ChatGPTはデータサイエンティストを置き換えるのか？

データ業界で働いているか、将来そのようになることを望んでいる場合、キャリアチェンジの時期が来たのかどうか疑問に思うかもしれません。

ChatGPTのような生成モデルは、データサイエンティストの終わりになるのでしょうか？

私はデータサイエンスの経験が3年ありますが、この点について私自身の意見を提供したいと思います。

以前に書いた記事で、自動化されたAIソフトウェアがデータサイエンティストを置き換えることは決してないと強く反対しました。私の主張は、これらのツールは組織の効率をある程度向上させるかもしれませんが、カスタマイズ性に欠け、すべての段階で人間の関与が必要です。

しかし、それは2022年2月以前のことであり、OpenAIの革命的な言語モデルであるChatGPTがリリースされるはるか前のことでした。

ChatGPTは最初はGPT-3.5をベースにしており、自然言語とコードを理解する能力を持つモデルでした。

そして、2023年3月にGPT-4がリリースされました。このアルゴリズムは、論理、創造性、推論に基づく問題の解決において、その前任者を凌駕しています。

GPT-4についてのいくつかの事実をご紹介します：

コードを書くことができます（本当にうまく書けます）
司法試験に合格しました
多くの最先端モデルに対して、機械学習のベンチマークで優れた成績を収めました

このモデルは、スケッチを完全なウェブサイトに変えることができ、プログラミングやデータサイエンスのタスクにおいて素晴らしいアシスタントとなります。

そして、既に組織で効率を改善するために使用されています。

FreshworksのCEOであるGirish Mathrubootham氏は、かつて従業員が9週間かかっていたプログラミングのタスクがChatGPTを使って数日で完了していると述べています。

この会社では、ジェネレーティブAIにより、コーディングのワークフローが通常の約20倍速く完了しています。これにより、回転時間が大幅に短縮され、企業はより多くの仕事をより速く処理できるようになります。

デメリット – あなたの仕事が危険にさらされる理由

製品の統合

これまでプログラミングについて話してきました。

データサイエンティストの仕事には、データの準備、分析、可視化、モデル構築など、他の側面もあります。

私の経験から、データサイエンティストは現在、多様なスキルを持つことを期待されているため、非常に需要が高いです。

統計モデルの構築やコーディングの学習に加えて、これらの専門家はデータ抽出のためにSQLを使用したり、可視化のためにTableauやPowerBIのようなソフトウェアを使用したり、洞察を利害関係者に効果的に伝える必要もあります。

しかし、ChatGPTのようなLLMの導入により、データサイエンスや分析のような分野に参入するための障壁は大幅に低くなります。候補者はもはやさまざまなソフトウェアの専門知識を持つ必要はなく、通常数時間かかる作業を数分で実行するためにLLMの力を利用することができます。

例えば、私がかつて働いていた会社では、組織のデータベースの大部分がスプレッドシートにあるため、タイムトライアル形式のExcelの評価を完了するよう求められました。彼らは、データを迅速に抽出して分析できる人を採用したかったのです。

しかし、LLMの採用が増えると、特定のツールの使用に関する専門知識を持つ候補者を採用する必要性はなくなります。

例えば、ChatGPT-Excelの統合を使用すれば、分析したいセルを単純にハイライトし、「過去の四半期の売上数のトレンドはどうですか？」や「回帰分析を行ってください」といった質問をLLMにすることができます。

このような製品統合により、Excelや他の類似のソフトウェアが通常使用しない人々にもアクセス可能になり、ツールの専門家への需要は減少するでしょう。

コードプラグイン

ChatGPTのコードインタプリタプラグインは、データサイエンスのワークフローが民主化されつつある別の例です。これにより、チャットでPythonコードを実行し、データを分析することができます。

CSVファイルをアップロードし、ChatGPTにクリーンアップや分析、統計モデルの構築を手伝ってもらえます。

データを分析し、次の四半期の売上予測などの目標を伝えると、ChatGPTは最終的な結果を達成するための手順を教えてくれます。

それから、実際の分析とモデリングを行い、プロセスの各段階で出力を説明します。

この記事では、著者はChatGPTのコードインタプリタに連邦準備システム経済データ（FRED）を使用して将来のインフレ傾向を予測するように依頼しました。アルゴリズムはデータの現在の傾向を視覚化することから始めました。

そして、データを定常性にチェックし、変換し、モデリングのためにARIMAを使用することを決定しました。さらに、ARIMAで予測を生成するために使用する最適なパラメータを見つけることさえできました：

これらは通常、データサイエンティストが約3〜4時間かかる手順であり、ChatGPTはユーザーがアップロードしたデータを単純に取り込むことで数分で実行できました。

これは印象的な業績であり、モデル構築プロセスに必要な専門知識の量を劇的に減らすことになります。

では、人間の専門知識はまだ必要ですか？

もちろん、AIがコーディングやモデル構築にどれだけ優れていても、プロセスを監視するためには人間の専門家が必要です。

ChatGPTは統計モデルを構築する際に間違ったコードを生成したり、間違った決定をしたりすることがよくあります。企業は依然として統計とプログラミングに優れた従業員を雇い、データサイエンスプロセスを監督し、モデルが正しく促進されていることを確認する必要があります。

