0

「Connected Industries

推進のための協調領域データ共有・AI システム開発促進事業/AI Quest

(課題解決型AI人材育成事業) に関する調査事業」

1

課題解決型AI人材育成に係る、「拡大生産性」のある教育手法を明らかにする事業の背景及び目的と本調査のゴール

本調査のゴール

受講生の変容 「拡大生産性」のある教育プログラムの手法が明らかになっている

事業背景及び目的（公募要領より転記）

「Connected Industries 推進のための協調領域データ共有・AI システム開発促進事業」では、データ共有等の協調領域の最大化と、最先端の AI 技術を用いたデータ利活用の拡大により、AI・データエコシステムを創出し、Connected Industries 施策を加速させることを目的としています。こうしたエコシステムの形成には、持続的な経済成長と社会課題解決のための AI・データの活用・発展が不可欠になります。

AI 技術等の活用・発展のためには人材育成が重要ですが、我が国の労働人口（特に若年人口は減少が見込まれており、国内の人材供給力の低下により、今後、人材の獲得は現在以上に難しくなると考えられ、AI 技術を用いることのできる先端 IT 人材は、2020 年には不足数が 4.8 万人まで拡大すると言われています。

そのような状況において、政府では AI 人材の育成確保に向けた様々な取り組みを進めており、また、近年では産学連携のプログミング講座等も増加しているが、いわゆるProject-Based Learningの場が十分に整備されているとは言えず、また、1度のプログラムにおいて育成が可能な人数も少ないのが現状です。現在行われている AI 人材の育成プログラムは、その多くのプログラムにおいて講師が教える形式をとっているが、プログラム数を増やそうとしても講師の確保も難しく、また、講師の育成も AI 教育自体が体系化できるほど成熟していない等の要因から進んでいないと言えます。

他方、フランスのプログラミングスクール「42」をはじめ、海外では PBL を通じた人材育成による「拡大生産性のある教育手法」が奏功している事例も多く、本調査では、我が国における、実践的な学習形式を通じた AI 技術等を活用する人材の育成について検討を行います。

2

本事業における取組みの全体像

教材作成 PBL手法及び運営メソッド

オンライン環境整備

NEDO

国立研究開発法人新エネルギー・産業技術総合開発機構

9月30日～2月15日課題解決型AI人材育成に向けたPBLプログラムの実施

受講生は幅広い層を対象

高等専門学校 大学研究室 Eラーニング/独学 民間AIスクール 社会人

受入れ

連携 連携

有識者の方からの評価・ご意見

3

今年度

実施したこと

4

両サイドのTranslationが出来る能力を持った人材育成を、エンジニアサイドにビジネスを教えることを通じて検証今年度の取り組みにおける育成方針

エンジニアサイド• データサイエンティスト• AIエンジニア 等

ビジネスサイド• セールス/マーケティング• ビジネスデベロップメント 等

CEO,CTO

ビジネスマネージャー

今年度のAI Questでの取り組み

Translate

5

受講生は、基礎的なAIスキルがあることを前提に、学生と社会人が半数ずつの204名受講生の構成

18%

53%

30%

4%

複雑なコードを

書いたことがある

知識・経験無し

(他言語は経験有)

簡単なコードを

書いたことがある

知識・経験無し

204

36%

23%

31%基本を理解している

(業務・コンペ)

深く理解している

基本を理解している

(教科書・自習)

教科書のコードを

書いたことがある

204

知識・経験なし

1%

8%

スキルの前提

Python経験 AI・機械学習への理解度

基礎的なAIスキルがあることを前提とし、知識・経験の無い希望者には、個別に受講意欲を確認し、コミットメントがある受講生のみ受け入れ

受講生の全体像

学生

96名(47%)

社会人108名(53%)

高専生

大学生

大学院生

5名

22名

69名

204名

学生と社会人を半数ずつ受け入れ

6

4か月間のプログラムを通じて、受講生は3~4教材に取り組み

1.5ヶ月2本コース(約190

名)

3ヶ月1本コース(約15名)

10/5(土)

開会式2/15 (土)

閉会式

年末年始

11月 12月 1月

前半PBL (1.5ヶ月)

PBL (3ヶ月)

介護企業業務効率化

タクシー会社配車

サービス拡張

PCメーカーラインナップ最適化

C2Cレンディングリスク推定

後半PBL (1.5ヶ月)

自動運転画像処理(シュミレーター)

鉄道会社オペレーション最適化

引っ越し会社業務効率化

ファッション業界

レコメンドシステム

事前アセスメント

初回PBL

(2週間)

