国内初認定！NTTデータが語る、DataRobot 生成AIコンサルタントの未来

国内初、DataRobot 生成AIコンサルタント認定*を取得したNTTデータの中小路氏と趙氏。生成AIの最前線で活躍するお二人に、DataRobot長野が迫ります。認定取得の背景や、生成AIがビジネスにもたらす変革、そして今後の展望とは？

——

DataRobot 生成AIコンサルタント認定
DataRobotの生成AI機能を活用し、生成AIプロジェクトを成功に導くためのコンサルタント認定です。生成AI機能を深く理解し、LLMプロジェクトの企画・設計・実行・評価、生成AIテーマの創出からモデルデプロイまで、プロジェクト全体を支援できるスキルが求められます。

——

長野：皆様、こんにちは。DataRobotデータサイエンティストの長野と申します。DataRobotにて製造業を中心に担当し、AI・データ利活用を推進しています。また、日本におけるDataRobotの生成AIプロダクトの活用促進もリードしています。

中小路：私は、DataRobotパートナー認定データサイエンティストとして金融、小売、官公庁のお客様を担当しており、最近は生成AIにも注力しております。最近では生成AIを用いて、お客様のビジネス課題を解決する為のご支援をメインに担当しています。

趙：私は、DataRobotパートナー認定AIサクセスマネージャー*として、DataRobotをはじめとするAIソリューションの導入・定着支援を通じて、お客様のビジネス価値向上に貢献しております。

長野：お二人がデータサイエンティストとAIサクセスマネージャーという異なるバックグラウンドからDataRobotの国内パートナー認定と初となるDataRobot生成AIコンサルタント認定を取得されたという点が非常に興味深いです。本日は、お二人のこれまでのご経験や、認定取得の経緯、そして生成AIに対する想いなど、様々なお話を伺いたいと思います。

——

AIサクセスマネージャー：
AIサクセスマネージャーは、顧客の様々な課題を解決に導くとともに戦略的なAI推進の実行を強力に支援し、ビジネス価値を創出するためにAIプロジェクトを成功させる活動を担うDataRobotパートナー認定です。

——

— 認定取得のきっかけとDataRobot の生成AI機能の魅力を教えて下さい。

中小路：半年前にDataRobot 生成AIコンサルタント認定の取得を決意しました。当時の私はRAG（Retrieval-Augmented Generation)の概要は知っており、実際のユースケースで検討や検証した経験はほとんどなかったです。DataRobotの認定プログラムでは、実際のユースケースを想定して、実際にビジネスで業務適用できる状態になって初めて認定される為、技術研鑽のみならず、今後の実ビジネスにおけるお客様のご支援を考える上では非常に有用なプログラムと考えておりました。 また、認定取得を通してお客様と一緒に生成AIプロジェクトの検討を進める中で、DataRobotの生成AI機能がいかに使いやすく、RAGの構築負荷を軽減できるかを実感しました。私のようなデータサイエンティストだけではなく、非データサイエンティストでも手軽に始められる点も大きなメリットであると感じました。

趙：生成AIの市場ニーズの高まりを受け、いち早くDataRobotの生成AI機能を習得したいと考え、生成AIコンサルタント認定の取得を決意しました。当初は高度な技術スキルが必要だと想定していましたが、実際にDataRobotの生成AI機能に触れてみると、直感的なUIでRAG構築が驚くほど簡単にできました。この手軽さにより、本来であれば多くの時間を要するRAG構築の時間を大幅に短縮でき、RAGのパフォーマンスの最適化等の本質的な課題に集中できたことで、開発時間を大幅に短縮できました。DataRobotの生成AIプラットフォームは、生成AIの市場ニーズに応えるだけでなく、技術者でなくとも容易にRAGプロジェクトを進められる、非常に強力なツールだと実感しました。 長野：お二人とも、生成AIコンサルタント認定を通して実践的に生成AIプロジェクトの進め方やDataRobotの生成AI機能を習得していただき大変うれしいです。

