発表資料

経緯

元々は発表資料の後付けで作っていたのですが、内容が多くなってしまったのでページ自体を分けました。
資料は発表前からconnpassでも共有していたため、内容を差し替えると当時の話と大きく乖離してしまうことを危惧したこともあり書き直しました。

👦発表後所感

DeepResearchへの考え方について、私が見えていない世界について様々教えていただきました。
「この後やりたいこと」に対して「こうするといいよ」「ここは気をつけよう」というものです。
非常に嬉しかった反面、その経験値がここに反映されていないので、スライドをこのまま公開していていいのか🤔と疑問を覚えたため、追記するという判断をしました。

以下、全て👦の作成物です。

これからはAIを使いこなすスキルも実務経験と同じぐらい重要になる

（発表後追記）見えている世界の違い

この辺りは要議論です

私が思うに「AIサービスを使いこなしている人」と「AIサービスを使いこなしていない or 業務利用できるAIサービスを探している人（筆者はここに該当）」では見えている世界が違うのではないかと思ってます。
「AIが仕事を奪う」という議論は度々交わされますが「AIを使いこなせる人がAIを使えない人の仕事を奪う」が正しい表現なんだろうと、今日の発表後ディスカッションからも感じたところです。
少なくとも、DeepResearchを一週間触っただけでは分からなかったです。

（発表後追記）【考察】非データサイエンティストが見る、本職のデータサイエンティストに求める役割の変化

本職のデータサイエンティストではなく、一緒に業務を行った経験がある人間の立場としての目線です

AIを使うからにはプロンプトに対するAIの生成結果への分析はやります。
が、実際問題として生成結果に至るまでに対する考察や分析も必須になるはずです。
業務利用からもハルシネーションやエビデンスに対して情報の出所の精査が不要の立場から見ても、利用過程のどこかでAIの思考プロセスを知る必要が生じると考えています。

とはいえ、現実問題として実務的には情報の出所を扱う事はない、あるいは情報の出所自体を欠損しても困らない業種もあるため、情報の精度精査がデータサイエンティストのバリューになると考えています。

（発表後追記）非参加者向けの要約・エンジニアの心構え

読者向けにはこちらが重要そうなのですが、 ある程度のエンジニア経験と業界知識を持っているレベル（筆者レベルを想定）では今の時点でもAIに代替される ため、代替が難しい（＝AIが出せないバリューは何か）を考えるべきだろうと感じています。
設計だろうが実装だろうが根拠をDeepResearchで引っ張ってこれるからです。
DDDをTDDベースでやろうとすると個社カスタマイズが必須のため、AIがコード化するのは難しいのでは？とも思いたくなりますが、大体の場合はプロンプトの問題です。（もちろん、AIに開示できない情報はあるかもしれません）
エンジニア界隈でありながらデータ化されていないかされにくい属人的なナレッジが多いのもここです。

また、反例的にあまりにも情報が多すぎて人間だけでは処理できないレベルに到達してしまっており、データ化されていても発見または活用が難しい状況になってしまっています。
DeepResearchでこれらの情報にアクセスするためには、やはりプロンプト側から具体性を持ったキーワードを含める事ができるのか？というのは重要な点になると考えています。

（発表後追記）AI初学者が研究・分析以外の実務で使いたい時に気にするべきこと

自分にとって必要な「AIスキル」を言語化しよう

テキスト生成系はわりかし精度比較をしやすいので議論しやすいのもありますが、ユーザー目線からは「精度以前に、そもそも生成結果が使えるものか」という観点でのレビューの需要が高い事が多いです。
無理やりゲームハードに言い換えると「高性能・高画質なPSシリーズ」と「どこでも遊べるし、ここにしかないソフトがある任天堂ハード」でどちらを選ぶか？という話のニュアンスが近い気がします。

今回でいえば「DeepResearchはその人にとってどちらのハードに属するか？」という話であると認識しています。
そのため、私がDeepResearchの性能を理解していない事で誤った情報（少なくとも知らないので書けなかった）を発信してしまうリスクを低減したいという気持ちです。

（発表後追記）AI研修の現場としてできる事

現在のプログラミングスクール・研修事業者が提供するAI研修は、主にChatGPT（GPTsを含む）の使い方やAIリスク・セキュリティの話を中心に取り上げています。
AIをこう使うと良いよ！というベストプラクティスな話はほとんどありません。（０ではない）
また「AIニューズを追いかけようね」という締めをするのですが、初学者にとってはニュースそのものが氾濫気味な上に、どの情報を信用すれば良いか、情報の見極め方についても語れる講師はほぼいないように思います。
今回のDeepResearchの検証でも思ったのですが「それぞれのAIツールをどうやって使っていくか？」というサービス固有のハウツーユースの価値が上がっていくのではないかな、と思っています。

そして、ある程度エンジニアリング経験がある人でもAI固有の仕様や振る舞いのようなものを分析していくフェーズに移行している事を痛感しています。

次はあなたの番です

今回はDeepResearchの話を終始やりましたが、DeepResearchによらずAIサービスを使いこなすにはベンダー依存しないように（？）各社サービスが競合が持つ機能相当のサービスに付加価値をつけて展開しようとしています。
DeepResearchに次いで新たなサービスが出てきた時に、適切なキャッチアップがだんだん難しくなってくるのではないかというのが今回の体験を通じて私が学んだ事です。

AIに対する接し方として正しい・間違いもないという前提で、どのような人間がどういう目的でAIを活用しようとしているのか、その立場から感じた生の声の価値が高まってくるはずです。
もちろん情報発信の質を高める事も重要ながら、発信者の数自体を増やす事も同等以上に価値が高くなっていると思います。