２月４日（火）放送の「ワールドビジネスサテライト」（テレビ東京）でＤＸ人材の獲得法について取り上げていたのでご紹介します。
データとデジタル技術を活用してビジネスモデルを変革するＤＸ（デジタルトランスフォーメーション）。
推進しなければ競争力が低下し、今年以降、約１２兆円の経済損失が生じると予測されています。
“２０２５年の崖“と言われるリスクを回避さるため、企業はＤＸを担う人材の獲得に躍起になっています。
東京駅前に自社ビルを構える日本生命（東京・丸の内）、ＤＸ人材として、昨年、採用されたのがデータ・サイエンティスト（添付１参照）の栫（かこい）拓巳さんです。
新たに設けられたヘルスケア事業部で今、任されている内容について次のようにおっしゃっています。
「各自治体様の健康施策がどういう状況なのか、そういうところを可視化していけるような状態でございます。」
こちらは、ある県の特定健診の受診率やがんなどの予防策が打たれているかなどを偏差値化したグラフです。
栫さんがデータを集め、見易くしました。
例えば、灰色の線は重症化予防。
この県は３６．７と低い水準です。
栫さんはつぎのようにおっしゃっています。
「この自治体さんはこういうふうに悩んでるんだなというところを読み取ったうえで、営業さんにパスして（サービスを）提案していっていただく。」
自治体が抱える健康課題を可視化することで、新たなサービスを開発しているのです。
栫さんが所属するヘルスケア事業部以外にも新事業部が数多く作られたことにより、栫さんのようなＤＸ人材が必要になってきたのです。
日本生命ＩＴ統括部の大塚論嗣さんは次のようにおっしゃっています。
「ヘルスケア事業といった過去になかった事業も新たに行う中で人が足りなくなってきたと。」
「企画商品開発や新商品・新サービスといった部署で、それぞれＤＸ人材が必要になってまいりました。」
日本生命にはＤＸ人材が４００人ほどいますが、まだまだ足りていない状況だといいます。
今、ＤＸ人材の採用競争は激化。
特にセキュリテイエンジニアやデータサイエンティストの転職後の年収は６０万円以上アップしています。
いかにＤＸ人材を確保するのか。
１２０年の歴史を持つ文房具メーカーのコクヨでは、ＤＸチームはわずか７人です。
ＤＸチームの役割は、数多くある社内の古いシステムを刷新すること。
それを自社で行うのか、外注するかを判断しています。
しかし、コクヨ エンジニアリングユニットの小谷侑哉ユニット長は次のようにおっしゃっています。
「（人が）まだまだ足りないですね。」
「４０人ぐらい集めて大きな組織にしたいんですけど。」
ＤＸ人材の対応を担うのが人事担当者です。
コクヨは優秀な人材を獲得するために、あるベンチャー企業を頼りました、
株式会社レインの芦川由香ＣＥＯは次のようにおっしゃっています。
「エンジニア、５５１人に対してアンケートを取ってみたんですね。」
「で、どういった求人が応募したくなるか、自分の経験をまず活かせるかどうかというところは、皆さん一番だったんですね。」
エンジニアに特化した採用のコンサルタントなどを行うレイン。
代表の芦川さんは元エンジニア。
企業が優秀なＤＸ人材を獲得するには、人事担当者や経営陣の意識改革が必要だと訴えます。
「入社直後のキャリアだけではなくて、その後の３年後、５年後にこんな経験をして欲しいとか、こんな経験の機会がありますとか、そんなところをしっかり書いていくと。」
コクヨ Ｂ＆ＥパートナーＨＲ部の竹内文雄統括部長は次のようにおっしゃっています。
「どのフェーズで訴求していくと効果が高いのか、面接なのか、最初のカジュアル面談だったりとか、いくつかフェーズはあると思うんですけど。」
芦川さんは次のようにおっしゃっています。
「どの接点でも、くどくど言い続けることが大事でして、やっぱり絶対必要なのが入り口の求人ですね。」
ＤＸ人材の採用では、スタートとなる面談が重要だと話します。
