視した採用へシフト • AI活用の業務プロセスを構築 • 「AI First, Human Verified」の原則を適用し、AIと人間が協働 する仕組みを整備
20. ©BrainPad Inc. Strictly Confidential Replace or Reinvent
21. 21 ©BrainPad Inc. Strictly Confidential Replace or Reinvent? 生成AIが私たちを代替(Replace)するのか、それとも私たちが生成AIを活用して再創造(Reinvent)するのか？
22. 株式会社ブレインパッド 106-0032 東京都港区六本木三丁目1番1号 六本木ティーキューブ TEL：03-6721-7002 FAX：03-6721-7010 www.brainpad.co.jp info@brainpad.co.jp 本資料は、未刊行文書として日本及び各国の著作権法に基づき保護されております。本資料には、株式会社ブレインパッド所有の特定情報が含まれており、これら情報に基づく本資料の内容は、貴社以外の第三者に開示されること、また、本資料を評価する以外の目的で、その 一部または全文を複製、使用、公開することは、禁止されています。また、株式会社ブレインパッドによる書面での許可なく、それら情報の一部または全文を使用または公開することは、いかなる場合も禁じられております。 ©BrainPad Inc.