- AIを勉強したら何か意味はあるの？
- AIを学んだ後のはどうすればいい？
AIを学んでみたいけどAIを学んだ後のキャリアにどのようなものがあるのか不安になっていませんか？
どうせなら学習した内容を活かした方法を考えて自分が切り開くキャリアを思い描いてから学習したいですよね。
この記事では、実際にキカガクでAIを学んだ際に色々な人と交流した中で気づいたキャリアなどを色々見ていきます。
この記事を読むことで、自分がAIを学ぶ意味と学習後のキャリアを見据えた学習方法がわかるようになります。
目次
→データサイエンス特化型スクール経産省の定義から考えるAI人材
経産省ではAIに関わる職種の人たちを3タイプに分けており、そこからエキスパートクラスとミドルクラスに分けています。
AI研究者
AI研究者はAIを研究しより精度の高いアルゴリズムを考える人たちになります。
AI研究者には社会人がなることは不可能といえます。
AI研究者は大学や企業の研究機関などで専門的に学習しているほか実際に学位を持っている人たちです。
この人たちは日ごろからAIのアルゴリズムの精度を高める数式を考えたりする人たちであり、
大学などで勉強している人たちが目指す分野といえます。
AI開発者
プログラミングを通してAIを作成する人たちであり、いわゆるAIエンジニアになります。
AI開発者は主に次の内容を理解しておく必要があります。
- プログラミング
- AIを構成するアルゴリズム
AI事業企画
AI事業企画はAIをどのように活用していくのかを考える人たちになります。
AIと言っても導入する目的は様々です。
AI事業企画の人たちがどのようにAIを活用するのか考えることでビジネスが円滑になっていきます。
キャリアとか考えずにAI学習を楽しむ
実際にAIスクールに行ってみるとわかりますが、単純にAIの学習をすること、AIのアプリを開発すること自体を楽しむ人たちもいます。
実際、キカガクのOB/OGのコミュニティでは、Kaggle（人工知能の精度を確かめるコンペ）にも有志で参加している人たちもいます。
AIを勉強するということは必ずしも自分のキャリアを形成するためのものではなく、学習をすること自体が面白いということも事実です。
キャリア１：自社に導入する
AIを学んだあとのキャリアとして、現在働いている会社にAIを導入してみるというのはどうでしょうか。
自社にAIを導入するというのは、
- 自社にとって大切な存在になれるため今後のキャリアが安定する
- 実績になる
などの面から非常におすすめのキャリア戦略になります。
AIとビジネスの両方を理解していないとAIの導入はできない
AIは万能ではありません。
精度がどれだけ上がっても間違える可能性を常に含んでいます。
そのため、自社にAIを導入する際に導入する人は以下のことを知っていることが条件になります。
- AIで何ができるのか
- AIでどこまでできるのか
また、自社にAIを導入するということは何かしらの課題をAIで解決しようとするということが目的になります。
そのためには、次のステップが重要です。
- 今のビジネスにどのような課題があるのかということを理解
- 課題をAIでどのように解決するのか
AIに関する事業をおこなっているアイデミーでは次のように書かれています。
自分が今働いている会社にAIを導入できるのはAIを学んだ自分しかいないということになります。
導入によって会社で唯一無二の存在になれる
現在の企業にAIを導入するということは、現在の企業活動の方針を形作るということになります。
どんな企業でも、企業内でしか通用しないとしても特殊な技能を保有しており企業が手放すことができない人材がいます。
自社の企業活動にAIを導入するということは
- 何を導入したのか
- 導入時点で何を目的にするのか
- 導入後にどのように運用するのか
など、すべてをコントロールしながら導入することになります。
AIを導入した際の考え方などを知っている、AIがどのように動いているのかわかる人というのは導入した当時からいる人でないとわかりません。
・自分が率先してAIを導入し
・企業の業務フローを形作ること
で企業にとって特殊なスキルを持っている唯一の社員になるということになります。
自分が中心となってAIを導入することで特定の業務フローに対する理解を深くすることで誰も太刀打ちできない稀有な人材になり、企業としても簡単に手放すことができなくなるということになります。
実績になる