弁当屋需要予測

2月

コース別PBL

10月

全体PBL

ビジネス課題⇒AI実装課題 AI実装課題⇒ビジネス課題

顧客ターゲティン

グ

各自取り組み 個人or自由チームor混成チームで取り組み

9

8765432

1

各自、事前アセスメント/初回課題に取り組み

その後、1.5ヶ月2本コースでは、2種類のPBLに取り組み

3ヶ月コースでは、企業とのインタラクションを行いながら、1種類のPBLに取り組み

プログラム概要

7

受講後すぐに実践に繋がる様、各業界の重要テーマを学べる教材を9本用意

小売り需要予測

鉄道会社業務最適化

タクシー会社配車予測

メーカーラインナップ最適化

引っ越し会社業務効率化

C2Cレンディングリスク推定

自動運転画像処理

ファッション業界画像処理

介護企業業務効率化

8

企業・業界・競合・社内事情に関する定性/定量情報を提供

1W検討を更に深堀するための定性/定量情報を提供

これまでの検討を踏まえて、役員向けの報告資料作成を指示

先のビジネス課題解決に必要なデータセットと分析の条件を提供

構成

1WAI実装課題

(3W)ビジネス課題

(1W)1Wビジネス課題(２W)

ストーリー設定

提供教材

提出物

全体をストーリー仕立てで提供、現場担当者として状況を追体験

ワークシートの観点に沿って検討し、ワークシートを提出

ワークシートの観点に沿って検討し、ワークシートを提出

• 役員向け説明資料(形式自由)

• 取り組み内容・分析結果説明資料

• AIモデルソースコード• AIモデル出力結果

役員向けの説明資料を提出AIモデル構築結果を提出

+

データセット

必要な情報の提供/ワークシート形式での課題提出により、ビジネス現場における思考プロセスを学ぶ

現場担当者としてストーリーに基づいてビジネス検討から解決に必要なAI実装までを追体験、ビジネス課題は、ワークシート形式で思考プロセスを学ぶことを意識1.5ヶ月コース PBLの教材構成

9

教材のサンプル（PBL_02 C2Cレンディングリスク推定より抜粋）

ビジネス課題

AI

実装課題

ストーリー 参考情報 ワークシート

課題文 作業条件

10

全体を通じて「事業拡大」の題目に基づいた自由検討、オープンデータでのAI実装と実データに基づくPoC作成をAI課題として検討し、最終提案3ヶ月コースの教材構成

提供教材

提出物

ビジネス課題(２W) AI実装課題(6W)

