もうひとつ、私が最近特に重視しているのが、「好きなことへの熱量」です。例えば、ABEMAなら映像コンテンツが好き、FC町田ゼルビアならサッカーが好きというように、「好き」「得意」といえる領域を持っている人は、課題を「自分ごと」として見つけてくるし、現場に出ることも苦にならない。生成AIで技術的な差が縮まるほど、特定領域への熱量の差がアウトプットを分けると感じています。

もう一歩踏み込むと、「何をよしとするかの基準を言語化し、更新し続けられる人」も強く求めています。今日人間が下した判断は明日にはAIが代替する。だから人間はさらに先の判断をつくりに行く——このサイクルを回せる人が強いですね。組織としては、成果を出すハイパフォーマーの行動特性を「コンピテンシー」として言語化して、全体の底上げを進めています。事業に自ら張り付く、仮説と実験を高速で回す、一般社員にもデータの価値を翻訳できる——こうした行動の背後には常に基準を更新し続ける姿勢、好きなことへの熱量があると考えています。

保科:「コンピテンシー」というと難しそうですが、一般論としては、質問する力、関係構築力、情報整理力といった「人間力」にあたるようなスキルですよね。これに加えて好きなことへの熱量が大切というのは、データサイエンスに興味がある多くの高校生にとって希望になるのではないでしょうか。

——保科先生は、「AI時代に社会で求められるデータサイエンス人材」をどう位置づけていますか?

保科:個人的にはAI時代であってもAI時代の前であっても、データサイエンス人材には「データを駆使して、誰かの困りごとを本気で解決すること」が求められていると考えています。その上で、AI時代だからこそ、自らのスキルをこれまで以上のスピードで更新し、問題解決に貢献し続けられる人材が求められていると思います。

そういう意味では、単にAIを使いこなせる人材ではなく、最新技術を把握できる理論的なバックグラウンドを持ち、「自分ごと」として目の前の人の問題を解決できる「サーバント・リーダーシップ」を持った人材の価値がますます高まると思います。これは、「他者に仕え、世の中をより良い場所にする精神」という青山学院全体で掲げる理想とする人材像にあたるもので、AI時代に求められる人材像ともシンクロしていると思います。

數見:「自分ごと化」というのが本当に重要だと思います。例えば、現場に出ると「問題がある」という感覚をお客様がうまく言語化できていないケースが非常に多い。そこでまず重要になるのが、相手が本当は何に困っているのかを一緒に整理し、問題をクリアにしていくこと。「この人は何を問題だと感じているのか」「最終的に何を実現したいのか」というところまで踏み込んで対話をしていく必要があります。そうやって一緒に言語化していくと、本当に解決すべき課題が少しずつ見えてきます。そのうえで、「これはデータ活用で解決できそうだ」「これは技術的に難しい」といった形で、具体的な解決策を考えられるようになります。

——數見さんは、立地として物理的な距離も近い青山学院大学に新設される統計データサイエンス学環に期待することはありますか?

數見:実はかなり期待しています。その理由は2つあります。1つは5学部との連係という設計です。教育人間科学・経済・法・経営・理工と連係して、独自の専門領域を持ったデータサイエンス人材を育てるというコンセプトは、先ほど申し上げた「課題を言語化できる人材」の育成に直結します。専門の異なる学生同士が議論しながら、横断的な視点で社会課題を発見する経験を積めることは、AI時代にむしろ希少性が増す能力になると思います。

もう1つは産学連携のしやすさです。弊社は青山キャンパスに近い渋谷に本社がありますので、インターンシップ、共同研究、PBL(課題解決型学習)、事例・データ提供など、距離が近いからこそできる関わり方を一緒に設計したいですね。保科先生はスポーツデータ分析にも携わっておられるので、Sports AI Tech Labなどの取り組みでも接点が持てたらと楽しみにしています。

