【生成AI×情シス】生成AI時代に情シスで活躍する人材になる方法
「情報システム部門」を志すIT人材のみなさん、「企業のDXで情シスがすべきこと」について考えたことはありますか？業務が増えるので、「DXはうんざりだ……」という人も多いでしょう。
ただあなた自身が「変革を拒む人材」であるなら、それは赤信号です。2022年・日本能率協会の発表によると「大企業の8割超がDXに着手済み、中小企業でも7割強がその検討段階にある」とのこと。つまりDXから逃れることは不可能。前向きに受け入れていくほかないのです。
そこで当記事では、DXでますます業務が増える情シスで活躍していくためのスキルを紹介。生成AI時代を生き抜く指針を示します。
生成AI時代の情シスになるために必要な5つのスキル
はじめに生成AI時代の情報システム部門で活躍するために欠かせないスキルについて紹介。ハードスキルからソフトスキルまで、合計で5つピックアップしています。
まずは時代を問わず情シススタッフに求められてきた「自己学習能力」から、詳しくみていきましょう。
自己学習能力
AI時代の情報システム部門で生き残っていくためには、自力で学び続けるスキル、つまり「自己学習能力」が欠かせません。日夜移り変わる情シスの業務についていけるのは、学びを止めない人材だけなのです。
そもそも情シスは、システムの運用・保守から自社のIT戦略立案、社内向けのIT教育など幅広い業務を担う部門。さらに昨今では「生成AIの導入」や「DXの推進」など、情シスの仕事は増えていくばかりです。
ゆえに生成AI時代の情シススタッフには、いっそう高い「自己学習能力」が必要だと断言できます。
生成AI全般の知識
もちろん生成AI時代の情報システム部門では、「生成AI全般の知識」が求められます。先述の通り生成AI導入からその先のDXまで、企業を代表して取り組むのは情シススタッフなのです。
ちなみに「生成AI全般の知識」というのは、膨大な量になります。たとえばChatGPTなど「生成AIとの付き合い方」から、その根幹にある「機械学習の手法」までは最低限必修。生成AIの知識がないまま、これからの情報システム部門で活躍するのは不可能です。
データ加工・分析の知識
情報システム部門で生成AIと協働してゆきたいなら、「データ加工・分析の知識」も身につけておくべきでしょう。
そもそもAIつまり「人工知能」は、専用のプログラム（アルゴリズム）だけでは機能しません。適切に加工された膨大なデータを学習させてはじめて、知能と呼べるものになるのです。
そのため「PythonやSQLによるデータ加工」から「統計学によるデータ分析」まで知識があると、AI活用の幅が広がります。
チェンジマネジメントスキル
生成AI時代の情報システム部門はDXを手始めに、組織変革の要となっていきます。その変革をスムーズに行うためのスキル、つまり「チェンジマネジメントスキル」も欠かせません。
従来より情シスは、他部門から「コストセンター」とみなされる傾向がありました。これは「用途不明の機材に予算を割いてもらっている」など、勘違いによるものです。
しかしそれだけ周りは「ITを使った効率化に興味がない」のも事実。変化を嫌うスタッフも含めて組織全体が成長するには、「チェンジマネジメントスキル」に富んだ情シスが欠かせません。
リーダーシップ
先述の通り生成AI時代では、情報システム部門が組織変革を主導することに。その過程で他部門のスタッフや経営陣など、立場の違う人たちを効率化に向けてまとめ上げる「リーダーシップ」がある程度求められます。
リーダーシップの取り方についてはさまざまな意見がありますが、情シスの場合は「コミュニケーション能力」と「心の距離を詰めるスキル」があれば十分。あとはAIやデータ分析など、「ITスキル」で他部門をリードしましょう。
生成AI時代の情シスに必要なスキルの身につけ方
