はじめに
私たちは今、人工知能による劇的な変革期の只中にいます。2024年現在のAIの急速な進化は、今後10年でさらに加速することが予想されています。本記事では、2035年までのAI関連職種の展望と、新たに生まれる職業について詳しく解説します。
消えゆく職業と台頭する新職種
転換期を迎える従来のAI職種
- AIエンジニアの役割が大きく変化
- コーディング中心から、AIシステムの設計・監督へとシフト
- ノーコード・ローコードツールの台頭により、従来型のプログラミングスキルの重要性が低下
最近のLLM技術の向上により、もはやコーディング能力は必須ではなくなりつつあります。では、今後のIT人材にはどのようなスキルが求められるのでしょうか。本記事では、その疑問を具体的な情報とともに考察し、直感的にイメージできるよう整理しました。筆者の主観も多く含まれているため、気軽に読み流していただければと思います。まず、これからのITエンジニアに必要な心構えについては、以下の記事が参考になるかもしれません。興味があれば、ぜひ目を通してみてください。
1. AI関連職種のジャンル
AI分野は非常に広範ですが、筆者がまとめた限り、主要なジャンルは以下のようになります。
-
データサイエンティスト
膨大なデータを解析し、ビジネス課題の解決や新たな知見の発見を行う専門家。 -
機械学習（ML）／AIエンジニア
AIモデル（機械学習、ディープラーニング）の設計・実装・運用を担うエンジニア。 -
データエンジニア
分析用のデータ基盤を設計・構築し、データの収集・整理・前処理を担当するエンジニア。 -
リサーチサイエンティスト
最先端のAI理論やアルゴリズムの研究を行い、新技術の開発に取り組む研究者。 -
プロンプトエンジニア／AIトレーナー
生成AI（例：ChatGPTやDALL-E）などの出力を最適化するために、適切な問い（プロンプト）を設計・改善する役割。 -
AIプロダクトマネージャー／コンサルタント
AI技術をビジネスにどのように組み込むか戦略を立案し、プロジェクトを推進するマネジメント職。 -
AIセキュリティエンジニア
AIシステムを含むセキュリティ対策を設計し、サイバー攻撃から守る専門家。
各職種ごとに必要とされる代表的なスキルと難易度も参考までにまとめます。
【データサイエンティスト】
- プログラミング言語：Python、Rなど
- 数学・統計学：確率論、統計解析、線形代数、微積分
- 機械学習・ディープラーニング：各種アルゴリズム、フレームワーク（TensorFlow、PyTorchなど）
- データ可視化・コミュニケーション：BIツール、レポート作成、ビジネス知識
【機械学習／AIエンジニア】
- プログラミング：Python、C++など
- 機械学習アルゴリズム：教師あり学習、教師なし学習、強化学習
- ディープラーニングフレームワーク：TensorFlow、PyTorch
- ソフトウェア開発の知識：バージョン管理、テスト、自動化
【データエンジニア】
- データベース：SQL、NoSQL、RDBMSの知識
- ビッグデータ技術：Hadoop、Spark、クラウドサービス（AWS、Google Cloud、Azure）
- プログラミング：Python、Java、Scalaなど
- データパイプラインの構築：ETLプロセス、API設計
【リサーチサイエンティスト】
- 高度な数学・アルゴリズム：最適化理論、統計、計算理論
- 研究経験：論文執筆、実験設計、最新論文のフォロー
- プログラミング：Python、MATLAB、Rなど
【プロンプトエンジニア／AIトレーナー】
- 言語能力・クリエイティブな思考：自然言語の理解、効果的なプロンプト設計
- 基礎的なAI知識：生成AIの仕組み、応用例の把握
- コミュニケーションスキル：非エンジニアとも連携できる力
【AIプロダクトマネージャー／コンサルタント】
- プロジェクト管理：アジャイル開発、スケジュール管理
- ビジネス理解：市場分析、ROIの評価
- 技術リテラシー：AIの基本的な動作原理、実装可能性の判断
- コミュニケーション・交渉力
【AIセキュリティエンジニア】
- サイバーセキュリティ：脅威分析、セキュリティ設計
- プログラミング：Python、Rustなど
- AIシステムのリスク評価：大規模言語モデルのリスク管理、セキュリティフレームワーク
需要（高）
│ ● データサイエンティスト
│ ● AIエンジニア／MLエンジニア
│ ● AIセキュリティエンジニア
│
│ ● リサーチサイエンティスト
│ ● データエンジニア（中～高）
│ ● AIプロダクトマネージャー
│
│ ● プロンプトエンジニア／AIトレーナー
│
需要（低）─────────────────────────
低 中 高
難易度
-
横軸（難易度）
プロンプトエンジニアは比較的専門的な知識（特に言語センスやクリエイティブな部分）が求められますが、コーディングなどのハードルは低く、その他は同程度の難易度と考えられる。 -
縦軸（需要）
「データサイエンティスト」や「AIエンジニア」、「AIセキュリティエンジニア」は、企業のDX推進やビッグデータ活用の中で非常に高い需要があり、グラフ上部に配置しています。
2. 機械学習（ML）／AIエンジニア
これまで「データサイエンティスト」「機械学習（ML）／AIエンジニア」「データエンジニア」「リサーチサイエンティスト」「プロンプトエンジニア／AIトレーナー」「AIプロダクトマネージャー／コンサルタント」「AIセキュリティエンジニア」の職種について紹介しましたが、筆者は個人開発としてアプリ作成に取り組みたいと考え、「機械学習（ML）／AIエンジニア」の技術が特に役立つと感じました。AIモデルの設計や運用に関わることは、業務でももちろん活用できるだけでなく、個人プロジェクトとしても大きな可能性を広げると感じています。実際に、機械学習を活用すれば、より高度で魅力的なアプリが作れると思っています。では、そのためにどう取り組むべきかについて、下記の記事でまとめました。興味があれば、ぜひご覧ください。
まとめ
AIに関連した職種は、解析・実装・基盤整備・研究・マネジメント・セキュリティなど多岐にわたります。
それぞれに必要なスキルは以下の通りです。
- データサイエンティスト／AIエンジニア：プログラミング、数学・統計、機械学習・ディープラーニング
- データエンジニア：データベース技術、ビッグデータ処理、クラウド技術
- リサーチサイエンティスト：高度な数学、アルゴリズム、研究手法
- プロンプトエンジニア／AIトレーナー：言語能力、クリエイティブな発想
- AIプロダクトマネージャー／コンサルタント：プロジェクト管理、ビジネス理解、コミュニケーション
- AIセキュリティエンジニア：サイバーセキュリティ、AIリスク評価、プログラミング
以上の情報をもとに、どのジャンルに進むか、またそのためにどのスキルを重点的に学ぶかを検討していただければと思います。