LLMsはヒトのように完全なデータ製品を作成することはできません。要件の収集、デバッグ、およびモデルの出力の検証などのタスクは依然として人間が行う必要があります。

ただし、企業はこれらのタスクを以前よりも多くの人員で実行する必要はありません。

LLMsによってもたらされる大きな効率の改善は、チームが縮小を始めることを意味します。

例えば、企業は10人のデータサイエンティストを雇う代わりに、単純に5人を雇うことができます。

私は、初級のデータサイエンスの仕事が最初にこの開発の影響を受けると考えています。なぜなら、LLMsは既に中級レベルのコーディングや分析ワークフローを実行できるからです。

AIによる雇用停止は既に大手テック企業で行われており、データサイエンスの需要を上回る状況を目撃しているかもしれません。

ChatGPTの時代におけるキャリアをAI対策する方法

幸いなことに、私たちのテックおよびデータサイエンスの専門家にとっては、全てが絶望的ではありません。LLMsはプログラミングやデータ分析などのタスクで急速に向上していますが、人間の創造性や意思決定を置き換えることはできません。

以下は、LLMsの時代にキャリアをAIに対応させるいくつかの方法です：

ビジネスの専門知識を身につける

組織は引き続きビジネスの収益を生み出す人材を採用し続けます。

特定の領域でドメインの専門知識を持ち、会社の業務や顧客のニーズの細部を理解している場合、成長の機会を見つけるための独自の立場にいます。

AIで競争する立場になりたくないのは、スプレッドシートを管理する人や四半期の業績レポートを作成する人になりたくないからです。これらの仕事は簡単に自動化され、ChatGPTの時代に最初に姿を消すでしょう。

私は、LLMsがあなたよりもはるかに速く習得できる特定のソフトウェアを学ぶ努力よりも、大局を見ることに力を注ぐことを提案します。リーダーシップと管理能力を開発し、データを活用して会社の目標を達成するためにAIをどのように活用できるかを理解してください。

AIを受け入れる

Pew Research Centerによると、成人のうち実際にChatGPTを試したことがあるのは14％だけです。この記事を読んで、新しいことを学ぶためにChatGPTを使用し、AIの最新動向についても把握しているのであれば、あなたは早期採用者です。

LLMsをワークフローに組み込み、AIと統合された製品を使用し、これらのモデルを最大限に効率化するためのベストプラクティスを学ぶことをおすすめします。

これにより、あなたは時代に先駆けており、仕事のどの部分が自動化され、どの部分が人間の介入を必要とするのかをよりよく理解することができます。

これにより、あなたはより優れたデータサイエンティストになるだけでなく、組織が異なる業務領域にAIを組み込む際に、生産性を向上させるためのアドバイスをする最適な立場になるでしょう。

実際、最近登場したプロンプトエンジニアという新しい役割は、最高335,000ドルの給与を指示しています。プロンプトエンジニアは、生成型AIアプリケーションが望む動作をするための専門家です。

優れたプロンプトエンジニアは、ウェブアプリケーションの設計などのタスクをAIに「プロジェクトマネージメント」することができる人物です。

プロンプトエンジニアとしての仕事を追求するかどうかにかかわらず、既存のワークフローにAIを組み込むことは、現在それを行っていない人々と比べて競争力を持つことができます。

収入の多様化

組織はAIを組み込んだ新しいビジネス戦略を開発し始めることで、近々再構築を始めるでしょう。

もし大量の解雇が起こった場合、自分自身を守る唯一の方法は、フルタイムの仕事に完全に依存しないさまざまな収入源を持つことです。

フリーランスのポートフォリオを作成することをおすすめします – 複数の組織で働き、収益を得ることで、将来が単一の雇用主の決定に依存しないようにします。

個人ブランドの構築

最後に、ハーバード・ビジネス・レビューは、自分自身を他の人々と差別化するために個人ブランドを作成することを提案しています。

例えば、Tim DenningやJessica WildfireのようなVoAGIのライターは、AIが彼らの執筆スタイルを模倣できるとしても、まだ熱心なフォロワーや製品を消費する人々を持っています。

なぜなら、結局のところ、人間は真の物語を楽しみ、他の個人とのつながりを感じたいと思っているからであり、AIではこれを提供することはできないからです。

同様に、組織は、品質とブランディングの表明として、その分野で認められた業界のリーダーを引き続き雇用するでしょう。個人ブランドを構築する方法には、データサイエンスのポートフォリオの構築、コンテンツの作成、そして絶えずスキルアップすることが含まれます。

まとめ

生成型モデルは、仕事の景色を変えていくでしょう。データサイエンス、分析、プログラミングなどの分野は、これらのツールによる効率の向上により影響を受けることになります。

しかし、これはデータサイエンティストの終わりを意味するものではありません。上記で述べた戦略に従うことで、AIとの競争から一歩先を行くことができ、自分自身を守ることができます。Natassha Selvarajは、自己学習のデータサイエンティストであり、執筆に情熱を持っています。LinkedInで彼女とつながることができます。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!

Data science

Was this article helpful?

93 out of 132 found this helpful