数学のプロが「データサイエンティスト」になれるとは限らない“当然の理由”：見極めよう、4つの「AIキャリアパス」の違い【前編】

AI技術を扱う人材の需要は飛躍的に高まっている。そもそもそうした「AI人材」にはどのような仕事があるのか。キャリアを築く上でのポイントは何か。

[Kathleen Walch，TechTarget]

　企業は自然言語処理や機械学習などAI（人工知能）のコア技術を活用し、ビジネスの競争力を高めようとしている。しかしその際、大半の企業はAI分野に精通する人材が社内に不足し、社外から採用することが必要になる。

　データ分析やデータ活用の専門家の求人市場が活況を呈している。だが世の中にはまだ、データサイエンティストをはじめとした「AI人材」が少ない。そのため、需要が供給を上回るのが現状だ。

併せて読みたいお薦め記事

話題の「データサイエンティスト」とは

• いまさら聞けない「データサイエンティスト」と「ビジネスアナリスト」の違い
• データサイエンティストを目指すなら知っておきたい学習方法

身につけておきたいAIの基礎知識

• ビル・ゲイツやイーロン・マスクも注目の「汎用人工知能」はいつ完成する？
• 正真正銘のAI「汎用人工知能」（AGI）とは何なのか
• 人工知能（AI）で急成長のデータサイエンスツール、商用とオープンソースの違いは？

　ひと言でAI人材といっても、その中にはさまざまな職種があり、職種によって人材の需要が異なる。ここでは中核となる「データサイエンティスト」「機械学習エンジニア」「ビジネスインテリジェンス開発者」（BI開発者）、「AIアーキテクト」の4つの職種を詳しく紹介しよう。これらは全て、データサイエンス、ビジネスアナリティクス、数学のスキルや知識がキャリアパスを開く。

データサイエンティスト：「数字」に精通しているだけでは駄目