2W 2W 3W 3W

ビジネス課題２W

• 事業拡大に向けたアプローチ方針検討資料

• 企業への質問事項

• 事業拡大に向けた施策ブレスト・深堀結果

• 企業に向けての提案資料

• AIモデルソースコード• AIモデル出力結果• AIソリューションPoC素案

• AIソリューション計画説明資料

• 企業への最終報告資料

課題テーマ「事業拡大」と、最小限の参考情報/検討の観点を提供• インフック会社概要、介護業界の概要 等

市場・業界動向などから効率的なアプローチを検討し・仮説構築

方向性に対して、事業拡大のアイディアの幅出し・深堀り

+

データセット+

インフィックデータのカラム情報

企業宛提案書を提出企業担当者レビューを踏まえ確定内容の深堀り検討結果を提出

自由検討でPoC案の内容を提出AIモデル構築結果を提出PoCの素案を提出

企業宛提案書を作成してくださいどのようなデータが必要か・実行までのステップ・検討事項が明確となるよう意識してください

＋

「インフィック株式会社から事業拡大に向けた施策を共に考えてほしい、という依頼をいただいています」

自主的なリサーチを踏まえ仮説構築結果を提出

作業課題と類似オープンデータのデータセットを提供

実データのカラムとPoC作成例を提供、検討は自由

これまでの検討を踏まえて、役員向けの報告資料作成を指示

11

PBLは、Phase毎に集合日程を設け、前半オフライン/後半はオンラインで実施

ビジネススキル

ビジネススキル

コンペビジネススキル

ビジネススキル

コンペ ビジネススキル

ビジネススキル

ビジネススキル

ビジネススキル

ビジネススキル

AIスキル AIスキルコンペ

AIスキル ビジネススキル

評価

評価

1.5ヶ月2本コース

3ヶ月1本コース

最終発表

最終発表

1W 2W 3W 4W 5W 6W 1W 2W 3W 4W 5W 6W

前半PBL 後半PBL

ビジネス課題

全体発表

1W 2W 3W 4W 5W 6W 7W 8W 9W 10W 11W 12W

PBL

ビジネス課題

ピアレビュー

ピアレビュー

最終発表

全体講義

全体講義

個別レビュー

中間発表

中間発表

AI実装課題 AI実装課題

中間発表

個別レビュー

全体講義

全体講義

ビジネス課題

チーム別

教材別

データ提供企業参加

オンライン

AI実装課題(モデル構築) AI実装課題(PoC計画) ビジネス課題

集合

集合

12

フォーラム/Slackで受講生同士教え合い

フォーラム上では、事務局のコーチも巡回して回答をヘルプ本当に困った場合には、事務局に連絡

フォーラム Slack

各PBL教材毎に、知識のストック・疑問があった場合の質問・回答に利用• フォーラムへの貢献が大きい受講生には、賞を付与

受講生同士(チーム含む)の連絡に活用• フォーラムでは載せられない些末な質問や、フロー的な質問はSlackで質問

13

要件を満たした受講生に対して修了証を付与、優秀チームについては表彰

以下の要件を満たした受講生には、AI Quest修了生として修了証を付与• 全ての提出物を、期限に遅延無く提出している• 必須の出席日程に参加している(事前に申し出のあった日程を除く)

以下のインプットを基に、事務局が各PBL教材別に、最優秀チームを表彰• データ提供企業の意見• 発表内容・提出物についてのビジネスコーチ/AIコーチの意見

各PBL優秀賞

コミュニティ貢献賞

フォーラムへの質問・回答等、コミュニティへの貢献度が高い個人を表彰

修了証

14

受講生には、AI Questの信念を知ってもらうべくAI Quest Credoを配布

15

今年度の

実証を通じて

見えて来たこと

16

実証を通じた示唆

効果のある教育を拡大生産的に行う手法が見えて来た

本年度見えて来た課題を解決することを前提に、効果のある教育を拡大生産的に行う手法及びキモとなる要素・改善の方向性は一定明らかになった• 受講生の同士の学び合いを中心としたライトな形でのPBL運営が可能

– 但し、コミュニティデザインの実施が必要• 効果のある教材作成の手法は得られた

– 但し、実践的なデータを受け入れるために、知財関連の整理が必要

「拡大生産性」のある教育プログラムの手法が明らかになっている

本プログラムを通じて、ビジネス/エンジニア両サイドのTranslationが出来る能力を持った人材（＝AIをビジネス/社会実装出来る人材）を育成できることが見えて来た• 但し、基礎的なAIスキルの無い初心者は、十分な教育効果を得ることは難しく、対象者の絞り込みが必要

受講生の変容

17

ビジネスに関心はあるが、課題把握/解決の経験/スキルが無い受講生に、AIをビジネス/社会に実装する思考プロセスを教えることが出来た。機械学習初心者は、期間中のみで充分な学びを得るのは難しく、受講対象をAIスキル 以上に絞り込むことが必要となりそう受講生の変容への示唆

主なペルソナ像と得られた変容今年度のAI Questを通じた受講生の変容

ＡＩスキル

調査しながらアルゴリズムを選択し、一定のレベルで実装出来る

多様なアルゴリズムを理解しているか、特定のアルゴリズムを高い精度で実装が出来る

機械学習のモデリングについては初学者

AI実装スキルを身に付けることが出来た

A

B

C

主なペルソナ像

論文の内容をキャッチアップし、自ら業務に落とし込むことが出来る十分な技術を持っている

AI実装を普段の業務や、研究でフルに活用しているが、ビジネス関連の知識を学んだ経験が少ない

ビジネスにおける思考プロセスを体系的に経験することで、感触をつかむことができた

チーム内/PBL内でAI実装課題をリードし、他者に教えることで、基礎を再確認/知識を深められた

本・ブログ・Github等でお手本とするコードを自ら探しつつ、一定のレベルで実装が出来る当初からビジネス意識が高く、少々ビジネス寄りの検討の経験があるが、体系的に知識を学んだことは無い

ビジネスにおける思考プロセスを自分なりに消化し、課題解決の方法を自ら考え、適切に伝えるところまで応用できた

トップエンジニア層のレベルの高いコーディングを見て、手法への学びを得ることが出来た

機械学習は、自習で少しかじった程度、きちんと勉強したことは無い

ビジネス関連の知識・経験も無い

ビジネスにおける思考プロセスを体系的に経験はしたものの、AI

スキル習得にも時間を要したため、十分な学びとはならなかった

チーム/PBLの仲間に教えてもらいながらコーディングの基礎を学ぶことができたが、苦戦

ビジネススキル AIスキル

a

b

c

参加前のレベル

参加者の推定割合

80%

10%

10%

参加後の到達レベル

ビジネススキル

ビジネスへの関心がほぼ無い

関心はあるが、自発的な課題把握・解決の経験・スキルは無い

課題把握・解決の思考プロセスを理解している

d c a

約6割

自ら課題解決の方法を見出して解決できる

b

全員到達 約3割が到達

b

18

今年度の育成目標は達成、一方で、拡大生産性の担保と、受講生同士の学び合いの促進・学びの深化には、コミュニティデザインが重要であることが見えて来た拡大生産性（PBL運営）への示唆

