ビジネスアナリスト

米国。統計局は、経営分析職の雇用が2025年から2035年に10%増え、平均を大きく上回り、求人は年に約94,100件になると予測している。O*NET は、この職業で報告された職名のなかにビジネスアナリストを挙げており、この職業には経営コンサルタントも含まれる。そのページ自体は、ビジネスアナリストにも AI にも触れていない。数えているのはタスクではなく職である。

立場のある名指しの人物が、ある日付に、帰属のつく言明として何かを公けに予測した。誰がいつ何を言ったのかが確かめられるまま残るように記録するのであり、そして業務の判断を決して動かさない。予測は観測ではないからである。その価値は後から来る——この記録は、その職業についての証拠と同じページの上に載るので、予測を読む人は、そのあと何が起きたかの記録を隣で読むことになる。それが決算である。この site は、ある予測が当たったかどうかについて何の判定も公表しない。

米国。統計局は、コンピュータシステムアナリストの雇用が2025年から2035年に8%増え、平均を大きく上回って544,400から587,200になり、求人は年に約32,900件になると予測している。そして、組織が人工知能を含む IT に頼り続け、それを広げていくにつれて、新しい仕組みを設計し導入するためにコンピュータシステムアナリストが雇われるとしている。O*NET は、この職業の職名のなかに IT business analyst を挙げている。数えているのはタスクではなく職である。

立場のある名指しの人物が、ある日付に、帰属のつく言明として何かを公けに予測した。誰がいつ何を言ったのかが確かめられるまま残るように記録するのであり、そして業務の判断を決して動かさない。予測は観測ではないからである。その価値は後から来る——この記録は、その職業についての証拠と同じページの上に載るので、予測を読む人は、そのあと何が起きたかの記録を隣で読むことになる。それが決算である。この site は、ある予測が当たったかどうかについて何の判定も公表しない。

米国、退役軍人保健局。導入済みで内製と記された同機関の一覧の記載によれば、人間中心設計のチームが大規模言語モデルと独自のエージェントを使っており、この仕組みは、利用者の声の分析、ユーザーストーリーの生成、ワークショップの結果の要約、ペルソナの磨き込みといった作業を効率化し、洞察を速め、職員の手作業を減らしている。これは機関が自らの仕組みを説明したものであり、人員やストーリーの質への影響は報告していない。

雇用主がそれを本番に置いた。基準線を動かしうる——規模と、その場がどれだけ似ているかで重みづけされる。

ある IT コンサルティング会社の一つのプロジェクト。言語モデルが、要件を引き出した結果の要約とテンプレートから機能設計の仕様書とユーザーストーリーを生成し、その会社の熟練アナリストが評価した。アナリストは起草時間の削減を10%から15%と見積もった。一部のユーザーストーリーは、どのモデルでも扱われないままだった。アナリストが持つ知識は暗黙のものでありえ、要件を引き出すための文書には書かれていないからである。著者たちは、モデルは初期の文書作りを高めうるが人の関与を置き換えることはできず、正確さと網羅性のためには熟練アナリストがいまも必要だと結論づけている。

実際の場での小規模な試行。導入の条件が試されていることを教えてくれるのであって、それが成り立つことを教えてくれるのではない——だから一件の試行は単独では決して足りず、独立した二件で足りる。

33回の模擬の関係者聞き取りで評価された研究用のチャットボットであり、関係者は学生が演じた。人の聞き手と同程度の数のよくある誤りを犯し、全要件の最大73.7%を引き出した。著者たちは、非常に機微な、あるいは複雑な要件の引き出しには、人が主導する聞き取りがいまも価値があり必要だと書いている。そこでは人と人とのやりとりが、口にされない要件を明らかにするうえで決定的な役割を果たすからである。

実演、ベンチマーク、あるいは論文が、その業務をやれることを示している。技術に何ができるかを更新するのであって、雇用主が何をするかを更新するのではない。

米国、社会保障庁。一覧の記載は、導入済み、稼働開始日2024年10月1日、購入したベンダーの基盤と記されており、生成の部分が、COBOL などの古いコードを自動で分析し、一貫した業務要件の文書を生成し、コードを現代の言語に書き換えることで古い仕組みの刷新を加速させ、文書作成の手作業を減らすとしている。これは要件を人から引き出すのではなく、既存のコードから取り戻すものである。