ここからは先ほど述べた、「生成AI時代の情シスで求められる5つのスキル」について、その身につけ方を徹底解説。「具体的に何を学ぶべきか」まで、詳しく掘り下げていきます。
まずは業務全般に欠かせない「自己学習能力」から、その身につけ方をみていきましょう！
自己学習能力を身につけるうえで欠かせない3要素
生成AI時代以前より情報システム部門では「自己学習能力」をもった、自発的に学ぶ人材が活躍しています。
この自己学習能力は動機づけ・学習方略・メタ認知の3要素からなり、それぞれに「具体的な身につけ方」が存在。まずはどの業務にも欠かせない「メタ認知」から、詳しくみていきましょう。
1.メタ認知
「メタ認知」は、自分の行いを俯瞰してコントロールするスキルのことで、「振り返る力」とも表現できます。言語と同様に、前頭葉が司る「人ならではの能力」です。
このメタ認知は、学びから仕事まで大事なスキル。欠けていると「自分の得意・不得意」が客観視できず、その後のフィードバックに活かせなくなってしまうのです。
以上のように生涯を通して欠かせないメタ認知は、容易に鍛錬が可能。努力や成長、そして失敗も含めて「言葉を使って具体化・可視化」することを徹底すれば、自然とメタ認知的な分析ができるようになりますよ。
参考資料：メタ認知とは？教育で注目される理由や子どもの力の伸ばし方は？
参考資料：前頭極は未経験の出来事に対するメタ認知判断をつかさどる
2.学習方略
「学習方略」とは、勉強のやり方を指しています。生成AI時代の情報システム部門で生き残りたいのであれば、自分に合った学習方略を見つけることが肝要です。
この学習方略は馴染みの薄い言葉ですが、中身はよく見知ったもの。頑張った自分にごほうびをあげる「報酬方略」やわかる所から進めていく「負担軽減方略」、違うコードの書き方がないか考える「意味理解方略」などやり方はさまざまです。
先ほどのメタ認知が身についてきたら、自分にあった学習方略を模索してみるとよいでしょう。
参考資料：「学習方略」の獲得は社会階層の壁を越えられるのか ― 子どもの成績を規定する要因についての考察 ―
3.動機づけ
学習を進めていくうえで、やる気は欠かせません。このやる気を引き出す考え方のことを「動機づけ」といいます。
より詳細には、世間体・報酬など他人由来の「外発的動機づけ」と、好奇心・理想など自分由来の「内発的動機づけ」の2つに分類が可能です。
どちらも「無動機づけ」よりは良い状態ですが、情報システム部門の場合は「内発的動機づけ」が欲しいところ。生涯を通して活き活きと学び続けられる姿勢が欠かせません。
言葉だと簡単に説明できますが、動機づけの習得は至難の業。強いてあげるなら「努力すれば賢くなれる」と信じ抜くこと、すなわち「増大的知能観」をもつことが大切です。
参考資料：「自己調整学習」論の可能性
参考資料：教師への信頼感と暗黙の知能観が自律的な学習動機づけに及ぼす影響
最低限身につけておきたいAIの知識3選
一般企業各社で先陣を切ってAIの導入を進めていくのは、情報システム部門にほかなりません。ゆえに情シスのスタッフには、IT戦略立案からヘルプデスク業務まで、「AI込み」でこなせる知識が求められるのです。
そこでここからは、最低限知っておきたいAIの知識を3つ紹介。まずは世間をにぎわせている「生成AI」からみていきましょう。
1.生成AIについての知識
ChatGPTやGoogle Bardなど「生成AI」は、AIの中でもほんの一部にすぎません。人間の言葉（自然言語）による命令を受けて、文章・画像・音楽等の生成ができるAIを指しています。
この生成AIについて学ぶべき点は2つ。それは「用途」と「プロンプトエンジニアリング」になります。
まず生成AIの用途は多岐にわたり、現在も試行錯誤の最中。情シスで例を挙げるなら「ヘルプデスク業務」や「基幹システムのバグ修正」などが生成AIで代替可能です。
