IBMの産業変革の青写真がAI、5G、そしてコラボレーションをどのように活用しているか
データサイエンスの役割は依然として「魅力的」ですが、雇用市場の混乱には免疫がありません。
データサイエンティストであることは「21世紀で最もセクシーな仕事」とされていました。2012年の有名なハーバード・ビジネス・レビューの格言が妥当かどうかは、"セクシー"の解釈によって主観的です。しかし、データサイエンティストや関連するデータエンジニアリング、データアナリストの役割に関するデータは、警鐘を鳴らし始めています。
HBRの格言に関する主観的な部分は、実際にデータを見つけて整理し、データパイプラインや統合コードを構築・デバッグし、機械学習モデルを構築・改善することを楽しんでいるかどうかです。そのタスクのリストは、その順序で、データサイエンティストがほとんどの時間を費やすものです。
データ中心のキャリアに本当に惹かれる人もいれば、職務内容によって惹かれる人もいます。需要と給与の増加は、他の人々をより惹きつけます。職務内容の暗い側面は知られていないわけではありませんが、成長と給与の部分はあまり異論がありませんでした。しかし、それは変わりつつあるかもしれません。データサイエンティストの役割は依然として需要がありますが、市場の混乱には免疫がありません。
混合信号
2022年の初めに、何かが変わりつつある最初の兆候が明らかになりました。オンライン求人会社Diceが発表したデータのIEEE Spectrumによる分析によれば、2021年にはAIと機械学習の給与が減少した一方で、アメリカの技術職の平均給与はほぼ7%上昇しました。
全体として、2021年はアメリカの技術専門家にとって良い年であり、平均給与は6.9%増の104,566ドルとなりました。しかし、IEEEスペクトラムが指摘するように、機械学習、自然言語処理、AIの専門家に対する競争は緩和され、平均給与はそれぞれ2.1%、7.8%、8.9%減少しました。
最近数年でこれが発生したのは初めてで、例えば、機械学習の専門知識を持つソフトウェアエンジニアの平均給与は2018年に比べて2019年に22%上昇し、その後2020年にはさらに3.1%上昇しました。同時に、データサイエンティストの役割に対する需要は減少する兆しを見せておらず、むしろ逆です。
開発者採用プラットフォームは、データサイエンス関連のITスキルの需要が急増していると報告しています。開発者のスクリーニングと面接プラットフォームであるDevSkillerの最新のITスキルレポートによると、2021年の面接プロセスでリクルーターが候補者に設定したデータサイエンス関連のタスクの数は295%増加しました。
CodinGameとCoderPadの2022年技術採用調査は、データサイエンスが需要が供給を大きく上回る職業であることを特定し、DevOpsや機械学習の専門家とともに挙げています。その結果、ZDNetのオーウェン・ヒューズは、雇用主は競争力を維持するために、従業員に提供する給与と福利厚生パッケージの両方を再評価する必要があると指摘しています。
データサイエンスとAI市場は混合信号を送っています。
さらに、2021年には「大辞職」または「大再編」として知られる現象が見られました。これは、誰もがキャリアを含むすべてを再考している時期です。理論的には、労働力の一部が自らの軌道や目標を再定義したり、辞職したりすることで、需要と給与が増加するはずです。データサイエンティストが辞める理由や雇用主が彼らを維持するためにできることに関する分析が広まり始めました。
その後、データサイエンティスト、データエンジニア、データアナリストの役割を含む解雇が発生しました。LinkedInの最新の解雇ラウンドの分析によれば、テクノロジー業界の波乱の年は、解雇、採用凍結、取り消された求人の毎日の発表によって示されています。
5月には、世界中の70以上のテックスタートアップから約17,000人の労働者が解雇され、4月から350%の増加となりました。これは、パンデミックの最中である2020年5月以来、業界での失業者数として最も重要な数字です。さらに、NetflixやPayPalなどのテック大手も人員削減を行っており、Uber、Lyft、Snap、Metaは採用を減速させています。
テクノロジーのレイオフ追跡サイトLayoffs.fyiが共有したデータによると、追跡された企業の労働力の7%から33%がレイオフされています。企業ごとのデータを詳しく見ると、データ指向の役割も含まれていることがわかります。
フィンテックのクラーナと保険スタートアップのポリシージーニアスのレイオフデータを見ると、データサイエンティスト、データエンジニア、データアナリストの役割がジュニアとシニアの両方のレベルで影響を受けていることがわかります。両社で、その役割はレイオフの約4%を占めています。
ハイテククーリーたちが自らの仕事をコードで消し去っている
では、これらの混在した信号をどう解釈すればよいのでしょうか？データサイエンス関連の業務に対する需要は依然として強いようですが、給与は下がっており、これらの役割も解雇の影響を受けています。それぞれの信号には独自の背景と意味があります。それらを解明し、求職者と雇用主にとっての交差点が何を意味するのかを見てみましょう。