雇用主がそれを本番に置いた。基準線を動かしうる——規模と、その場がどれだけ似ているかで重みづけされる。

大学の学生サークル管理ポータルの要件仕様書を起草する作業で、GPT-4 と CodeLlama を人の基準と比べ、八つの基準で採点した研究。モデルは初級のソフトウェア技術者の出力の質に並びうると報告しており、要件が決まった後、人の文書には4〜24時間かかったのに対し、モデルの下書きは7〜47倍の速さで済んだ。ただし一度で正しく仕上げるのは難しかった。要件は与えられたものであり、引き出されたものではない。

実演、ベンチマーク、あるいは論文が、その業務をやれることを示している。技術に何ができるかを更新するのであって、雇用主が何をするかを更新するのではない。

オーストリア、ある郵便グループの IT 部門。研究者と会社の職員が、ユーザーストーリーの質を高めるための自律的な LLM ベースのエージェントの仕組みを実装し、六つのアジャイルチームにまたがる11人の参加者で評価した。論文は、この仕組みの出力は、プロジェクトの目標と関係者の期待に沿わせるために、現状ではプロダクトオーナーによる手作業の検証を要するとしており、調査に答えた参加者のうち六人は、書き直された記述が長すぎると感じた。一つの会社での小さな試行である。

実際の場での小規模な試行。導入の条件が試されていることを教えてくれるのであって、それが成り立つことを教えてくれるのではない——だから一件の試行は単独では決して足りず、独立した二件で足りる。

これから始めるなら、言語モデルが要件の文書とユーザーストーリーを、あなたが打つより速く起草すると見ておくこと。そして自分の価値は、それができないことにあると見ておくこと——人から本当の必要を引き出すこと、言われなかったことに気づくこと、下書きをそれと照らし合わせて確かめること。

書く時間は減り、引き出し、交渉し、検証する時間が増えると見ておくこと。求められるアナリストは、難しい対話を進められ、機械が起草した仕様書が正しいかを判断できる人である。

留まって強くする

とどまり、時間を書くことから引き出すことと検証することへ移す

起草は道具が最も強いところである。ここに記録された研究は、機微な事柄についての聞き取りと検証を、いまも人に残している。

職の形を組み替える

業務の流れと変革の仕事へ寄っていく

部門どうしを合意させ、人に新しい働き方を受け入れてもらうことは交渉であり、道具はそれを要約するが、それをするわけではない。

隣へ移る

プロダクトマネジメントへ移る

何をなぜつくるかを決めることは、アナリストの仕事の隣にあり、人が何を必要としているかについての同じ判断に依っている。

いまの証拠からは、そうは言えない。言語モデルは要件の文書とユーザーストーリーを起草し、米国の連邦機関は AI でそれらを生成しているが、ここに記録された研究では、いまも人が下書きを検証し、機微な、あるいは複雑な必要についての聞き取りを主導している。そして米国の予測は、ビジネスアナリストを含む職業が増えると見ている。

それには年数では答えない。代わりに見ておくべき信号は、機械が起草した要件が、アナリストの検証を経ずに開発者へ渡りはじめるかどうか、そして聞き取りのボットが複雑で機微な要件の引き出しを任されるようになるかどうかである。どちらも、いまの証拠が示していることではない。

起草はできる。ある研究では、GPT-4 が起草した要件仕様書は初級の技術者のものに匹敵し、要件が決まった後は7〜47倍速かった。ある郵便グループの IT チームでは、エージェントが改善したユーザーストーリーも、なおプロダクトオーナーの検証を要した。

米国の予測は、2025年から2035年に経営分析職が10%、コンピュータシステムアナリストが8%増えると見ており、どちらにもビジネスアナリストが含まれる。仕事は、文書を書くことから、引き出し、交渉し、検証することへ移りつつある。