データサイエンティストはオワコンなのか｜終わったと言われる3つの根拠と、変わった仕事・残る仕事

ブームが落ち着き、花形職種の熱が冷めた

2010年代後半は、データサイエンティストの求人が急増し、高い年収が話題になりました。現在はその熱が落ち着き、採用側が人材を見る目も厳しくなっています。「肩書きだけで引く手あまた」という状態が終わったことは、事実と言えます。

ただ、これは職種の需要が消えたのではなく、期待値が現実的な水準に戻った動きとして捉えるほうが実態に近いはずです。データを意思決定に使う企業の数は、むしろ広がっています。

生成AIと自動化ツールで分析作業が置き換わる

文章で指示するだけで、集計のコードやグラフ、基本的な予測モデルまで生成できる環境が整ってきました。これを見て、データサイエンティストの仕事は不要になるという主張が出ています。

確かに、コードを書く、定型の集計を行うといった作業は、人が手をかける割合が減りました。この変化の詳細はデータサイエンティストが分析にAIを使う実際の場面で触れられています。ただし、置き換わるのは作業であって、仕事全体ではありません。

人材が増え、未経験者の競争が激しくなった

大学のデータサイエンス学部の増設や、スクールの普及により、志望者は増えました。そのため、未経験から転職する場合の倍率は上がり、入口が狭まったと感じる人が多くなっています。

これは、競争が激しくなったという意味では正しい認識です。ただし、実務で事業の課題に結びつけて動ける人は依然として少なく、人数が増えた分だけ質のばらつきも大きくなっています。

自動化が進んだ作業

データの集計、グラフの作成、標準的なモデルの構築と比較、コードの下書きなどは、AIの補助でかなり速くなりました。たとえば、小売の販売データから曜日別の傾向を出す作業は、以前は半日かかったものが数十分で終わる場合もあります。

この領域だけを仕事にしてきた人は、役割の見直しを迫られています。

人の判断が残りやすい作業

何を予測すれば事業が動くのかを決める、データの偏りや欠落が結論に与える影響を見抜く、因果関係と見かけの相関を区別する、結果が外れたときに誰がどう責任を持つのかを整理する、といった作業は、自動化が難しい領域です。業界の文脈や社内の事情を踏まえた判断が必要になるからです。

AIが出した分析結果をそのまま使い、誤りがあったときの責任は人が負うことになります。この点は、AIとの競争でデータサイエンティストが担う領域の記事でも詳しく考察されています。

役割が「作る人」から「使わせる人」へ移っている

モデルを作ることの価値が相対的に下がった分、そのモデルを業務に組み込み、現場に使い続けてもらうことの価値が高まっています。需要予測を例にすると、精度を2%上げることより、発注担当者が予測を信頼して発注量を変えるように働きかけることのほうが、成果に直結する場面が増えています。

転職活動で苦戦した未経験者の実感

独学を終えて応募したものの書類が通らなかった人にとって、市場は閉じたように感じられます。この実感は嘘ではありませんが、未経験者の入口が狭いことと、職種に先がないことは別の話です。

役割が変わって戸惑う現役の人の本音

モデル構築を中心にやってきた人が、AIの普及で仕事の中心を移さざるを得なくなり、「自分の仕事はもう終わった」と感じる場合があります。これは職種の終わりというより、自分の得意分野の価値が下がったという個人の実感です。

注目を集めるために強い言葉を選ぶ発信

「オワコン」という言葉は反応を集めやすいため、実態以上に断定的な表現で使われることがあります。根拠として示されている数字や出典があるか、特定の商品やサービスに誘導する内容になっていないかを確認すると、見極めやすくなります。

ツールの操作や定型作業に偏っている場合

指示された集計やモデル構築を、手順どおりに実行することが仕事の中心になっている場合は、自動化の影響を受けやすくなります。担当している作業のうち、手順書にできる部分がどれだけあるかを一度書き出してみると、危うさが測れます。

特定の業界や事業の課題と深く結びついている場合

物流、医療、製造、金融など、特定の業界の知識を持ち、その課題をデータで解いてきた人は、ツールが進化しても代わりが利きにくい存在です。専門領域を持つことが、自動化への耐性になります。

これから目指す人は、入口の業界を絞って考える

データサイエンティスト全般を目指すより、「小売の需要予測」や「製造業の品質データ分析」のように、領域を絞って学ぶほうが採用側に伝わりやすくなります。待遇の目安は年収の相場と上がり方を見て、現実的な水準を把握しておくと判断しやすくなります。

現役の人は、浮いた時間の使い道を決める

AIの補助で作業時間が減ったなら、その時間を依頼者との対話や、分析結果が使われているかの追跡に回してみてください。成果の見え方が変わり、評価される領域を自分で広げられます。