— 認定取得の感想や魅力を教えてください。

中小路：一般的な生成AIツールを活用することではある程度の精度まで出せますが、本番導入を考えると難しいと考えております。DataRobotの生成AI機能は手軽に始められるだけでなく、精度の良いRAGの構築が実現できる点を評価しています。しかし、RAG構築は、ツールだけではなく、コンサルタントとしてのデータサイエンス力や課題解決能力が重要だと思います。特に、文章の要約や考察など、文章理解に関するタスクの難しさなどが挙げられます。認定では、このような試行錯誤を促す内容になっていた点が良かったと思います。

長野：中小路さんがおっしゃる通り、お客様は必ずしも要件を明確に伝えられない場合があるため、コンサルタントがその意図を汲み取り、適切な解決策を提案できることが重要ですよね。

趙：DataRobotの機能自体が手軽に使える一方で、パフォーマンス向上のための試行錯誤に苦労しました。具体的には、以下の3点が挙げられます。

1. お客様視点でのユースケース設定：お客様の真のニーズを理解し、最適なユースケースを設定することの難しさ。
2. 非熟練者向けのアプローチ：製造現場の非熟練者がAIにどのような質問をするかを想定し、適切なガイダンスを提供することの難しさ。 過去の製造現場での経験を活かし、質問と回答を具体的に考えることで、この課題に取り組みました。
3. 追加質問への対応：認定試験では実際に業務ユーザーから聞かれるであろうランダムな想定質問に対して生成AIで回答を出すという課題があるのですが、その際に求められる作業として、プロンプト調整やデータベースの操作、データ加工などによる、適切な回答を導き出すことの難しさがありました。

ただ、これらの苦労を通じて、新たな視点や知識を得ることができたと思っています。

長野：中小路さん、趙さんのご回答に共通して言える事としまして、お客様は必ずしも要件を明確に伝えられない場合があるため、コンサルタントがその意図を汲み取り、適切な解決策を提案できることが重要になりますよね。コンサルタント認定試験では、難易度の高い複雑なユーザーの質問に答えられるように事前に準備することが課題として求められるため、今回、中小路さん、趙さんの経験が実際の業務に活かされることを心から期待しております。

—認定試験時の課題に対する苦労や費やした時間の配分を教えてください。

中小路：認定試験の準備において、ユースケースの検討とQ&Aの精査に時間を費やした一方で、実際の認定試験では、より高度な課題解決能力が求められたと思います。DataRobotと最新のLLMを使えば、ある程度の精度のRAGは簡単に作れます。しかし、世の中のユースケースはもっと複雑で、高度なデータサイエンス力が必要になる場合も多いです。特に、文章全体を考察させるような質問への対応に苦労しました。RAGは検索と回答を組み合わせた技術なので、文章全体を俯瞰して要約したり、解釈したりするのは苦手です。

例えば、『この文書に載っているプロ野球選手の投手力をまとめて』といった質問は、人間にとっては自然でも、AIにとっては難しい課題です。このような質問に対して、試行錯誤を重ねました。RAGの仕組み上、検索してから回答するため、文章全体を把握することが難しい点や、「投手力」といった抽象的な言葉の解釈が人によって異なる点などが課題として挙げられます。

DataRobotの基本的な機能だけでは解決できない、データサイエンス的なアプローチが必要な課題でした。しかし、DataRobotは中間処理の内容を確認できるなど、細かい部分まで作り込まれているため、検討しやすかったです。

趙：最初のユースケースを考える段階で苦労しました。認定試験では、答えにくい質問への対応が求められるため、チャンクの変更やプロンプトの修正など、試行錯誤を重ねました。さらに、元データのデータソースを変更する作業にも時間を費やしました。Pythonを用いて修正を行いましたが、この過程で新たな視点を得ることができました。

長野：趙さんは、どのように課題を突破したのでしょうか？

趙：RAGの精度に問題があるのかを分析し、RAGの精度改善方法を調べました。質問がAIに理解できないのか、関連情報が検索できないのかを特定することが重要でした。今回は、情報抽出がうまくいかない点が課題でした。

