生成AI時代のデータサイエンティストに必要なスキル｜滋賀大学・竹村彰通学長

生成AI時代のデータサイエンティストに求められるのは、プログラミングの技術よりも、生成AIを道具として使いながら課題を設定し、解決していく力です。

生成AIの進化によって、データ分析はプログラミングの壁を越え、誰もが取り組めるものになりつつあります。では、データサイエンティストの価値はどこにあるのか。滋賀大学の竹村彰通学長は、AIがどれほど賢くなっても、専門性の高い現場の課題には人間の高い技能が求められると語ります。

本記事では、竹村学長へのインタビュー（聞き手：デフィデ株式会社 代表 山本哲也）をもとに、生成AI時代のデータサイエンティストに必要なスキル、プログラミング不要のデータ分析、データ分析のプロセスであるPPDACサイクル、企業知の継承、そして若い世代へのメッセージを解説します。

生成AI時代のデータサイエンティストに必要なスキル

データサイエンティストに求められるスキルは、生成AIの登場で大きく変わりつつあります。データサイエンティスト協会でも盛んに議論されているテーマです。

「AI を使うと誰がやっても同じ、となってしまっては困ります。」

――竹村学長

AIの精度は上がっていますが、専門的なところや細かいところにはまだ不十分な点があります。現場で専門性の高い問題に取り組むには、かなり高い技能が求められ、そのレベルまで成長しなければならないと竹村学長は語ります。教育も、AIを前提に、AIをどう使いこなして問題解決につなげるかを教える時代になっています。

プログラミング不要のデータサイエンス入門

竹村学長が監修した『生成AIを活用したデータサイエンス入門―実例で学ぶ教科書』（学術図書出版）が2026年3月に刊行されました。滋賀大学で2026年度に新しく開講したリベラルアーツ科目「生成AIによるデータ分析」の教科書としても使われています。

最大の特徴は、プログラミングなしでデータサイエンスを学べることです。これまでのデータサイエンスの教科書は、Pythonのプログラム例を載せたものが多くありました。しかし今は、生成AIに「このデータをこう分析してほしい」と頼めば、背後でプログラムが動いて分析してくれます。そのためこの教科書は、プログラム例を一切載せないデータサイエンス入門として構成されています。

入門段階のハードルが大きく下がったことで、文系の学生もプログラミングを習わずに、自分が関心のあるデータを生成AIで分析できるようになりました。データサイエンスの教え方と使い方は、大きく変わろうとしています。

データ分析のプロセス「PPDACサイクル」と人の関わり方

PPDACサイクルとは、データ分析のプロセスを表すモデルで、次の5つの段階で構成されます。必要に応じて、このサイクルを何度も繰り返しながら分析を深めていきます。

AIが高度になれば、このサイクル自体をAIが回すようになるかもしれない――聞き手の山本の問いに、竹村学長は、2〜3年前なら夢物語だったことが現実味を帯びてきたと認めます。そのうえで、企業の特定の課題や、企業秘密に関わる部分では、人が関わり続ける必要があると語ります。

企業知の継承と「AIローカライゼーション」

材料系の企業であれば、自社が使う材料について非常に詳しい現場の知識があります。そうした知識は企業秘密であり、インターネット上にはありません。つまり、一般の生成AIはそれを知りません。

そこで大切になるのが、生成AIの仕組みだけを取り入れ、データを社内に閉じた形で使っていくことです。海外のサービスを使うことへの不安もありますが、競争力の観点からは、企業の根幹を成す領域でも生成AIを活用していく必要があると竹村学長は言います。

ベテランの退職で失われる知識をどう残すか

日本ではベテランの退職が進み、若い世代は減っています。国立社会保障・人口問題研究所の推計では、生産年齢人口（15〜64歳）は2020年の7,509万人から、2040年には6,213万人に減少すると見込まれています。

出典：国立社会保障・人口問題研究所「日本の将来推計人口（令和5年推計）」出生中位（死亡中位）推計

ベテランが持つ知識を残すために、企業内で生成AIを活用することは大切です。ただし、「ベテランがいなくなったが、全部を生成AIに教えたからそれでよい」というわけにはいきません。そこには現場の人が関わり続ける必要があります。