——保科先生からも想定している産学連携の取り組みなどがあれば、お聞かせください。

保科:実は個人的には就職につながるような一般的なインターンシップには必ずしも肯定的ではありません。学生の大学で学ぶ時間を圧迫することもありますし、実践的な体験が必ず学生を成長させるわけでもないからです。学生の成長につながる実践的な学びには、よい相手とよいタイミングが必要だと考えています。これに対しもしサイバーエージェントさんと一緒にインターンシップを設計させていただけるのであれば、きっとこの条件を非常によい形で満たせると期待しています。学環でしっかりとデータ分析による問題解決の基礎を身につけた学生が、仕事の進み方や社会人が意思決定の際に考えていることなど、リアルな現場を自分の目で見ることで、学生が「問題解決のメンタリティ」をより強く持ち、自分たちの専門知識の活かし方をより具体的に考えるきっかけになれば理想的です。学生が「おもしろい」「もっと学びたい」と思えるような、実践的・実戦的なインターンシップを一緒に設計できたらいいですね。

また、今後の取り組みという位置付けで申し上げると、産学連携の文脈では「リカレント教育の場」の提供などをさせていただければと考えています。例えば多くの企業では現在、デジタル・トランスフォメーション(DX)を狙って人材育成をされていますが、これまでの社内研修と異なりDXに必要なスキルやDX後に変化した事業を遂行するのに必要なスキルは社内に存在せず、結果的に社内だけでは人材育成が完結しない、というような話は最近よく聞くようになってきました。これに対し、大学の体系的に整備された講義を提供することで、大学ならではの貢献ができるのではないかと考えております。また、それ以上にこのようなリカレント教育の場は我々大学教員にとっても重要だと考えていまして、リカレント教育の場を通して企業の方との密な接点を多く持つことで、教える内容や教え方の更新がしやすくなり、学生に向けてよりフレッシュな講義を提供できるようになることが期待できます。

——最後におふたりが思い描くAI活用の未来像と次世代の若者へのメッセージをお聞かせください。

數見:AI活用の未来像を考えるときに、「知性」と「判断」は分けて考える必要があると思っています。まず、「知性」の部分、つまり知識を活用したり、情報を整理したり、分析したりする能力については、すでにかなりAIに代替され始めていると感じています。もはや単なる“補助ツール”ではなく、人間の知的作業そのものを肩代わりしつつある段階に来ていると思います。一方で、最後まで人間に残るのは「判断」の部分なのではないかと感じます。何を「正しい」とするのか、どの方向に進むのか、どう意思決定するのか——そうした「判断の質」が他者との差になる世界になると思います。

そんな時代を生きる次世代の皆さんへのメッセージは以下の4つです。1つ目は統計学や数学の基礎をしっかり学ぶこと。AI時代だからこそ、前提となる基礎知識の差が大きな強みになります。2つ目は手を動かし続けること。好奇心は行動に移して初めて力になります。3つ目は現場に出る勇気を持つこと。スポーツなら練習場、広告なら運用現場に足を運んでほしい。4つ目は越境すること。学部、産学、国境——境界を越える経験が、データサイエンティストの幅を決めます。総じて言えるのは、熱量をもって行動し、フィジカルな経験をしておくこと。これが、AI時代における確かな価値になると思います。

保科:AI時代においても人間にしか担えない領域は確実にあり、人間の価値はなくならないと確信しています。これは元同僚の受け売りなのですが、例えば、エジプトのピラミッドなどを見たとき、重機もない時代にどうやってあれをつくったのか想像もできません。これはAIでも同じで、100年後にもっとすごいAIが当たり前に使われる時代になると「AIもない時代にどうやって仕事をしていたんだろう?」と未来の人は疑問に持つようになると思います。

しかし、重機がある現代に、重機を扱う新たな建築手法や職業、法律ができたように、AIが当たり前になる未来にもAIがあるからこそ人間が実現できることがきっと増えていくでしょう。そんな“知能重機”が当たり前にある時代に羽ばたいていく若者たちには、ぜひ新たに実現できることが増えていく変化を心の底から楽しみながら、自分にしかできないやり方を常に考え、それによって世の中をよりよくする挑戦を続けてほしいと考えています。