Diceの最高マーケティング責任者ミシェル・マリアンがIEEE Spectrumに語ったように、機械学習とAIの給与の減少に寄与しているさまざまな要因があり、その中で重要な考慮事項の一つは、より多くの技術者がこれらのスキルセットを学び、習得していることです。
「時間の経過とともに才能のプールが増加することで、スキルセットが見つけやすくなるため、雇用主は少なくともわずかに支払う必要がなくなる可能性があります。私たちは、さまざまな認証や他の高度に専門的な技術スキルでこれが発生するのを見てきました」とマリアンは述べました。
それは合理的な結論のようです。しかし、データサイエンスや機械学習においては、他にも何かが関与している可能性があります。データサイエンティストや機械学習の専門家は、お互いに競争しているだけでなく、自動化ともますます競争しています。香港を拠点とする定量ポートフォリオマネージャーのピーター・ユエンが指摘するように、クオンツはこれを以前にも見たことがあります。
トップAI研究者が100万ドルの給与を得ているというニュースを受けて、ユエンはこれを「熟練労働者の過剰供給という背景の中で、高度な技術を持つクーリーたちが自らの仕事をコードで奪っているという長期的な傾向の継続としてより正確に解釈されるべきだ」と書いています。
ユエンは、金融市場の自動化における3世代のクオンツの経験から言うと、さまざまな業界での一般的なAI実践者の自動化は、おそらくあと10年ほどのところにあると書いています。その後、彼は、少数のエリートAI実践者が管理職または所有権の地位に到達し、残りは自分たちの創造物を監視し維持する仕事に従事する平均的な給与の職に留まることになると付け加えています。
私たちはすでにこのサイクルの初期段階にいるかもしれません。これは、AutoMLや市販の機械学習モデルのライブラリなどの進展によって示されています。歴史が何かを示すものであれば、ユエンが説明することもおそらく実現し、失業した労働者がどのように「ステップアップ」できるかについての疑問につながることは避けられません。
AIバブルの崩壊
しかし、データサイエンスの役割は、近い将来それについてあまり心配する必要はないと考えても安全でしょう。結局のところ、データサイエンスプロジェクトに関するもう一つのよく引用される事実は、約80％がさまざまな理由で依然として失敗するということです。データサイエンスの失敗の最も公に知られたケースの一つは、ジローでした。
Zillowのビジネスは、住宅購入サービスのために正確な予測モデルを構築するためにデータサイエンスチームに大きく依存するようになりました。しかし、実際にはそのモデルはそれほど正確ではありませんでした。その結果、会社の株価は5日間で30%以上下落し、CEOはデータサイエンスチームに多くの責任を押し付け、25%のスタッフが解雇されました。
Zillowのデータサイエンスチームが責任があるかどうかは議論の余地があります。最近のレイオフについては、データサイエンスチームの失敗というよりも、経済の大きな変化の一部として捉えられるべきでしょう。データサイエンスセントラルのコミュニティエディターであるカート・ケイグルが書いているように、AIの冬が迫っているという話があり、1970年代にAI事業への資金提供が完全に枯渇した時期を思い起こさせます。
ケイグは、AIの冬は起こりにくいと考えているが、過剰なベンチャーキャピタル分野の冷却が予想されるAIの秋は期待できると述べている。1970年代のAIの冬は、技術がその任務に達していなかったことと、十分なデジタルデータがなかったことが主な原因であった。
ドットコムバブル時代は、今日のデータサイエンスの役割にいくつかの教訓をもたらすかもしれません。
今日では、はるかに大きな計算能力が利用可能であり、データの量も急増しています。ケイグルは、問題は現在使用されているニューラルネットワークアーキテクチャの限界に近づいている可能性があると主張しています。ケイグルは、優れた頭脳が単に確立された思考を適用するのではなく、実際に休息し革新することができる期間が業界にとって良い影響を与えるだろうと付け加えています。
多くの人々と同様に、ケイグは「ディープラーニングはすべてを行うことができる」という考え方の欠点を指摘しています。この批判は妥当なように思え、今日見落とされているアプローチを取り入れることで、この分野の進展を促すことができるかもしれません。しかし、技術的な側面だけが重要ではないことを忘れないようにしましょう。
最近の歴史は何か洞察を提供できるかもしれません：ソフトウェア開発とインターネットの歴史は私たちに何を教えてくれるのでしょうか？今私たちがいる地点は、ドットコムバブル時代を思い起こさせる面があります：資本の増加、過剰な投機、非現実的な期待、そして天井を突き破る評価です。今日、私たちはAIバブルの崩壊に向かっているかもしれません。
それは、データサイエンスの役割が一夜にして魅力を失うわけではなく、彼らの行うことに価値がないということを意味するわけではありません。結局のところ、ソフトウェアエンジニアは、過去数十年にわたるソフトウェアエンジニアリングの進歩と自動化のために依然として需要があります。しかし、おそらく再調整が必要であり、期待はそれに応じて管理されるべきです。