「一般的なことであれば、生成AIに聞けば良い時代になると思います。ただ、企業の根幹に関わる領域に関しては、どうしても人間が関わってくる気がします。」

――竹村学長

一般の生成AIが、専門知識を含めてあらゆることを知る「神様」のような存在になるわけではありません。企業や現場に合わせて生成AIを調整し、専門性を残していく「ローカライゼーション」が必要になると竹村学長は語ります。

AIは道具――読み解く力と倫理は人間に

竹村学長は、監修した教科書の冒頭で、生成AIはあくまで道具であり、学習者自身がデータの性質を正しく理解し、分析結果を適切に読み解く力を身につけなければならないと述べています。AIが賢くなりすぎて、AIの言うことが正しいと思い込んでしまう場面も増えてきました。

「人間の方がもっと勉強して賢くならないといけないです。」

――竹村学長

滋賀大学では、学部でも大学院でも、情報倫理の教育を必ず行っています。データを扱う力とあわせて、データを扱う責任を学ぶことも欠かせません。

AIに負けない気概を――次世代へのメッセージ

若い世代がAIと共生するために、身につけるべきマインドセットを一つ挙げるなら――。竹村学長の答えは明快でした。

「AI に負けない気概を持つことです。」

――竹村学長

一般的なことについては、AIはとても賢いため、それでくじけてしまうかもしれません。しかし、自分の専門性を高めていくと、AIが必ずしもすべてを知っているわけではないことに気づきます。だからこそ、AIと自分の専門性をうまく使い分けてほしいと竹村学長は語ります。

実際、滋賀大学で開催しているAIのコンテストでは、1年生がかなり良い成績を出しているそうです。若い世代にはAIへの抵抗感がなく、柔軟に使いこなしています。その柔軟さに、専門性と気概が加われば、AI時代を切り拓く力になるはずです。

よくある質問（FAQ）

Q. 生成AI時代のデータサイエンティストに必要なスキルは何ですか？

A. 竹村学長は、プログラムを書いたり手法を実装したりするスキルよりも、生成AIを前提として課題を設定し、解決していく力に重点が移っていると述べています。データサイエンティストのイメージは、プログラマーから、AIを道具として使いながら課題を解決する人へと変わりつつあります。

Q. PPDACサイクルとは何ですか？

A. PPDACサイクルとは、データ分析のプロセスを表すモデルで、Problem（問題の設定）、Plan（計画の策定）、Data（データの収集）、Analysis（データの分析）、Conclusion（結論・意思決定）の5つの段階で構成されます。必要に応じて、このサイクルを何度も繰り返しながら分析を深めていきます。

Q. プログラミングができなくてもデータ分析はできますか？

A. 生成AIの進化によって、データと分析したい内容を伝えれば、背後でプログラムが動いて分析してくれるようになりました。竹村学長が監修した教科書は、プログラム例を一切載せないデータサイエンス入門として構成されており、文系の学生でもデータ分析に取り組めるようになっています。

Q. 企業の技術やノウハウの継承に生成AIは使えますか？

A. 竹村学長は、ベテランの退職が進む中、企業内で生成AIを活用することが大事になると述べています。ただし、企業秘密に関わる知識はインターネット上にないため、社内に閉じた形で生成AIを使う必要があります。また、生成AIに教えたからそれで終わりではなく、現場の人が関わり続けることが欠かせません。

Q. AI時代に若い世代が持つべきマインドセットは何ですか？

A. 竹村学長は「AIに負けない気概を持つこと」を挙げています。一般的なことではAIは非常に賢いため、それでくじけてしまうかもしれません。しかし、自分の専門性を高めていけば、AIがすべてを知っているわけではないことに気づきます。AIと自分の専門性をうまく使い分けてほしいと述べています。

まとめ：AIを道具に、専門性で勝負する

• 生成AI時代のデータサイエンティストに求められるのは、プログラミングよりも課題を設定し解決する力
• 生成AIの活用で、プログラミング不要のデータ分析が可能になり、入門のハードルは大きく下がった
• データ分析はPPDACサイクル（問題・計画・データ・分析・結論）で進め、企業固有の課題では人が関わり続ける
• 企業知の継承には、社内に閉じた形での生成AI活用と、現場の人の関与の両方が欠かせない
• AIは道具。読み解く力と倫理観を磨き、「AIに負けない気概」で専門性を高める

AI時代の到来はゴールではなく、新たなスタート地点です。統計学とデータサイエンスの基礎を理解し、自ら考える力を養うことの重要性は、むしろ高まっています。