第7回 Machine Learning 15minutes!で登壇させて頂いたスライドです。「H」型のスペシャリストじゃなくて、「h」型の人材が今すぐに活躍できる理由

1. AIサービス構築で必須となる「h」型人材スキル
〜人が少ない今なら、エバンジェリストになれるチャンス〜

2. こんにちは！
当イベントのスイーツ担当枠「AINOW」です。

3. 自己紹介
亀田 重幸
ディップ株式会社
次世代事業準備室 dip AI.Lab マネジャー、AINOW編集長
遺伝子組換えStreptomyces属放線菌による有用物質生産の研究
社会人1年目はPHP、Perlのプログラマー
新規事業を学び、新サービスを出しては失敗しまくる（約30個/年）
バイトルのインフラエンジニアを3年くらい
AIの進化で既存事業は根底から覆ると思い、AIディレクターへ

4. AINOWのご紹介
AINOWって何？
AIニュースだけ日本最大の1万件、日本初のAIニュースサイト
…裏側で自然言語処理&機械学習な某クローラーが稼働中

5. AINOWのご紹介
会社紹介インタビュー AI周辺の情報整理

6. AINOWのご紹介
スキマ時間の10分で最新のAIニュースをチェック
チーム内への情報共有利用もありがとうございます！

7. AINOWのご紹介
ビジネスでAI活用がもっと広がり
AI研究もさらに進んで欲しい
AI研究の最前線とビジネス現場を繋げていきます

8. 12月 AIニュースで話題になったものをダイジェスト
12月のトピック記事

9. 12月のトピック記事

10. 12月のトピック記事

11. Web×AIニュースが減って
リアル×AIニュースが増加傾向に
12月のトピック記事

12. 12月のトピック記事

13. 12月のトピック記事

14. 12月のトピック記事

15. 今月の特集
リアル×AIサービスマップ準備中

17. AIを実ビジネスで使おうとすると
実運用に耐えられない、現実的な仕様に落ちない

18. ディープラーニングをする必要があるの？
統計的な手法で十分なんじゃない？
このサービスにはどの手法が最適なの…?

19. ○○な人材が欲しい、○○な人に成長させたい
というニーズが非常に高いことがわかりました

20. AIサービスの実現性が高くなる
チームのスキル構成について考えて見ました

21. AIサービス構築で必須となる「h」型人材スキル
〜人が少ない今なら、エバンジェリストになれるチャンス〜

22. とあるデジタルコンテンツの制作会社の場合

23. パーソナルAIを取り入れた企画がやりたい！
クライアントにAIとは何かを説明して
実現可能な案を提示できるエンジニア

24. Pepperの会話精度をもっと上げたい
Pepperのシナリオを自然言語処理の前提で
かけるディレクター

25. とある超大規模ニュースサイトの場合

26. 画像をディープラーニングしたいが
サーバスペックの要求がインフラ担当に伝わらない
ディープラーニングとはどのような処理なのか
理解できるインフラエンジニア

27. 職業範囲を超える業務が出てくるようになった

28. I型のスキルでは時間とコストが掛かってしまう

29. そこで、巷でもよく聞く
H型の人材が登場してくるとどうなるか

30. DBA
データサイエンティスト
データ
サイエンティスト
統計に必要なデータマートを自ら構築してビジネスに必要な分析を行える
データアナリスト
（統計スキル）
ディレクター
（ビジネス理解）

31. こんなスーパーマン会えないですよね..

32. 実際に業務をしてみるとキーワードを通して
コミュニケーションできるだけでも全然違った

33. PM
ディレクター
インフラチーム
（AWS・DBA）
とあるAIプロジェクトでのチーム体制
ビジネス現場
分析
機械学習チーム

34. ビジネス現場
PM
ディレクター
インフラチーム
（AWS・DBA）
とあるAIプロジェクトでのチーム体制
分析
機械学習チーム
インフラスキルを活かし
統計に最適なアーキテクチャ構成
・ビジネス現場へ分析チームと共に
インタビューを実施
・モデル/アルゴリズムを一緒に考え
て仮設を立てた
新規事業の立ち上げスキルを活用
リーンスタートアップ手法で小さく
素早く検証を実施

35. AIディレクター
どんな予測や学習を行えば、サービスを実現できるのか定義できる
プログラマー
データ
サイエンティスト
ディレクター AIディレクター

36. AIプログラマー
ディープラーニングだけでなく、従来の統計学の機械学習と合わせて
最適なアルゴリズムを選択できる
データ
サイエンティストプログラマー AIプログラマー

37. 「H」は難しいけど「h」ならちょっとの頑張りでいい

38. 始めは、必要な職業に興味をもってみよう

39. こんな意識の人が増えてくると
こんないいことがあります

40. ・必要なタスク・リソースが可視化される
・意思決定、決断が早くなる

41. より早く、多く失敗できる
成功に近づく可能性が高まる

42. なぜ、柔軟に動けるプロジェクトが良いのか？

43. 何が適切なのか、試さないとわからない
全部作り直すことになるかもしれない
モデル 説明変数 分析手法

44. 「h」を目指して、AIサービスを増やしましょう！

46. 各大学の研究内容と教授が掲載された
AI研究室マップ （年明け公開予定）

47. メディアとして、AIがビジネスで活用される世界を目指し
AIのできる現実と期待値をわかりやすく伝えていきます