実証から見えて来た示唆

明確な目標設定と期待値のコントロール

コミュニティデザインによる学び合いのドライブ

育成目標の達成

運営負荷/ｺｽﾄが一定程度かかるPBL運営

実践的な教材の提供

使いやすいオンライン学習環境

明確な目標設定と期待値のコントロール

コミュニティデザインによる学び合いのドライブ

× ×

オフライン実施を含む

集合日程にコーチがコミット

コーチが成績評価実施

運営・進捗管理

顔合わせ前提でオンライン実施

ビジネスの一部以外はコーチ不要

受講生同士の成績評価

運営・進捗管理

PBLを跨いだ全体の学びの深化

今年度の実証

今年度は、教材提供/PBL運営/学習環境提供を通じ、育成目標を達成一方、コミュニティデザインを十分実施しなかったことで、受講生の学び合いが一定に留まったこと、PBL運営に一定の負荷/コストが掛かることが見えて来た

明確な目標設定実施の上で、コミュニティデザインを行うことが重要PBL内外での受講生の学び合いを促進することで、更なる学びの深化、それに伴ってのPBL運営の拡大生産性の担保が出来る見込み

学び合いやすい補助線/解答例を追加

•意欲が低い受講生の実質離脱が発生

•”モデリングを学べると思って参加した”受講生の期待値のギャップが発生 育成目標

の達成

受講生の学び合いによる

PBL運営

実践的な教材の提供

使いやすいオンライン学習環境

PBL運営の拡大生産性の担保

インフラは一部改善しオンライン実施を改良

19

検証ポイント 今年度見えてきたこと

実現するための要件

どの様な教材があれば、受講生の変容に資するのか

教材の内容

• ビジネス課題とAI課題が、一気通貫で経験出来る内容であることが重要

• ビジネス課題に補助線 (ワークシート/検討の観点提示) を入れ、段階的に学べる要にすることが有効

それらの教材は、どの様にすると継続的に構築する仕掛け・仕組みを作ることができるのか

教材の作り方

• データが実践的な内容でない場合、教材作成の負担(ビジネスとの繋ぎ込み・データ加工) が増加、企業から実践的なデータを受け入れることが出来る仕組み作りが必要

知財のガイドラインの設定による企業から実践的なデータを受け入れやすい仕組み作り

ビジネス課題とAI課題が一気通貫で経験出来ること/補助線の設計等、効果のある教材作成手法は得られた。継続的な教材作成には企業からの実践的なデータ受け入れが必要拡大生産性（教材作成）への示唆

20

今年度の実証から見えてきた、拡大生産性のある教育プログラムの実現に必要な要素

ビジネス課題/AI課題別の教材の補助線・コーチの関与

適切なテーマの選定と育成目標に沿った教材作成/実践的なデータ獲得・加工

プログラムにおける明確な目標設定

オンライン実施を支えるインフラ整備/運営設計

学び合いを促すコミュニティ・デザイン

21

今年度事業を踏まえた今後の広がりの方向性（案）

• プログラムを運営・進化• 受講生を輩出

• プログラムの進化・導入を支援

• データ/課題を提供• 輩出した受講生を採用

各プレイヤーとの連携のあり方

• プログラムを運営・進化

AI Quest

企業 学術機関

人材育成企業

行政機関

1 2

3 4

1

2

3

各プレイヤーにとってのメリット

• 採用/人材育成– 優秀な受講生の採用、インターンや社内研修の内容の強化

• 社内で解決したいトピックへの新たな視点での課題解決

• 教員のスキル/専門分野に応じないプログラム運営

• 学生の質の向上/担保• 学術機関のブランディング強化

• エンジニアにビジネス/社会実装を教えるプログラムを構築することによる新たなビジネス機会の創出

• 課題解決型AI人材育成を通じた地域・社会課題の解決

4

今年度の実証事業を通じて、一定のエンジニアリングスキルのあるエンジニアに対して、AIをビジネス/

社会実装する力を育成・鍛える教育プログラムを、拡大生産性のある形で実現できることが見えて来た

各プレイヤーと連携することを通じ、本事業を国内で広めていくことが、期待される