データサイエンスとは？価値を生む学問と生成AI時代の学び

滋賀大学学長

竹村彰通（たけむらあきみち）氏

PROFILE

滋賀大学学長。1952年東京都生まれ。東京大学経済学部卒業、同大学院経済学研究科修士課程修了。米スタンフォード大学統計学部博士課程修了。同大学統計学部客員助教授、東京大学経済学部助教授・教授、同大学大学院情報理工学系研究科教授などを経て、2015年滋賀大学データサイエンス教育研究推進室長、2016年同大学データサイエンス教育研究センター長・教授、2017年同大学データサイエンス学部学部長。2022年より現職。日本統計学会理事長（2002〜2004年）、同会長（2011〜2013年）を歴任。専門は数理統計学。著書に『データサイエンス入門』（岩波新書）、『教養としてのデータサイエンス』（講談社）など多数。2026年3月刊行の『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）を監修。

データサイエンスとは、データを分析して人々の行動や社会を理解し、そこから新たな価値を生み出す学問です。

生成AIの進化によって、データ分析やプログラミングのハードルは急速に下がりました。一方で、「AIがあれば人はもう要らないのでは」という問いも現実味を帯びています。日本初のデータサイエンス学部を立ち上げ、統計学とデータサイエンス教育を牽引してきた滋賀大学の竹村彰通学長は、AI時代だからこそ基礎教育と人間の学びの価値は失われないと語ります。

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、データサイエンスとは何か、生成AIがもたらした変化とリスク、データをありのままに見る力、そしてAI時代にも基礎教育が欠かせない理由を解説します。

この記事でわかること

・データサイエンスとは何か、「価値創造」の学問と言われる理由

・「データは21世紀の石油」――データが競争力を左右する時代

・生成AIがデータサイエンスにもたらしたチャンスとリスク

・データを「ありのままに見る」力の大切さ

・AIが進化しても人が必要な理由と、基礎教育の意味

データサイエンスとは？「価値創造」の学問

パソコン、インターネット、そしてスマートフォン。メールのやりとりも買い物も、今やデジタルデータとして直接やりとりされています。そのデータを生かした企業が、既存のビジネスを塗り替えるように成長してきました。

竹村学長がよく例に挙げるのがGoogleです。Googleは製造業ではなく、モノを作っているわけでもありません。データを原材料として、データから人々の行動を理解することで、巨大なビジネスを築きました。データサイエンスが「価値創造」の学問と言われるのは、このためです。

「データは原材料みたいなものです。たとえば、石油みたいなものと思っていただくと良いでしょう。」

――竹村学長

	ものづくりの時代	データの時代
価値の源泉	原材料を加工して製品をつくる	データを分析して、人々の行動や社会を理解する
代表的な企業	製造業	データを原材料にビジネスを築いた企業（Googleなど）
日本の立ち位置	ものづくりは今も強い	データの扱いが得意な人材が少なく、欧米に追いついていない

日本はものづくりに強い一方で、データを加工して価値を生む分野では欧米に後れを取っています。その理由は、データの扱いが得意な人が少なく、人材育成ができていないことにあると竹村学長は指摘します。実際、情報処理推進機構（IPA）の調査では、DXを推進する人材が不足している日本企業は85.1%に上ります。

国	DXを推進する人材が「不足している」企業の割合
日本	85.1%
ドイツ	44.6%
米国	23.8%

出典：独立行政法人情報処理推進機構（IPA）「DX動向2025」

生成AIがデータサイエンスにもたらした変化

生成AIの急速な発展は、データサイエンス教育に大きな影響を与えています。データサイエンスの手法を生成AIに聞けば教えてくれますし、分析方法やプログラミングの書き方を聞きながら、データの集計や解析を進めることもできます。竹村学長は、これはデータサイエンスにとってチャンスだと捉えています。

そもそも生成AI自体が、インターネット上に蓄積された人々の言語データをもとに情報を凝縮してつくられたものです。その意味で、生成AIはデータの上に成り立っているとも言えます。