そこで活かされるＤＸ人材獲得法とは。
コクヨがＤＸ人材の採用に向けてコンサルティング契約をしているレイン。
代表の芦川さんが人事担当者を集めて始めたのは面接官トレーニングです。
ぎこちない質問が続きます。
人事担当者は会社の顔。
ＤＸ人材に対して、社としてＤＸで具体的に何を成し遂げたいのか説明する必要があります。
特に製造業では、多種多様なＤＸ人材の役割を理解する必要があると芦川さんは話します。
「人事の皆様ってエンジニアの経験がない方が多いので、苦手意識があったりするんですね。」
「そうなった時に、ロールプレーイングとかをしながら、どんな質問をするといいんだろうというのをフィードバックしながら意識を高めていって欲しいなと思ってやっています。」
大手企業から相談が相次ぎ、急成長をしているレイン、芦川さんは今後の目標について、次のようにおっしゃっています。
「今、入り口の採用の部分ですけども、こういったＤＸを使って、どんな目的・改革を進めて行きたいか、そこまで踏み込んで企業さんのお手伝いをしていけるといいかなと思っております。」
ＤＸ人材の獲得競争は一層激しくなっていまして、製造業を中心にＤＸ人材を派遣している会社の担当者は企業の要望に追いつかないため、海外人材の獲得強化を図っていると、株式会社テクノプロ・デザインの坂上誠さんは話していました。
以上、番組の内容をご紹介してきました。
番組の内容を以下にまとめてみました。
（ＤＸを巡る問題）
・データとデジタル技術を活用してビジネスモデルを変革するＤＸを推進しなければ競争力が低下し、今年以降、約１２兆円の経済損失が生じると予測されている
・“２０２５年の崖“と言われる問題を回避さるため、企業はＤＸを担う人材の獲得に躍起になっている
-今、ＤＸ人材の採用競争は激化している
-特にセキュリテイエンジニアやデータサイエンティストの転職後の年収は６０万円以上アップしている
日本生命の事例：
・ヘルスケア事業部のＤＸ人材、データ・サイエンティストは、自治体が抱える健康課題を可視化することで、新たなサービスを開発している
・ヘルスケア事業部以外にも新事業部が数多く作られたことにより、こうしたＤＸ人材が必要になってきた
-企画商品開発や新商品・新サービスといった部署で、それぞれＤＸ人材が必要になってきている
・日本生命にはＤＸ人材が４００人ほどいるが、まだまだ足りていない状況だという
コクヨの事例：
・コクヨでは、ＤＸチームのエンジニアリングユニットはわずか７人である
・ＤＸチームの役割は、数多くある社内の古いシステムを刷新することである
-それを自社で行うのか、外注するかを判断しているが、人材不足で４０人ぐらい集めて大きな組織にしたいという
・ＤＸ人材の対応を担う人事担当者は、優秀な人材獲得のため、ベンチャー企業、株式会社レインとコンサルティング契約をしている
-レインではエンジニアに特化した、採用のコンサルタントなどを行っており、大手企業から相談が相次ぎ、急成長を遂げている
-代表の芦川さんは、企業が優秀なＤＸ人材を獲得するには、人事担当者や経営陣の意識改革が必要だと訴える
-ＤＸ人材の採用では、スタートとなる面談が重要だという
・レインはコクヨで以下のＤＸ人材獲得法を指導する
-人事担当者への面接官トレーニングを始めた
-ＤＸ人材に対して、社としてＤＸで具体的に何を成し遂げたいのか説明する必要がある
-エンジニアの経験がない人事担当者が多いので、ロールプレーイングなどをしながら、より良い質問方法に対する意識を高めていく
レインの今後の目標：
・今は主に入り口の採用の部分のコンサルティングだが、ＤＸを使って、どんな目的・改革を進めて行きたいか、そこまで踏み込んで企業へのコンサルティングに取り組んでいくことが今後の目標である
テクノプロ・デザイン社の坂上さんの見解：