そして「プロンプトエンジニアリング」とは、AIが理解できるように命令を下すスキルのこと。この2つについては別途、当メディアで「役立つ知識」を紹介しています。
2.機械学習についての知識
AI時代の情報システム部門で働きたいなら、「機械学習」の仕組みについても知っておくべきでしょう。先述の「生成AI」など多くのAIの基礎には、機械学習が関わっています。
そもそも機械学習とは過去のデータを専用のプログラム（アルゴリズム）に学習させて、初出のデータを分類させる手法の総称。データを大きく2分するだけの「パーセプトロン」から、それを重ねて複雑な分類を行う「ニューラルネットワーク」まで、さまざまなアルゴリズムが用いられています。
この機械学習を学ぶ利点は、目的に応じて最適なAIが組めることにあります。他部門から「AIでなんとかして」と頼まれたときに機械学習を学んでいると、最適な方法が示せますよ。
参考資料：仕事ではじめる機械学習 第2版
3.AI倫理についての知識
理数系の知識だけでは、AIの活用は難しいでしょう。「AI倫理」といって、人文学的な知識・配慮もAI時代の情報システム部門には必要です。
前提としてAIは昨今の世相、とくに人の多様性を認める「ダイバーシティ」の考え方に逆行しています。学習データ中に含まれる、ジェンダー・国籍・人種などに関する偏見を取り入れてしまうのです。
このようなAIをそのまま社会に適応してしまうと、「人種によって刑の重さを変えるAI裁判官」や「性別で採用不採用を決める人事AI」などが生まれかねません。そこで学習データに含まれる社会的事情も考慮して、倫理的なAIを開発する必要があるのです。
参考資料：富士通のAI倫理ガバナンス
参考資料：AI倫理技術：富士通
生成系AIの業務活用なら！
・生成系AIを活用したPoC開発
・生成系AIのコンサルティング
・システム間API連携
データの加工・分析に必要なスキルは3つ
プログラムを組んだだけでは、AIは動きません。膨大な量のデータ（ビッグデータ）を学習させてはじめて、「人工知能」と呼べる働きをみせるのです。
したがって生成AIと協働する時代の情報システム部門では、ビッグデータを扱うスキルも求められます。ここからは最低限身につけておきたいデータ加工・分析のスキルを3つ紹介。まずは「データベース言語」から、詳しくみていきましょう。
1.データベース言語
商用AIの学習データは10万件を超えており、処理の遅いExcelではさばききれません。別途データベースに特化したプログラミング言語（データベース言語）が必要なのです。
まず「データベース」とは、物事の細かな情報を一括保管する場所のこと。社員情報の例で説明すると、社員番号・氏名・性別などを記録したものがこれに該当します。
その操作には、専用の「データベース言語」が使用されます。なかでも代表的なものは、ISO（国際標準化機構）公認の「SQL」です。IT業界から金融業界まで広く採用されているため、データベースをAIに学習させたいならこのSQLのスキルが欠かせません。
参考資料：ＡＩへのデータ利用の状況
2.Python
生成AI時代の情報システム部門で働きたいなら、プログラミング言語「Python」も必修。汎用性が高くAI分野に限っても、データ分析からAIの設計まで幅広く活用されています。
まずPythonそのものの習得は容易。英語の文章を書くように気軽にプログラミングが可能です。
ただPythonをフル活用するには言語本体に加え、その「拡張部品」の知識まで欠かせません。とくにNumPyなど、複雑な処理が簡潔に記せる「ライブラリ」は必修です。
またAIを設計するなら、その雛形「フレームワーク」も不可欠。TensorFlowなど、フレームワークごとに扱い方を学ぶ必要があります。
3.統計学
AIの設計からIT戦略の立案まで、これからの情報システム部門で活躍したいなら「統計学」が必修です。