「データサイエンティストはもう要らない」のか

一方で、「AIにすべてを聞けばよいのでは」「データサイエンティストはもはや要らないのでは」という議論も生まれています。影響が最も大きいのはプログラミングで、データサイエンスや統計の基本的な事柄も、生成AIに聞けば分析までできてしまいます。それでも竹村学長は、人が必要だと断言します。

生成AIの出力を理解できなければならない：聞いたことをそのまま使うだけでよいのか、という問題がある
企業固有の課題は一般のデータからはわからない：それぞれの企業の専門的なノウハウは、生成AIが知らない領域
現場の問題に即して考える力が要る：その領域の知識をもとに、現場の課題に合わせて考える必要がある

「つまり、常識のレベルでは人が要らなくなるかもしれませんが、より高いレベルでは人が必要だと思います。」

――竹村学長

生成AIを使いこなす組織に必要なのは、AIの出力を理解し、自社の現場の知識と照らし合わせて評価できる人材です。

AIの出力を「理解し、評価できる」人材はいますか？

生成AIを使いこなす組織づくりの第一歩は、社員がAIをどう使い、その出力をどう扱っているかを知ることです。DEFiDEの「生成AIワークバリュー・スコア分析」で、組織の生成AI活用の状況を把握し、育成の優先順位を明確にできます。

▶ 生成AIワークバリュー・スコア分析を無料で体験する

生成AI時代にこそ問われる「データをありのままに見る力」

生成AIの判断を鵜呑みにしてしまう――竹村学長は、そうした懸念は実際にあると認めます。そのうえで大切にしているのが、データをありのままに、色眼鏡をかけずに眺めることです。

例えば、少子化で生まれる子どもの数が減っていることは客観的な事実です。日常の感覚でも減っていると感じるでしょう。しかし、どれくらい減っているのか、大学であれば15年後に入学者がどれくらい減るのかは、きちんとした数字に基づいて考えなければなりません。数字は数字であり、価値判断や意思決定の前提となる客観的なものです。

一方で、報道などには文化的な価値観や政治的な判断が入ることもあります。生成AIも英語のデータを中心に学習しているため、英語圏の文化や情報がより強く反映されるなど、さまざまなバイアスがあります。データそのものは事実であると同時に、扱い方や学習のされ方には偏りが生じうる――その両面を理解しておくことが大切です。

AIが進化しても人は必要――電卓と筆算に学ぶ基礎教育の意味

AIの性能が高まるほど、教育はどうあるべきかという問いは難しくなります。竹村学長が講演でよく使うのが、電卓と筆算のたとえです。

	電卓と筆算	AIと基礎教育
便利な道具	電卓があれば計算できる	生成AIがあれば分析やプログラミングができる
それでも学ぶもの	九九や筆算、位取りの概念	統計やデータサイエンス、プログラミングの基礎
学ぶ理由	概念がわからなければ、電卓の意味がわからない	経験がなければ、適切な指示もできず、出力の良し悪しも判断できない

「AIを知ってはいるけれども、やはり人間の教育はアナログ的にやらないとダメです。」

――竹村学長

私たちも普段、紙で筆算をすることはめったになく、電卓やパソコンを使います。しかしそれは、子どもの頃に筆算を覚えたからこそできていることです。「AIが普及すれば人は要らない」と教育までやめてしまうのはまずいと竹村学長は警鐘を鳴らします。昔からの教育方法の中にも有効なものがあるはずで、一方で生成AIを使いこなせなければ話にならないのも事実――その両立こそが、これからの教育の大きな課題です。

ピアニスト志望から統計学者へ

竹村学長は、中学・高校時代にピアニストを目指し、東京藝術大学の付属高校から藝大に進学した異色の経歴を持ちます。高校の終わり頃に行き詰まりを感じて方向転換し、東京大学で経済学を学んだ後、米スタンフォード大学で統計学の博士課程を修了しました。専門は、確率論を基盤に統計的な方法や理論を厳密に研究する数理統計学です。理論研究の一方で、学会活動を通じて統計学の応用にも幅広く関わってきました。今も頼まれると、学内のミニコンサートでピアノを弾くといいます。