・ＤＸ人材の獲得競争は一層激しくなっており、製造業を中心にＤＸ人材を派遣している会社は企業の要望に追いつかないため、海外人材の獲得強化を図っている
こうして見てくると、企業ごとに必要性は異なっても、ＤＸ人材不足が問題視され、更にＤＸ人材の獲得に悩んでいることが見て取れます。
一方、エンジニアに特化した、採用のコンサルタントなどを行っているレイン代表の芦川さんが、ＤＸを使って、どんな目的・改革を進めて行きたいか、そこまで踏み込んで企業へのコンサルティングに取り組んでいくことが今後の目標であるとおっしゃっているのは的を射た狙いです。
要するに、今、多くの日本企業に求められているのは、ＡＩを最大限に活用してＤＸに取り組むことによる業務の効率化、および、ＤＸに対応した人材の要請、および人材の獲得なのです。
では、具体的にどうすればいいか、ですが、私のお勧めは、ＡＩサービス「クリスタル・インテリジェンス」（参照：アイデアよもやま話 No.6237 ＡＩサービス「クリスタル・インテリジェンス」とは？、添付２、および添付３）の活用を検討することです。
なお、おおまかな手順は以下の取りです。
�� 社内にＤＸ推進チームを設ける
�� ＡＩサービス「クリスタル・インテリジェンス」の導入に向けて、既存アプリケーションシステムから「クリスタル・インテリジェンス」への移行の可能性を検討する
�� 「クリスタル・インテリジェンス」への移行の検討中に、他のＡＩサービス使用の可能性も探り、最終的に導入するＡＩサービスを選択する
�� 一方で、ＡＩサービスへの移行後の組織のあり方を検討する
�� こうして、ＡＩサービスの導入、および新組織体制でうまく組織が回るかどうかについて、模擬演習を重ね、ＡＩサービス、および組織の活用のあり方をレベルアップさせていく
さて、こうして見てくると、ＤＸ化に向けて、人材の育成、あるいは、どういう人材を獲得すべきか、が見えてきます。
まず、“ＤＸ人材ありき”ではなく、ＡＩサービスの活用を軸に会社全体の大胆なリストラ、すなわち、“会社を生まれ変わらせる”という決断を経営トップが下し、ＡＩサービスを最大限に活用していくことこそが、これからの“会社生き残り”に向けてのスタートポイントなのです。
添付１）
データサイエンティストとは？
ChatGPT:
「データサイエンティスト（Data Scientist）」とは何か、以下の観点からわかりやすくご説明します。
✅ 定義
データサイエンティストとは、
大量のデータから意味を抽出し、ビジネスや社会の課題を解決する専門家です。
簡単にいえば、「データという“資源”を使って、“価値”を生み出す人」です。
🧩 データサイエンティストの主なスキル領域
|
分野
|
具体例
|
|
統計学・数学
|
回帰分析、仮説検定、ベイズ推定など
|
|
機械学習・AI
|
モデル設計（分類・予測）、自然言語処理、深層学習
|
|
プログラミング
|
Python, R, SQLなどを使ったデータ処理と分析
|
|
データ可視化
|
Tableau、Power BI、matplotlib、Plotlyなどで伝える
|
|
ビジネス理解
|
分析結果を事業にどう生かすか（マーケ・経営・現場の視点）
|
|
データエンジニアリング
|
ETL、クラウド、データベース、API連携などの基盤整備
|
🧠 代表的な仕事の流れ
plaintext
コピーする編集する
- 課題の理解・定義
↓
- データ収集・前処理
↓
- モデル設計・構築
↓
- 結果の評価・解釈
↓
- レポート・提案（ビジネスへ活用）
📊 活躍する分野（日本企業・世界共通）
|
業界
|
活用事例
|
|
小売・EC
|
売上予測、レコメンド、顧客セグメント分析
|
|
製造業
|
異常検知、予知保全、品質管理
|
|
金融
|
不正検出、信用スコア、資産運用分析
|
|
医療・バイオ
|
疫学分析、診断補助、創薬支援
|