まずAIのアルゴリズムには、一部統計学の手法が用いられています。たとえば「正常／異常」や「合格／不合格」を判別するAIを作るには、統計手法の「ロジスティック回帰」が欠かせません。
また他部門や経営陣に向けてIT戦略を提案する際にも、データを可視化する統計手法が役立ちます。とくに違いの重みが示せる「カイ二乗検定」や散布図が簡潔に示せる「主成分分析」が、円滑なコミュニケーションには欠かせません。
チェンジマネジメントは考え方を3つ身につけるべし
生成AI時代の情報システム部門は、企業全体の変革も請け負うことになります。他部門や経営陣にAIの魅力を伝え、その導入を推していかなくてはいけません。
そこで必要なのが、現状維持のムードを打破する「チェンジマネジメント」の考え方。AI導入やDXにはまず、改革に消極的な他部門の協力が不可欠なのです。
以下ではその考え方（フレームワーク）のなかから、代表的なものを3つ抜粋。まずはおなじみ「PDCAモデル」からみていきましょう。
参考資料：チェンジマネジメント（Change Management）とは？
1.PDCAモデル
「PDCAモデル」とはPlan（計画）・Do（実行）・Check（評価）・Action（改善）を順番に繰り返すフレームワークのこと。現場レベルの細かな無駄をなくすのに役立ちます。
PDCAを導入済みの企業は多いはず。ですがこれを徹底している企業の数はさほどありません。Checkすなわち「ダメ出し」の過程で、どうしても上層部への忖度が生じてしまうのです。
したがって情報システム部門主体でPDCAを回すなら、データを活用して、客観的に改善点を示さなくてはいけません。情シスで活躍したいなら、PDCAモデルと統計学とを抱き合わせで学ぶのがよいでしょう。
2.コッターの8段階の変革モデル
保守的な会社の場合、段階を踏んでAIの導入を進めていかなくてはいけません。そこで頭に入れておきたいのが「コッターの8段階の変革モデル」です。このモデルでは組織変革の方法を、以下8つのプロセスに要約しています。
1.危機意識を高める
2.変革推進のための連帯チームを築く
3.ビジョンと戦略をうみだす
4.変革のためのビジョンを周知徹底する
5.人材の自発を促す
6.短期的な成果を実現する
7.成果を活かして、さらなる変革を推進する
8.新しい方法を企業文化に定着させる
このモデルを「AIの導入」や「DXの推進」に当てはめてみると、企業ごとにどの段階でつまづいているかがわかります。たとえば情報システム部門が情熱的に「生成AI活用のビジョン」を提案しても、他部門の危機意識がない場合は、改革が進められません。
コッターの8段階の変革モデルに限らず、他部門の事情にも興味をもつことが肝要です。
参考資料：Kottter（1996）による企業変革プロセスの実践と理論に関する考察
3.ブリッジズの移行モデル
合理主義だけでは、他部門を巻き込んだ改革は達成できません。改革の段階に応じて、心理面のサポートまで入れられる情シススタッフであるべきでしょう。
そこで知っておきたいのが、「ブリッジズの移行モデル」です。このモデルでは、人間が変化を受け入れていくまでの過程を以下の3段階に要約しています。
1.何かが終わるとき
2.ニュートラルゾーン
3.何かが始まるとき
詳しい説明は割愛しますが、改革の過渡期「ニュートラルゾーン」への対処は重要。どの部門でも「先行き不安」が生じてくるので、それに対する解決策が求められます。
いつでも質問ができる「AIチャットボット」や先行きがわかる「統計データ」を用意して、情シス主体でバックアップしていきましょう。
情シスならではのリーダーシップを身につけるには
社を挙げたAIの導入やDXの推進は、理屈だけでは成し遂げられません。これから他部門を先導していく情シスには、「リーダーシップ」も必要なのです。ということで以下、リーダーシップの身につけ方について解説していきます。
