職場の誰かが、この質問のバリエーションを提案しました。AI は私の仕事を奪うでしょうか?私自身もこの質問をしたことがあるということを認めます。しかし、これらの AI エージェントの作成者である AI 専門家と話し、AI の進化を目の当たりにし、私の仕事のやり方に AI がどのように組み込まれているかを見ると、疑問が生じます。 AIが私の仕事を奪ったら もう怖くないよ。私は学習にどのように時間を費やすかについて、より興味があり、より意図的になりました。
2021 年に分析の仕事を始めたとき、SQL または Python コードを記述してダッシュボードを構築することは貴重なスキルだと考えていましたが、実際にそうでした。厄介なビジネス上の問題をデータ上の問題に変換し、人々にとって実際に意味のある洞察を明らかにすることは、磨く必要がある真のスキルであることにすぐに気づきました。でもAIが発達した今、それをいつまで自分の力と言えるか分かりません。
2022 年に ChatGPT が家庭の会話になったとき、私は AI が短期的には過大評価され、長期的には過小評価されていると感じましたが、これはますます真実になっていると感じています。
業界は私たちのほとんどが認めているよりも速く進んでおり、これらのシステムを構築している人々でさえ、それがどこに向かうのか正確にはわかっていません。
AI ツールは、ビジネス コンテキストなど、通常は勤務して数年経たないと得られない知識など、これまで高齢者の頭の中にのみ存在していた知識を習得する点で毎月進化しています。この知識が文書化されて AI システムに入力されると、対象分野の専門家の頭の中だけでなく、必要とする人は誰でも利用できるようになります。
部族の知識が書き留められると、役割間の境界線があいまいになります。
データ アナリストはデータ エンジニアの範囲を引き継ぐことが期待されています。ソフトウェア エンジニアは、A/B テストの結果を解釈できるようになります。これは、以前はデータ サイエンティストと協力して行われていたタスクです。 AI エージェントの助けを借りれば、技術的な知識がまったくない人でも、5 年前なら経験豊富なアナリストが午後 1 時間で行っていたであろうダッシュボードを開発できるようになります。
私はつい先週、これを注意深く観察しました。スクラム マスターは 2 つのプラットフォームからのプロジェクト配信データを統合する必要がありましたが、Copilot の助けを借りて、基本的な作業をデータ アナリストに頼ることなくデータ パイプラインを設計し、Power BI ダッシュボードを作成することができました。私が連れてこられたとき、彼が必要としていたのは、プロセスを自動化し、ストーリーを完璧にするための助けだけでした。誰にとっても普通の火曜日かもしれませんが、私にとっては、AI によって役割間の境界線が急速に曖昧になり、多くの技術スキルが広く利用可能になっていることを思い出させる日です。
これは、分析がなくなるということを意味するものではありません。これは、実行の障壁が低くなり、私たちの価値は、情報を意味のある意思決定に変える判断力、状況、影響力、能力によってもたらされることを示しています。
私の推測では、今後 5 年間は、今日知られているように、データ アナリストからシニア アナリスト、プリンシパル アナリストへの直接的なキャリアアップは行われないでしょう。クエリの作成、ダッシュボードの構築、レポートの実行といった従来のエントリーレベルの役割では、それ以上のことが必要になる可能性があります。代わりに、AI、ビジネス、データ分析、ソフトウェア エンジニアリングの交差点に位置するハイブリッドな役割が登場します。
それが何であるかを正確に知っているふりをすることはまだできません。誰もそうしません。しかし、ここでの私の見方に基づくと、 私の分析が AI に食い込まれないようにするには、今日何をすればよいでしょうか?
- 私は、クエリの作成、グラフ作成、レポートの生成を価値提案全体として扱うのをやめました。 AI のおかげで、多くの人が私を必要とせずにこれを自分で行うことができます。それが私が提供できることだけなら、私はツールを使用せずに、静かにツールと競争しています。この理解のもとで仕事をしています 増加 もっと自分自身を ビジネスインテリジェンス、分析的判断、AI システム設計の交差点にあります。
- 試してみます システムが実際にどのように動作するかを理解する: AI エージェントがどのように考えるか、AI エージェントのコンテキストを構造化する方法、AI と私のデータの間に結合組織を構築する方法。これはすぐに良い知識ではなくなり、アナリストのツールボックスの中核となるでしょう。
- 判断力が 2 倍になる AI はまだ再現が難しい 次のような場合:
- AIは洞察力を発展させながら静かに嘘をつくことを知っている
- 決断を下す前に救助バイアスを理解する
- 相関関係と因果関係の境界線を保つ
- 個人的な確証バイアスに陥る前に克服しましょう
- 観察と本当の理解の違い
- 測定を始める前に、そもそもその指標が何を意味するのかについて話し合ってください。
- 私も引き続き構築していきます 人間のスキル。私は認知科学や人々が変化にどのように適応するかについて読むのが大好きで、人間の (ソフト) スキルは SQL クエリを実行するほど置き換え可能ではないことを学びました。不確実性を受け入れ、ビジネスを十分に理解し、数字を見る前にその数字が何であるべきかを知る必要があります。また、ハードスキルは仕事につながりますが、ソフトスキルは昇進につながるので、私は今そこに最もエネルギーを注いでいます。
- 私はしようとします 強い判断力 拡張可能なシステムに移行すると、それを頭の中に留めておくのではなく、実際に価値のあるものを手に入れることができます。
- 私は次の 3 つの作業レベルで AI エージェントを使い始めました。 パフォーマンス、 光学、 そして インパクト。適切なピッチで、研究、分析、コンテンツ作成を自動化することで AI を加速すると同時に、作業を関係者にとって明確で魅力的な物語に変えて光学機能を向上させるよう努めています。この努力の結果、ビジネスへの影響を効果的に伝え、創造の価値をより適切に示すことができました。
彼は振り返り、そして前を向いた
5 年前、私は分析が得意であるということはデータを扱うことが得意であると考えていました。しかし、今日では、上手であるということは判断することを意味すると思います。それは主に、適切な質問をすること、数字がいつ真実を伝えているのか、いつそうでないのかを知ること、そして問題のどの部分に本当に人間が関与する必要があるのかを知ることです。
私たちがデータ サイエンスや分析で使用するツールは、長年にわたって何度も変化してきましたが、AI によってその変化のペースが加速しても驚かないでしょう。しかし、パーサーの本当の価値は決して SQL クエリそのものではありません。それはビジネス上の問題を理解し、信頼を築き、意思決定者に自信を持って行動してもらえるようにすることでした。 AI がより多くの技術的な作業を引き継ぐにつれて、判断力、文脈、コミュニケーション、影響力、共感といった人間特有のスキルがこれまで以上に重要になるでしょう。これらは私が自分のキャリアを賭けているスキルです。
これでこのブログ投稿は終わりです。読んでいただきありがとうございます!興味深く読んでいただければ幸いです。
Rashi はシカゴ出身のデータの第一人者で、データを分析し、洞察を伝えるためのデータ ストーリーを作成するのが大好きです。彼はフルタイムの上級ヘルスケア分析コンサルタントで、週末にコーヒーを飲みながらデータについてブログを書くのが好きです。