|
広告・マーケ
|
A/Bテスト分析、SNS解析、購買行動のモデリング
|
🔍 データサイエンティストの「3つのタイプ」
|
タイプ
|
特徴
|
|
🧪 分析特化型
|
ビジネス課題を分析・可視化し、意思決定を支援
|
|
🤖 AIモデル特化型
|
機械学習や深層学習のモデルを実装・運用
|
|
⚙️ エンジニアリング型
|
データ基盤やMLOpsを整備し、分析を支援
|
企業規模によってはこれらの領域を**一人で全部担う“万能型”**を求めることもあります。
⚠️ 現在の課題（日本を中心に）
- 人材不足：経産省によると2030年に約79万人のIT人材が不足する見込み。その中でもDSは特に不足。
- 実務と理論の乖離：モデルを作るだけで終わり、ビジネスに結びつかないケースが多い。
- 属人化／再現性の欠如：分析がブラックボックス化しがちで、運用が続かない。
✅ まとめ
データサイエンティストとは、「データ」と「数学・AI」と「ビジネス」の架け橋になる存在です。
今後はChatGPTなどの生成AIとの共存も進み、“AIを活かせる人間”としての価値がさらに高まっていくと予想されます。
添付２）
日本企業においては、データ・サイエンティストなど、ＤＸ人材不足が問題になっているが、ＡＩサービス「クリスタル・インテリジェンス」によって、こうした人材不足も解消されるのか？
ChatGPT:
「クリスタル・インテリジェンス（Cristal Intelligence）」は、ソフトバンクとOpenAIが共同開発し、日本企業向けに特化した法人向け最先端AIサービスです。企業の基幹システムやデータを統合し、AIエージェントが業務を担えるレベルまで高度にカスタマイズされたもので、以下のような特徴と効果が期待されています。
✅ クリスタル・インテリジェンスの主な機能と狙い
- 既存システム／ソースコードの解析・最適化
- 会議参加／意思決定支援
- 業務タスクの自動化
- 財務書類、顧客対応、報告書作成まで、AIエージェントが年間数百万〜数千万のタスクを処理 。
- 全社導入支援体制
🤝 DX人材不足との関係性
|
課題
|
クリスタルでの対応
|
|
人材不足
|
AIエージェントが代替・補完し、データサイエンティストの負担を大幅軽減
|
|
専門スキル不足
|
「プロンプトエンジニアリング（添付2-1参照）不要」とし、技術的スキルをハンドリングせず利用可能 zenn.dev
|
|
ナレッジ継承の断絶
|
長期記憶機能により、業務知識を可視化・維持し、退職リスクを低減
|
🧭 人材不足が解消されるか？
✅ プラス面
- ルーティン系業務はAIエージェントが担うことで、DS／DX人材（添付2-2参照）の稼働が浮き、創造的領域へ再配置しやすくなります。
- 導入支援体制が充実しており、ITリテラシーが低い組織でも即座に実運用に乗せることが可能。
⚠️ 注意点
- 高度なDX人材（データエンジニア、AIアーキテクト、ガバナンス担当等）は依然必要。
- AI導入＝成功ではない。運用・活用・継続的改善のための社内体制・スキル育成は不可欠。
🏁 結論
「クリスタル・インテリジェンス」は、特に日本企業のDXにおいて**人材不足の“穴埋め”**と、業務効率化の加速装置として効果的です。ただし、全体的なDX推進や組織設計・人材育成を担う専門職は依然必要です。
添付2-1）
プロンプトエンジニアリングとは？
ChatGPT:
「プロンプトエンジニアリング（Prompt Engineering）」とは、
AI（特に生成AI：ChatGPTやClaude、Geminiなど）に最適な応答を引き出すための“指示文（＝プロンプト）”を設計する技術・手法のことです。
🧠 なぜ重要なのか？
生成AIは人間の言語に「応答」する形で動きます。
そのため、どんな問いかけ（プロンプト）を与えるかによって、AIの出力品質が大きく変わるためです。
