AI時代のデータ人材育成 従来型のキャリアフレームワークの限界:Gartner Insights Pickup(473)
AIの進化に伴い、D&A人材に求められるスキルや役割も大きく変化している。従来の専門分野に特化した固定的なキャリアパスでは、こうした変化に対応することは難しい。AIネイティブな未来において、組織が競争力を維持するには、従業員の俊敏性や適応力を高め、継続的な成長を支えるキャリアモデルへの転換が不可欠である。本稿では、その実現に向けた3つのキャリアフレームワークを紹介する。
AI(人工知能)は、データ/アナリティクス(D&A)業務をかつてないスピードで変革している。AIが日常のワークフローに組み込まれ、対話型インタフェースによって高度な分析がより身近になるにつれ、従来のキャリアモデルは見直しを迫られている。
単一の専門分野に特化した硬直的なキャリアパスは、急速に変化するスキル要件にもはや対応できず、組織における人材のレジリエンスや長期的なビジネスの成功を脅かす弱点となっている。
最高データ/アナリティクス責任者(CDAO)にとって、現状を維持することは現実的な選択肢ではない。AIがもたらすディスラプション(創造的破壊)はスキルの陳腐化を加速させる一方で、技術やビジネス、ガバナンスの各領域を横断して活躍できる、多分野に精通した人材の需要を高めている。
こうした変化に適応しない組織は、重要な人材の流出、スキルギャップの拡大、専門人材の採用・定着にかかるコストの増大に直面する恐れがある。Gartnerは、2030年までに企業の半数が、生成AIの精度低下やスキルの劣化、競争力のない給与水準が原因で、少なくとも2つの重要な職務において、取り返しのつかない人材不足に陥ると予測している。
AIネイティブな未来で成功を収めるには、組織は固定的な職務定義から脱却し、俊敏性や流動性、継続的な学習を中心としたキャリアモデルを取り入れる必要がある。その目標は、従業員に単に新しいスキルを習得させることではなく、AIが人の役割、責任、ビジネスの優先事項を変える中で、絶えず進化し続けられる人材を育成することにある。
以下では、そのための実践的なアプローチを提供する柔軟なキャリアフレームワークとして、ラティス(格子)型キャリアパス、アダプティブ(適応型)キャリアロジック、ダイナミックキャリアマッピングを紹介する。
ラティス型キャリアパス:単線的な昇進を超えた流動性の拡大
ラティス型キャリアモデルは従来の単線的な昇進ルートを、従業員が役割間を水平、垂直、斜めに移動できる多方向のアプローチに置き換えるものだ。従業員は、単一の専門分野で専門性を高めるのではなく、多様な経験を積むことで複合的な能力を強化し、自身のキャリアの成長を組織のニーズや個人の志向とより適切に整合させられる。
D&Aリーダーにとって、ラティス型キャリアパスの価値は従業員の育成にとどまらない。成長のための複数の道筋を提供することは、より強靭(きょうじん)な人材プールの構築や、予算が厳しい時期における定着率の上昇、キャリア満足度の向上につながる。
従業員は、もはや昇進と新たな分野への挑戦のどちらかを選ぶ必要はない。より幅広い経験のポートフォリオを築きながら、その両方を同時に追求できる。
組織はまず、D&Aの少数の職務でラティスマッピングを試験的に導入し、水平、垂直、斜め方向の異動の可能性と、それぞれの異動に必要なスキルを特定することから始めるとよい。人事部門、研修・能力開発チーム、ビジネスリーダーと連携することで、変化する人材需要に対するこのフレームワークの妥当性、実用性、即応性を維持できる。
アダプティブキャリアロジック:スペシャリストとゼネラリストの成長のバランス
高度な技術専門家を目指す従業員がいる一方で、より幅広いビジネス経験を積むことに意欲を感じる従業員もいる。アダプティブキャリアロジックは、キャリアを「集中型」と「横断型」という2つの類型に整理することで、この両方の志向を尊重するものだ。
集中型キャリアではAI、アーキテクチャ、エンジニアリング、データガバナンスといった分野における専門性が重視される。これに対し、横断型キャリアではより幅広いビジネス、製品、リーダーシップに関する能力を培うために、部門を越えた異動が奨励される。
このアプローチではどちらのキャリアでも、あらかじめ定義された職種名よりも、長期的な能力開発に議論の焦点が当てられる。例えば、データエンジニアは技術的な熟練度を高める集中型のキャリアパスを追求し、別の従業員は横断型のキャリアパスを通じて、プロダクトマネジメントや戦略、ゼネラルマネジメントへと進むかもしれない。どちらのルートも価値を生み出すが、その方法は異なる。
アダプティブキャリアロジックを導入するには、CDAOは「組織内におけるスペシャリストとゼネラリストのキャリア成長が何を意味するか」を定義し、現在の職務をこれらのパスにマッピングし、「職務がどのように変わる可能性があるか」を示す明確な視覚的ガイドを作成する必要がある。
これらの選択肢をキャリア面談や業績目標の設定に組み込むことで、従業員が十分な情報に基づいた意思決定ができるよう支援するとともに、変化するビジネスの優先事項との人材の整合性を保つことができる。
ダイナミックキャリアマッピング:まだ存在しない役割への準備
AIが全く新しい仕事のカテゴリーを生み出し続ける中、組織は不確実性に対応できるキャリアフレームワークを必要としている。ダイナミックキャリアマッピングは硬直的なキャリア構造を、高度にカスタマイズ可能なキャリアパスに置き換えることでこの課題に対処し、従業員が将来の機会につながる複数のルートを模索できるよう支援する。
ダイナミックマッピングは従来のキャリアプランニングとは異なり、従業員が水平方向と垂直方向の経験を組み合わせ、より幅広いスキルポートフォリオを構築することを奨励する。このアプローチは、AIの導入によって生まれる新たな役割(現時点では正式には存在していない職種を含む)に特に有効だ。
その一例として「ディシジョンスチュワード」が挙げられる。その役割は、AIが生成する意思決定を検証、監督し、自動化されたワークフローにおける信頼性、説明責任、安全性を確保することだ。
ダイナミックキャリアマッピングの導入に当たっては、従業員やマネジャー、人事チーム、メンターが協力して取り組む必要がある。これらの関係者の連携により、今後求められる役割を特定し、役割の移行を計画し、能力のギャップを評価し、長期的な成長を支える能力開発計画を策定できるようになる。AIがD&A環境を再構築し続ける中、定期的な見直しをすることでビジネスニーズとのキャリアパスの整合性を確保できる。
出典:Building an AI-Adaptive D&A Workforce Requires More Than New Skills(Gartner)
※この記事は、2026年9月に執筆されたものです。
Copyright © ITmedia, Inc. All Rights Reserved.