結局この手のツールを使いこなすスキルも必要になってくるので、それを誰がやるかによって変わってくるのではないでしょうか？

会社によってはデータサイエンティスト的な人がこの手のツールを導入＆運用までカバーする場合、終了しないと思います。

貴方のおっしゃるとおり一般的にビジネス側はデータサイエンティストより分析能力に劣るためデータサイエンティスト側が自分でツールを使ったほうが効率的なことも多いんじゃないでしょうか？

それとも分析結果の妥当性の評価も行わずにAIの言う事を全て信じるのですか？

直感的には、データサイエンティストだからビジネスをやらない、ビジネス側だから統計やMLを学ばない、というような姿勢の人が淘汰されていくんじゃないですかね…

結局この手のツールが出てきたところで分析をやる時間が惜しくて人に渡す結果、データサイエンティストが使ってビジネス側はビジネス側で今まで通りの業務をやってる未来しか見えないという

どんな分析・モデリングをするか？

評価性能指標をどう設定するか？

ドメイン知識を踏まえてどんなデータを利用すべきか？

分析結果をどう解釈するか？特に統計的に間違った判断をしていないか？

あたりをカバーするデータサイエンティストはずっと必要だと思いますー

単純な集計やライブラリ使ったモデリングだけやる人たちはいらなくなるかもですね

コード生成の支援ツールがあってもプログラマの仕事ぜんぜん無くならないので、この程度だとまだまだ仕事あるなーって感じです。

何か新しいものが出てきても、その前からある存在が直ぐに終わった試しがない。NoSQLやHadoopが出てきてもRDBは終わってないし、Javaが出てきてもCOBOLは終わってない。ノーコードツールが出てきてもプログラマは終わってないし、クラウドで自動化が進んでも、インフラエンジニアは終わってない。

メディアに踊らされたり、実態を理解してないインフルエンサーとやらの虚言に踊らされるのは滑稽ですよ。真っ当にこの業界で仕事してれば、データサイエンティストがオワコンと言われても、またか、と感じるだけのいつもの事にすぎません

どんなツールが登場しても施策実行者以外の人間が分析した方がいいと考えているので、呼称の変遷はあれど分析屋的なポジションは無くならないかな、と楽観視しています。統計修士です、みたいなステークホルダー出てきたらお手上げですが……。

現状exploratory？ってツールなどでも簡単に機械学習や基礎的な分析手法は網羅できていたはずですし、最終的にはどう解釈するかとなってくるのでブラックボックスのままにしない専門的な知識を持っている人間は必要だと思います。

個人的にはスーパーつよつよAIが世界一だるいデータの前処理を完璧に行ってくれるのであれば大歓迎です。感涙に咽び泣きます。

数字だけでやれる事は限られており、何らかの手掛かりを境界条件として用いる必要が有る

その手掛かりは役に立たないだろうと思い込んでなかなか出て来ない事が多々有る

そこを引き出し、数字に落とし込む事までは幾らLLMが発達しても今しばらくは難しい

当たり前と思って表になかなか出て来ないという事は学習データにもなりにくいし

又、何を以て良い解析結果とするかといった評価指標の決め方も、その時々で異なる

例えば、車の自動ブレーキと工場の不良品検出とでは、良いとされる判断基準が大きく異なる

これまたLLMで全自動で判断させるのも今しばらくは難しい

その意味では、誰かがそれらのロジックをLLMに教え込ませる迄は、ロジックを理解して使いこなすといったデータサイエンティストのスキルは必要になるのでは