文系 AI 人材になる

AI 社会になって、ボクは職を失わないだろうか?
文系のワタシが、AI でキャリアアップするには?

そんな不安や疑問を解消するのが本書です。

英数国理社×AI 時代に対応した、AI 活用の現場から生まれた実践トレーニング本。
・専門用語は必要最低限に
・豊富な業種別事例は「自社での活用」を考えるヒントに。
・AI との「共働きスキル」を身につける。
AI を活用したビジネスプランを豊富に紹介。本書は、AI を、機能別に 4 分類、役割別に 2 分類し、合計 4×2＝8 分類にわけている。その分類を用いて、事例を解説しているので、非常に理解しやすく、自分の仕事への適用・応用を検討しやすい。AI とお共働きスキルを身につけよう。
はじめに 文系 AI 人材になろう!

第 1 章 AI 社会で職を失わないために
「AI 失職」を恐れず「AI 職」に就く準備を
「AI との共働き」スキルを身につけよう
5 つの「共働きスタイル」

第 2 章 文系のための AI キャリア
AI は「作る」から「使う」へ
上手に活用する「文系 AI 人材」が重要に
「文系 AI 人材」の仕事内容とは?
「文系 AI 人材」になるための 4 つのステップ

第 3 章 AI のキホンは丸暗記で済ます
AI / 機械学習 / ディープラーニングの違い
学習方式の 3 分類ーー教師あり / 教師なし / 強化学習
活用タイプ別 AI は 4×2＝8 分類
「識別系 AI」はこう使う
「予測系 AI」はこう使う
「会話系 AI」はこう使う
「実行系 AI」はこう使う
出る順で AI 基礎用語を丸暗記する

第 4 章 AI の作り方をザックリ理解する
AI は特徴づかみの名人
「予測系 AI」の作り方を理解する
「識別系 AI」の作り方を理解する
「会話系 AI」の作り方を理解する
「実行系 AI」の作り方を理解する

第 5 章 AI 企画力を磨く
AI 企画の「100 本ノック」
「変化量と実現性」を担保する
AI 企画の「解像度を上げる 5W1H」

第 6 章 AI 事例をトコトン知るーー業種別×活用タイプ別の 45 事例集

第 7 章 文系 AI 人材が社会を変える
AI による「消費者、会社、働き手」への変化
AI 社会を牽引するアマゾン
AI×各業界で変革を作るソフトバンク
日本の銀行で起きている AI による変化
文系 AI 人材が社会をリードする

おわりに

プログラムも統計も書けない立場から、AI を仕事に取り込む側の人材になるための道筋を示した本です。『文系 AI 人材になる』は野口竜司の著書で、副題は「統計・プログラム知識は不要」、東洋経済新報社から 2019 年 12 月 20 日に発売されました。版元は「AI 活用の現場から生まれた実践トレーニング本」と紹介し、特徴として「専門用語は必要最低限に」と、業種別の事例を「自社での活用」を考えるヒントにすることを挙げています。版元のプロフィールによれば、著者は刊行時点で ZOZO テクノロジーズの VP of AI driven business で、大学在学中に京都発の IT ベンチャーに参画し、子会社社長や取締役として新規事業を立ち上げた経歴を持ちます。

全 7 章の流れ、キャリアの話から企画と事例へ

目次は「はじめに」と全 7 章、「おわりに」で構成されています。第 1 章「AI 社会で職を失わないために」と第 2 章「文系のための AI キャリア」で、AI と働く人の関係や「文系 AI 人材」の仕事内容、そこへ至る 4 つのステップを示します。第 3 章「AI のキホンは丸暗記で済ます」と第 4 章「AI の作り方をザックリ理解する」が基本の理解にあたり、第 5 章「AI 企画力を磨く」は「AI 企画の「100 本ノック」」や「AI 企画の「解像度を上げる 5W1H」」といった節で企画の立て方に進みます。第 6 章は業種別と活用タイプ別の 45 事例集です。第 7 章「文系 AI 人材が社会を変える」はアマゾン、ソフトバンク、日本の銀行を例に、AI による変化を描きます。

8 分類で AI を捉える考え方

本書の軸は、AI を機能別に 4 種、役割別に 2 種に分け、合計 8 分類で整理する枠組みです。目次には識別系、予測系、会話系、実行系の 4 つの活用タイプが並び、版元は事例もこの分類を用いて解説していると案内しています。こうした分類が役に立つのは、AI を一つの万能な技術として捉えると、どの業務に何を当てはめればよいかが見えにくいからです。機械学習 のモデルは、過去のデータから規則を学び、新しい入力に対して答えを返すという点では共通していますが、画像の中身を見分けるのか、将来の数値を見積もるのか、人の言葉に応じるのかで、集めるデータも評価のしかたも変わります。人の言葉に応じる仕組みは 自然言語処理 の技術に支えられており、問い合わせ対応のような業務に向く一方で、想定外の質問への答え方を誰が決めるかという運用の問題を伴います。分類を手がかりに業務を見直すと、作る側のエンジニアに何を相談すべきかを、使う側の言葉で整理しやすくなります。

刊行時点の位置づけと、合う読者

2019 年 12 月の刊行であり、事例や企業の取り組み、著者の肩書はその時点のものです。目次に文章や画像を生成する AI を扱う節は無いため、その使い方を学びたい場合は別の本で補う必要があります。また、アルゴリズムの仕組みを式で理解したい人や、モデルを自分で実装したい人には、目次の範囲から見て本書は合いません。そうした目的には 機械学習と AI の技術書の選び方 で、エンジニア向けの本を探すほうが近道です。

一方、営業や企画、管理部門で AI の導入に関わることになり、技術者と同じ机で議論するための共通の言葉を持ちたい人には、本書の 8 分類と企画の章が直接役に立ちます。自社の業務を一つ選び、第 6 章の事例集から同じ活用タイプの例を探して並べるだけでも、企画の最初の一枚を書く材料が揃います。