— 認定を取得した事により業務に活かせている事

中小路：認定の取得を通してRAGを活用したPoC計画全体の最適化、ボトルネックの特定、顧客との期待値調整など、プロジェクト全体を俯瞰的に見られるようになりました。DataRobotの生成AI機能でRAGを構築するだけでなく、その前後のプロセスも含めて、どこで問題が発生しているのかを一元的に把握できるようになりました。これにより、お客様とのコミュニケーションも円滑に進められるようになり、プロジェクト全体が効率化しました。さらに、認定の取得を通して得られた知見は、具体的な方法論として他の業務にも活かされていると思います。

RAGの実現にはデータサイエンティストの知見が重要であることを改めて認識しました。データサイエンティストなしでRAGに取り組むお客様に対して、難しい課題が発生した場合の解決の難しさなどを説明できるようになったのは、大きな収穫です。

また、LLMの選定に関する知見も深まりました。何でもかんでも性能の高いLLMを使えば良いというわけではないことを学びました。精度が高くても処理速度が遅いLLMもあるため、ケースケースによっては精度が多少劣っても処理速度の高いLLMを選ぶ方が良いこともあります。また、今後は国産LLMなども広く展開されていく事が想定されますので、精度や処理速度以外の観点で選定されるLLMも増えていく可能性があります。DataRobotは様々なLLMに対応できるため、最適なLLMを選定できるようになったことは、大きな強みです。DataRobot 生成AIコンサルタント認定取得を通じて、RAGプロジェクト全体の効率化、顧客コミュニケーションの円滑化、LLM選定の最適化など、多岐にわたる業務改善を実現していきたいと思っています。

趙：認定取得を通じて得た知識と経験を活かし、データ加工、データベース作成、回答制御、RAG構築など、お客様の課題を多角的に捉えられるようになりました。NTTデータは、ツールだけでなく、それを活用して実問題を解決するためのノウハウを提供することが重要だと考えています。今回の認定取得で得た知見を活かし、お客様のビジネス推進に貢献していきたいです。

長野：お二人の言葉からは、DataRobot 生成AIコンサルタント認定が、単なる技術的なスキルアップだけでなく、顧客とのコミュニケーションやプロジェクトマネジメントなど、幅広い業務領域で活かされていることが伺えますね。

— 生成AIと機械学習、技術的な違いと導入の容易さはいかがですか？

趙：生成AIと機械学習の技術的な違いでみると、生成AIの方が始めやすいと思います。機械学習はデータ収集からモデル構築まで、特に製造業では大変な作業が多いです。一方、テキストデータが中心の生成AIの場合は、データ収集の観点から見ても始めやすいと感じます。さらに、運用面でも生成AIの優位性がある様に思えます。通常の機械学習モデルの実装は、エッジデバイスへのデプロイなど、複雑な作業が必要になる場合があります。しかし、生成AIはチャットボットのような使いやすいUIでアドオンできるユースケースが多いため、実装が容易です。

中小路：生成AIのユースケースの方が始めやすいという意見に同意します。生成AIは今後さらに拡大し、画像検索などのユースケースも増えていくと思われるため、今後のDataRobotの可能性に期待しています。

長野：機械学習と比べて生成AIのテーマ策定とプロジェクト推進の難しさがあると思います。生成AIの導入において、テーマ策定やプロジェクト推進の難しさはよく耳にする課題ですが、この点はいかがでしょうか？

中小路：ビジネスインパクトをどのように評価するかが重要だと思います。従来の手法と比較して、どれだけの時間短縮やコスト削減につながるのかを具体的に試算することが求められます。

趙：ROI算出の難しさに同意しつつ、生成AIの強みは、一つのデータから複数のユースケースに展開できる点にあります。まずはテーマを幅広く出し、様々な可能性を探ることが重要ですよね。