例：
「会社案内を作って」 → 曖昧な答え
「従業員100人、製造業で関西拠点の中小企業向けに、AI導入の事例を含む会社案内をA4・2ページで作って」 → 高品質な出力
🔧 プロンプトエンジニアリングの具体的技術
|
技法名
|
内容
|
|
明示的指示
|
例：「箇条書きで」「専門的に」「中学生にもわかるように」など、トーンや形式を具体化
|
|
ロール設定
|
例：「あなたは医師です」「あなたは経営コンサルタントです」など、AIの人格を与える
|
|
ゼロショット／少数ショット学習
|
例示を使わず／少数だけ示してパターンを学習させる（例：「以下の形式で出力してください：…」）
|
|
思考を促す（CoT）
|
Chain of Thought：論理展開を促すように「順を追って考えて」などを加える
|
|
反復／再確認
|
「上記の出力を3つの観点から再評価して」「改善案を提示して」など、再帰的プロンプト
|
🧩 生成AI × プロンプトの相互作用イメージ
css
コピーする編集する
[プロンプト（命令）] → [AIの解釈] → [文脈処理・推論] → [出力文]
つまり、プロンプト次第で：
📈 応用事例（業務・分野別）
|
分野
|
プロンプト活用例
|
|
マーケティング
|
広告文・キャッチコピー生成、ターゲット分析
|
|
法務・契約
|
契約書レビュー、リスクポイント抽出
|
|
医療
|
論文要約、患者向け説明文生成（専門→平易）
|
|
教育
|
問題作成、講義要約、学習者ごとの説明調整
|
|
経営
|
新規事業アイデア出し、会議記録要約
|
🔮 今後：プロンプトエンジニアリングの進化
- 自然言語で誰でも操作できるUIが増え、「裏でのプロンプト設計」は見えなくなりつつあります。
- ただし、「どう聞くか」の重要性は残るため、ビジネス・教育現場では“思考力”として重視される素養となっていきます。
✅ まとめ
**プロンプトエンジニアリングとは、「AIに賢く質問するスキル」**です。
単にキーワードを投げるのではなく、「誰に、何を、どんな形式で、どんな目的で伝えるか」を設計することが、生成AIを最大活用する鍵になります。
添付2-2）
DS／DX人材の関連は？
ChatGPT:
「DS（データサイエンティスト）／DX（デジタルトランスフォーメーション）人材」の関連性について、体系的に整理してご説明します。
✅ 前提：DX人材 ≒ 広義の「デジタル変革推進人材」
DX（デジタルトランスフォーメーション）とは、デジタル技術を活用して、企業や社会の構造・価値を根本的に変革すること。
その実現には、多様な専門性をもつ人材のチームが必要です。
🧠 DS（データサイエンティスト）はDX人材の一種
|
区分
|
役割
|
関係性
|
|
DX人材（全体）
|
業務や組織をデジタルで変革するための人材群
|
戦略から現場実装まで幅広くカバー
|
|
DS人材（その一部）
|
データから価値を見出し、意思決定やAI導入を支援
|
DXの中核的な“分析・知能化”の担い手
|
つまり、DS人材は「DX推進チームの“分析担当者”」に相当します。
🔁 相互依存の関係
|
要素
|
説明
|
|
DX推進には「DS人材」が不可欠
|
分析によって業務改善点や未来予測を導く
|
|
DSの成果は「DX人材」によって実装・現場定着
|
モデルを業務に組み込むには、現場との橋渡しが必要
|
🧩 DXを“動かす”のがDX人材、
DXを“支える”のがDS人材とも言えます。
🧭 人材の役割分担イメージ（機能別）
|
分類
|
主な職種
|
主な役割
|
|
DX戦略層
|
DX推進責任者（CDXO）、業務変革リーダー
|
DX方針・ROI設計・組織設計
|
|
データ分析層
|
データサイエンティスト、BIアナリスト
|
仮説設計・分析・予測・可視化
|
|