ただ「リーダーシップ」は漠然とした概念で、人によって意味合いはまちまち。そこで当記事では「情報システム部門ならではのリーダシップ」と銘打って、その要素を3つだけピックアップしました。
1.ITスキル
まずは意外にも「ITスキル」がリーダーシップに直結します。そもそも他部門のスタッフや経営陣が情シスに求めているのは、「ITツールを使ったエレガントな問題解決」なのです。
ただ漠然とスキルを高めるだけではいけません。GitHubなどエンジニア界隈で活躍するスキルと、実際の企業で求められるスキルとは別物です。
たとえば一般企業の場合、スタッフのほとんどは非エンジニア。彼らが求めているのは、ノーコードツールのような「使い勝手や視認性のいいITツール」なのです。
ですので他部門とのギャップも込みで、問題を解決するITスキルが生成AI時代の情シスには欠かせません。
2.コミュニケーションスキル
先ほど述べた他部門とのギャップを埋めるためには、「コミュニケーションスキル」も必要です。とはいえ別に「社交性が大事」というわけではありません。
それよりも大事なのは「ビジネスとITとを翻訳する能力」です。
たとえば他部門が漠然と抱えている問題を解決するには、それを言語化してITの考え方に落とし込む必要があります。また逆に情シス主体でITツールを推していく際には、「イテラブル」や「デプロイ」などITの概念を噛み砕いて説明しなくてはいけません。
このように他部門がエンジニアに対して感じている「とっつきにくさ」をなくすのも、情シスに必要なリーダーシップなのです。
3.心の距離を詰めるスキル
情報システム部門と他部門とのギャップは、スキル・知識の面だけに限られません。普段からの関わりが薄い分、心理的な障壁も立ちはだかっているのです。
そこで生成AI時代の情シスには、「心の距離を詰めるスキル」も求められます。
たとえば「エンジニアの視点だけ」で相手の提案を否定するのは御法度。肯定的な態度で相手の話に耳を傾けたほうが、こちらの提案も受け入れてもらえます。
情シスの許可なく他部門がITツールを導入する「シャドーIT」など、エンジニアの態度ひとつで未然に防げる問題があることを忘れないでください。
参考資料：リーダーシップを発揮しよう
生成AI時代の情シスには「対人スキル」も必要
生成AI時代の情報システム部門で求められるスキルとその身につけ方を、以下の表にまとめました。
| 必要なスキル | スキルの概要 | スキルの身につけ方 |
|---|---|---|
| 自己学習能力 | 自発的に学習を進めるマインドセット | 動機づけ・学習方略・メタ認知を身につける |
| AI全般の知識 | 生成AIの使い方とAIの原理・倫理面に対する知識 | 生成AIとその基礎、倫理面について学ぶ |
| データ加工・分析の知識 | データを加工・分析して、AIに学習させるスキル | 基礎的なデータサイエンスを身に着ける |
| チェンジマネジメント | AI導入やDXなど、組織変革を円滑に行うスキル | フレームワークを学ぶ |
| リーダーシップ | AI導入&DXを先導するための、ITスキルと人間性 | マネジメントを学ぶ |
各企業で生成AIの導入が進むこれからの時代、情報システム部門は社内での影響力を高めていくでしょう。
したがって将来にわたり情シスで活躍していくためには、上表で示した5つのスキルが欠かせません。
自己学習能力や各種専門知識は、IT人材なら当然必要。くわえてチェンジマネジメントやリーダーシップなど「対人スキル」も、他部門との協働が進む「生成AI時代」を切り抜ける武器となってくれます。
生成系AIの業務活用なら！
・生成系AIを活用したPoC開発
・生成系AIのコンサルティング
・システム間API連携
最後に
いかがだったでしょうか？
生成AI時代の情シスになるには、様々なスキルが必要となります。
今からスキルの獲得に向けて動きましょう。
次の記事では、生成AI時代の情シスの将来性やリスクについて詳しく解説していきます。
