アナリスト不要論の再燃か。いろんな生成AIで分析してわかったこと。

生成AIの進化が止まりません。

chatGPTに始まり、Gemini、Claudeなど、様々な生成AIが登場しています。

最近では、NotobookLMのようなAIアシスタントも使われており、クローズドな情報データを使って、自分だけのアシスタントアプリが簡単に作れます。

今回は、いろいろな生成AIで、同じデータを分析し、Outputがどのように変わるか試してみました。

※執筆時点の情報です。分析データも架空です。再現性は保証いたしかねます。

KPIを分析させたらアナリスト並みのOutput。

まずは、こちらをご覧ください。

これは、架空のデータを生成AIに分析させたOutputです。

データこそ架空ですが、分析結果やFindings、今後のアクションプランまで、おおむねデータと整合性がとれています。

もはやハルシネーションはどこやらで、このレベルの分析を一瞬でやってしまいます。

レポーティングも秀逸です。

htmlでレポートも瞬間作成できるので、アナリストと変わりません。

「プログラム言語が書ける」「分析できる」スキルの位置づけが変わる。

ここまでくると、「プログラム言語」や「分析」スキルの位置づけが変わると思います。

かつて、この領域は、アナリストが支配していました。

データからインサイトを見つけ、アクションプランにつなげて、意思決定を支援する。

それがアナリストです。

しかし、人間が時間をかけて分析するより、生成AIに任せたほうが、圧倒的に早く、そして、正確に、綺麗にOutputできます。

「二人のアナリストAさんとBさんのレポートが違う」なんてこともありません。

誰が使っても、均質なレポートを作れる点においても、とても使い勝手が良いです。

今まで、分析が苦手だった人にとっては大チャンスです。

生成AIを使えば、アナリストと同じようにふるまい、意思決定できます。

一方、今まで得意だった人やアナリストは、更なるスキルアップが求められますが、ここまで進化が早いと、もはや逃げ切れません。

この手のKPIレポートだけでなく、機械学習の特徴量の調整など、データサイエンティストの領域まで、生成AIはカバーしています。

分析・レポーティングだけでなく、ビジネス課題の抽出やアクションプラン実行までワンストップでカバーしたり、生成AI用データを作る側（データエンジニア）まで広げるなど、キャリアの再定義やリスキルが必要です。

データエンジニアなど、他の職種が安泰というわけではありません。

ホワイトカラーのいずれの職種においても常にこのようなことが起こりえます。

生成AIには得意・苦手がある。目的・用途に応じた使い分けが現在の最適解。

今回、いろんな生成AIで、レポートを作成しました。

いずれも同じダミーデータを使っています。

やってわかったことは、生成AIには、得意・苦手があり、目的・用途に応じて使い分けることが、現在の最適解だと思います。

いずれ、この差はなくなると思いますが、現時点では以下でした。

生成AI	分析・インサイト	ビジュアライズ
chatGPT 4o	〇　良い	X　汚い　サンプル※1
Gemini 2.5Pro	X　ハルシネーション発生	〇　良い　サンプル
Claude	〇　良い	〇　良い　サンプル

※1 chtaGPTのhtmlレポートは、GPTからダウンロードすると図表が欠落しました

Geminiは、表形式データの分析が苦手かもしれません。

今回のケース以外において、例えば、Google CloudのDWHであるBigQueryのテーブルを、VertexAI（Google CloudのAIプラットフォーム）で参照させても、的を得ない集計になることがあります。

しかし、notebookLMをはじめ、言語を扱う処理においては、Geminiは的確にOutputしてくれます。

同様に、プログラム言語を書くような指示においても、chatGPTより、Cursorのほうが、こちらへの気遣いというか、いろいろ先回りして記述してくれる印象です。

このように、生成AIには、得意・苦手があります。

使い分けて、業務を効率化するのが、現在の最適解だと思います。

Google Cloud開発お承ります

datacompanyでは、お客様のご予算・環境に応じたクラウド開発を承ります。

お困りごとがございましたら是非ご相談ください。

お問い合わせフォーム