技術実装層
|
データエンジニア、AIエンジニア、MLOps人材
|
データ基盤整備・AI実装・運用
|
|
現場連携層
|
現場DX担当、業務設計リーダー
|
業務設計・研修・導入支援
|
⚠️ 日本企業における課題
|
課題
|
内容
|
|
人材の分断
|
「分析する人」と「業務を知る人」が分離していて協働できない
|
|
DS人材の孤立
|
分析結果が意思決定や現場改善に活かされないことが多い
|
|
DX人材の不足
|
技術だけでなく、ビジネス・変革・マネジメントを理解する人材が足りない
|
✅ まとめ：DS／DX人材の関係性とは？
- DS人材（分析知能）とDX人材（変革推進）は、DX実現の両輪。
- 一方だけでは不完全であり、連携して初めてデジタル変革が効果を発揮します。
添付３）
では、ＡＩサービス「クリスタル・インテリジェンス」は中小企業においても適用可能か？
ChatGPT:
はい、AIサービス「クリスタル・インテリジェンス」は基本的に大企業向けに設計された高度な業務支援AIですが、中小企業にも“条件付きで”適用可能なケースが出てきています。
以下にその可能性と課題を整理します。
✅ 現時点での「想定利用先」
- 「大企業の基幹システムの刷新」や「膨大な業務の自動化」を対象に、SB OpenAI Japanが独占提供すると明言されています。
- トヨタ、三井住友銀行、伊藤忠などが導入検討・実証を進めています。
🔹 つまり、現在のターゲットは大企業です。中小企業は対象外に見えるかもしれません。
🤔 では中小企業では「使えない」のか？
🟡 可能性は“あり”
中小企業での適用には以下の「条件」がそろえば、段階的な導入が可能です。
|
条件
|
内容
|
|
✅ クラウド化が進んでいる
|
自社の業務システムや帳票などがすでにデジタル化・クラウド化されている場合
|
|
✅ API・RPAなどの活用基盤がある
|
データがつながっており、AIの提案が現場業務に反映しやすい状態
|
|
✅ AI人材やベンダーのサポートがある
|
初期導入・運用設計を担えるパートナーがいる（またはChatGPTのようなAI支援を併用）
|
|
✅ スケールを抑えて導入できる
|
例えば「営業支援」「FAQ対応」「報告書生成」など、単一業務から部分導入するアプローチが取れる
|
⚠️ 中小企業が直面する主な課題
|
課題
|
説明
|
|
💰 導入コスト
|
現時点で「個別実装型」なので、数千万〜億単位の費用が想定されるケースもあり。
|
|
🧩 カスタマイズの難易度
|
自社固有業務が多く、パッケージ型AIでは対応しづらい
|
|
🧑💼 人材リソース
|
導入後のチューニングや業務改善が社内で完結できないことも多い
|
🔄 中小企業への展開可能性：今後の展望
- パートナー経由での簡易版提供
- ソフトバンクが中小企業向けに「クリスタル・ライト」などの廉価プランを用意する可能性があります。
- 業種特化型パッケージ
- 飲食、小売、建設業向けにテンプレート化したAI支援エージェントが登場すれば、導入ハードルが下がります。
- ChatGPTやAuto-GPTとの併用
- ChatGPT（特にGPT-4o）を導入し、部分業務を自動化することで「擬似クリスタル化」が可能になるケースも。
✅ 結論：中小企業でも「部分導入」＋「外部支援」で道が開ける
「全部入り」のクリスタル・インテリジェンスは難しくても、
「業務特化AI」＋「API連携」＋「人の知見」で、中小企業でも十分に活用可能です。
🔧 こんな中小企業におすすめ：
- 例��：毎月の報告書・請求処理に時間がかかる
→ 自動帳票化・文書要約エージェント導入
- 例��：熟練者の知見が属人化している
→ FAQナレッジ化・AIチャットボット導入
- 例��：営業報告や提案書作成に時間がかかる
→ AIによる文章生成・市場調査の自動化