— これからコンサルタント認定を目指す方へのメッセージ

中小路：これから認定を目指す方に向けては、以下の２点を意識してほしいです。

1. RAGの必要性と機械学習との違い：RAG（Retrieval-Augmented Generation）は、検索とLLMを組み合わせたアーキテクチャであり、今後も無くなることはないでしょう。LLMが進化しても、大量の文書を処理する際の性能やコストの問題から、検索機能は不可欠です。RAGの重要性を理解し、その技術を習得することは、今後のAI活用において非常に重要になると考えています。
2. 生成AI分野でのキャリア形成：機械学習は歴史が古く、今からトップランナーになるのは難しいかもしれません。しかし、生成AIはまだ始まったばかりの分野です。今からでも十分にエキスパートになれる可能性があります。DataRobotは進化の早い製品であり、生成AIの進化とともに成長していくでしょう。今のうちに認定を取得し、キャッチアップすることで、生成AI分野で上位を走るキャリアを築けるチャンスがあります。ぜひ挑戦してみてください。

長野：LLMだけではデバッグが難しいケースがあるため、RAGが必要不可欠ですよね。予測AIと比べて生成AIの方が比較的キャッチアップがしやすい点は同意です。

趙：データサイエンスや機械学習の知識がなくても、生成AIコンサルタント認定に挑戦してみることが重要だなと思います。生成AIやRAGに興味がある方は、ぜひこの認定を通じて実際に生成AIプロジェクトを体験して欲しいです。思い通りにならない生成AIのランダム性と向き合うことで、新たな視点が生まれ、今後の提案活動に役立つはずだと思います。

長野：是非、パートナーの皆様は、データサイエンティストだけでなくAIサクセスマネージャーといった様々なバックラウンドの方々にも生成AIコンサルタント認定に積極的にチャレンジして欲しいと思い、認定活動を推進しております。

— DataRobot 生成AIへの期待をお聞かせください

中小路：DataRobotのプラットフォームの利便性を高く評価しています。ユーザーにとってはRAGの根本的な機能構築は実際作るのは難しいし、構築出来るとしても手間だと思います。 そういった部分はDataRobotの基本的な機能がほとんど全部やってくれます。 つまり、データサイエンティストにとって、 構築以外のデータサイエンスとして考えるべき部分に集中出来るのがありがたいです。難しい課題を解決する際には、細かい部分まで確認する必要があります。DataRobotはチャンクの確認やチューニングの可視化が容易で、非常に助かっています。また、精度が高いLLMを使えば良いという単純な問題ではないことも学びました。有名なLLMの中には、精度が高い一方で速度が悪いものもあるため、LLMの選択肢があるDataRobotは魅力的です。今後は国産LLMなどへの対応も期待しています。

趙：DataRobotの今後の機能拡張に期待を寄せています。例えばマルチモーダル対応など、様々な機能が追加されることで、より幅広い提案が可能になると思います。DataRobotの進化とともに、私たちも成長し、お客様にさらなる価値を提供していきたいです。

長野：お二人とも、DataRobotの生成AI機能の今後の発展に大きな期待を寄せていることが伺えました。生成AI分野は非常に技術の進歩が早い領域です。生成AIコンサルタント認定も技術の進歩に対応し、RAGの構築やデプロイに加えてLLMOpsやガードレールの構築も踏まえた形で今後はアップデートしていく予定です。

ーーー

NTTデータ 中小路 公通(Masamichi Nakakoji)

顧客の業務変革、課題解決志向でデータサイエンス案件を牽引するデータサイエンティスト。 新しい価値創出を狙うがゆえに特に序盤～中盤が不明瞭な進み方になりがちな分析コンサルプロジェクトを データサイエンス力とプロジェクトマネジメント力を活かし、PJ全体像と各ステップを継続的かつ丁寧に顧客と目線合わせしながらドライブ。 金融、小売、官公庁等幅広い顧客のデータ活用支援案件に従事。直近では、生成AIを活用した顧客導入支援を推進している。

NTTデータ 趙 博（ZHAO BO）  AI Success Manager

AIによるお客様の価値創出を加速するため、AIの民主化を実現できるソリューションやサービスの導入と定着、拡大に注力している。生成AI領域におけるユースケース創出にも携わっている。前職では製造業向けのAIコンサルティングに従事。