AIスクールで学んだだけというよりもその経験を生かしてAIを導入した実績を持っている方が説得力があります。
いきなり見知らぬ企業にAIを導入するということよりも、自分が知っているビジネスに対してAIを導入するほうが簡単です。
自社のビジネスにAIを導入することでAI導入の際の注意点なども見えてきます。
それと同じでAIの導入も簡単じゃないのよ！
ここで実績を積んでおけば会社の状況や家庭の環境など予期せぬことで意図せず転職などをしないといけないという状況に備えることができます。
▶︎関連記事：AI学習者は転職サイトに登録だけでもしておく理由
実績作りという意味でも自社への導入はおすすめのキャリア戦略となります。
AI導入の二つの方向性
AIを自社に導入する場合、二つの方向性があります。
- AIエンジニアとして開発する
- AI事業企画として外部企業にAI作成を依頼し導入を行う
AIエンジニアとして開発する
AIエンジニアとして導入に向けてAIを開発する方法になりますが、あまりこの方法はおすすめしません。
AI開発は軽量なモノであれば一人でもできますが、たいていの開発は大規模になりがちです。
そのため、AIを勉強した人が少ないのであれば規模に対してマンパワーが足りず失敗する可能性が高いためです。
AI事業計画として
AIエンジニアとして開発することも可能ですが、AI事業計画者としてAIの導入を支援しAIの開発を外部委託するほうが現実的といえます。
AIやプログラミングのことを理解していない人たちがソフトウェアの開発業者とやりとりを行うとお互いの話が噛み合わず、結果として使うことのできないAIアプリというのが開発されてしまいます。
AIの導入には既存の業務で収集できるデータ、業務フローなどを理解する必要がありますが、これらを外部委託の業者に伝える必要があります。
この時、AI事業企画としてお互いの立場を理解しコミュニケーションを円滑にすることができる人材が求められます。
キャリア２：エンジニアになる
AIを学習した後、新たにエンジニアになるという方法もあります。
AIに関わるエンジニアの種類
そもそもエンジニアとはなんでしょうか。
IT業界を含めエンジニアと呼ばれる職業は多くあります。
- システムエンジニア（SE）
- ネットワークエンジニア
- セキュリティエンジニア
- レコーディングエンジニア
エンジニアとは本来の意味で考えれば「工学（エンジニアリング）の知識を保有している人」という意味になります。
車のエンジンなどとも同じ語源ではありますが、エンジンよりも前からエンジニアという言葉は存在しているとされています。
ここからわかることはエンジニアとは何かしら特定の知識を保有し活用している人ということになります。
ではAIを習得した後はどのようなエンジニアになれるでしょうか。
AIエンジニア
AIエンジニアとは明確な定義がありませんが実際にAIのアプリを開発する人たちとすることができます。
AIエンジニアになるには次のような技能が必要になります。
- プログラミング（AIアプリ構築のための技術）
- データサイエンスなどの概念的理解
データサイエンスについては、概念的な理解でも問題ありません。
実際にAIを開発するときは既に公開されているライブラリ（多くの人が共通して使うプログラミングのための道具）を使うため、概念的に理解さえ出来ていればAIの実装が行えるからです。
データサイエンティスト
データサイエンスとはデータを分析しデータから新たな価値を見出す学問のことを言います。
例えば、通販サイトなどでおすすめの商品が出てきたことがあると思います。
おすすめの商品はこれまでの他のお客の購買履歴などから次に買う可能性が高い商品を見つけ出していることになります。
この次に買う可能性のある商品を探すということはこれまでの購買データから次に買う商品が何かということを見つける（＝新しい価値を見つける）になります。
AIの実現手法の一つとして機械学習というものがあります。
この機械学習ではデータサイエンスの技術なども使うことからAIのプログラミングスクールではデータ分析講座としてデータサイエンスの勉強をさせてくれることも多いです。
そのため、データ分析を行う講座を受講すればデータサイエンティストになることも可能です。
実際のエンジニアは・・・
ここまででAIスクールで勉強した後にエンジニアの種類について書きました。
IT業界と関わりがあるとわかるのですがエンジニアの定義は曖昧です。
