AI・データ分析プロジェクトでは、次の表に示すようにプロジェクトのフェーズごとにさまざまな罠が待ち構えています。

これは2020年12月に発売された『AI・データ分析プロジェクトのすべて』に掲載されている表です。AI・データ分析プロジェクトには、ここに掲載できなかった罠がまだまだ存在します。本誌に掲載できなかった罠の一例と、本書で紹介するビジネススキルの使いどころを紹介します。

個人がデータサイエンティストとして就職するときの罠

初心者でも1ヶ月でデータサイエンティストになれる、という甘い言葉に誘われ数十万円を支払い、プログラミングスクールに入学したが卒業しても仕事に就けなかった。

未経験者が1ヶ月ですぐにデータサイエンティストになれるわけではありません。怪しげなプログラミングスクールへの入学は避けましょう。まずは自身が必要とするスキルセットや業界構造を把握し、着実なキャリアアップを目指しましょう。本書では、各種勉強会やセミナーへの参加を起点に勉強会でのライトニングトーク、ブログ等での情報発信などがポイントになることについてもふれています。

発注元としてAIベンダを選定するときの罠

AIプロジェクトに関するノウハウがないため、AIベンダに案件の見積もりを丸投げしたところ、数千万〜数億と同じ期間でもまったく異なる提案書が出てきた。安いところに発注したが、何度も手戻りが発生し、結局スケジュールの遅延と当初の予算を倍以上超える結果となった。

AIベンダの規模感に合わせ、単価が相場かどうかをチェックし、必ず相見積もりを数社とりましょう。また外部のアドバイザーを自社に迎えることでAIベンダの提示するスケジュールやアプローチが妥当なものかを判断できます。本書で、AIプロジェクトが従来のシステム開発とは異なることを把握し、全体スケジュールを押さえ「想定外」の事象を減らすことで、プロジェクトの円滑な推進を目指してください。

AIベンダが受託分析をするときの罠

「個人情報はマスク（匿名化）した上でデータを送ります」とクライアントからデータを受領したものの、他の業務が忙しくしばらく放置。数日後にいざデータ分析を始めると、氏名などの個人情報がそのまま含まれたいた（情報漏洩リスク）。

データを受け取ったらすぐに内容を確認することで、発注側・受注側双方の情報漏洩リスクは下がります。また必要に応じて先方のオフィスに赴き、個人情報データをマスクしたり、分析できる状態にデータ加工するなども必要です。これらの前処理工数をあらかじめ見積もることで、プロジェクトの途中に予算切れを回避できます。

データサイエンティストとしてデータ基盤を構築するときの罠

分析やモデルのチューニングが得意なデータサイエンティストが、24時間365日稼働を求められるシステム開発にアサインされ、スキルのミスマッチからパフォーマンスが上がらず会社を辞めてしまった。

データエンジニアやシステム実装経験のあるデータサイエンティストをプロジェクトにアサインすることでシステム開発の品質を担保してください。また、どうしても苦手な開発をすることになった場合は、外部のアドバイザーを入れるか、サービスの保守レベルに幅を持たせるように調整してください（社内向けのレポートシステムを作る場合などであれば、翌営業日対応を許容してもらうなど⁠）⁠。原則24時間稼働が求められるような外部向けのサービス開発は受けない方が良いでしょう。

いかがでしたでしょうか？ 本書は、百戦錬磨の著者陣が、これらの罠を回避するためのヒントを紹介しています。AI・データ分析プロジェクトに関わる方は必読です。