そのため、AIエンジニアがデータサイエンティストの内容をやらされたり、データサイエンティストがAIエンジニアの内容をやらされることもあります。
AIスクールで学べることはAIエンジニアの領域もデータサイエンティストの領域もカバーしているのであくまでもAIエンジニアやデータサイエンティストの括りは参考程度にしておきましょう。
エンジニアになる方法１：転職する
AIを勉強した後に転職をしてみることがエンジニアへの第一歩です。
▶︎キカガク受講生のAIエンジニア転職者情報
▶︎アイデミー受講生のAIエンジニア転職者情報
AIに関する人材というのは依然として希有な存在として認知されており、AIエンジニアやデータサイエンティストというのは高収入であることが多いです。
| 職業 | 平均年収 | 派遣社員（時給） | アルバイト・パート （平均時給） |
|---|---|---|---|
| プログラマー | 431万円 | 2,190円 | 1,096円 |
| AIエンジニア | 580万円 | 2,062円 | ー |
| データサイエンティスト | 697万円 | 2,606円 | ー |
最近のAIスクールは転職サイトと提携していることが多いため、AIスクールで学習することでAIエンジニアへの転職も有利になります。
- dodaと提携し専門のエージェントがサポート
- キカガクのコミュニティで転職活動をしている人たち同士で情報交換が可能
＼キカガクの転職支援内容を確認／
ただし、転職というのは良いことばかりではありません。
全く新しい企業に行った場合には次のようなことに注意しておく必要があります。
- 転職先の企業風土
- 福利厚生の内容
- 求人の情報と実際の業務内容に差異はないか
そのため、急いで転職するのではなくしっかり事前調査を行いAIスクールの仲間や先輩たちとコミュニケーションを取ることで、実際のAIエンジニアがどのようなものなのかということ明確にしておきましょう。
エンジニアになる方法2：フリーランスになる
AIを勉強してフリーランスになってみるというのも一つのキャリアの形といえるでしょう。
フリーランスとは企業に属さずに個人で仕事を受注する形態の働き方といえます。
こういった働き方は、企業に依存せずに生きていくことができるため最近では人気の働き方になります。
- 企業の社員と違い自分で売り込みをするなどのスキルも必要になります。
日本においては終身雇用制度などが崩壊しかけているとはいえ、依然として企業は個人を簡単に首にするということが難しいというのが現状です。
そのため、企業に所属しているということはある程度企業が生活を保障してくれるということにもなります。
フリーランスは自分で仕事の内容などを決めることができるなどのメリットがある一方で、仕事を受注できないという可能性もありますので注意が必要です。
フリーランスの働き方は魅力もありますが、だれでもフリーランスとして生きていけるほど簡単な世界ではありません。
フリーランスに必要なことは
- ITスキルのほか仕事を受注する力
- エンジニアとしての能力を示す方法
- エンジニアとしての実績
また、フリーランスといえども多くのエンジニアと一緒に働くということになりますからコミュニケーション能力なども必要になります。
そのため、AIを学んだからといってすぐにフリーランスになるのではなく一度IT企業などで
- AIが実際の仕事場でどのように使われているのか
- ITの現場などでの仕事の進め方
などを勉強してからフリーランスになるほうがおすすめです。
おすすめのキャリア設定
おすすめのキャリア設定としてはまず自社にAI事業計画者として導入しつつプログラミング学習を行い、そこからキャリアアップを目的として転職を行うというキャリアになります。
まずは自社でAIを導入しDXを行えば
- 導入時の問題点
- 導入時の注意点
- 導入後のサポート
など様々なことが分かると思います。
こういった経験を積み上げてからキャリアアップを目的とした転職してみましょうか。
キャリアの相談をAIスクールでしてみよう
AIスクールでは無料相談会を実施しています。
この無料相談会では実際のAIエンジニアやAI業界に携わっている人たちとAI業界に関するキャリアや学習後にできることに関して相談することも可能です。
AIスクールの人たちはAIに関するキャリアについて様々な知見を持っています。
一度、無料相談会に参加し自分にとって最適なキャリアが一体何なのかということを相談することで自分のキャリアに関する未来が広がりますよ！
