中小企業診断士の坂井です。
先日、統計検定2級を取得しました。こちらは、日本統計学会公式認定の資格となっています。
内容としては、記述統計（ExcelやPowerpointで作られるグラフや表の正しい使い方や意味の読み取り）と、推測統計（推計統計）の推定、検定の基本的な分野の理解といった内容です。そのため、前提として集合や確率といった分野も含みます。
2023年はLLM(大規模言語モデル)の急速な普及にともなって、画像や音楽、はては動画まで含む生成AIが広く一般に知られることになりました。その中で、統計的な分野、データサイエンスは全て AI にとって変わられるというような言説も見られました。あるいは、生成AIが全て代行するようになるのでは？ といった内容ですね。
そんな中で、中小企業診断士があえて統計を学んでおく理由はあるでしょうか？
確かに、筆者も、ChatGPTの「分析機能（リリース当初はCode interpreter）」を利用して分析のためのPythonプログラムを行うことはあります。また、推測においてはLLMに限らず、様々な機械学習・深層学習が高い精度を出して社会のいろいろなところで活用されています（大規模言語モデルに限らず、画像や動画も広義には推定・予測で動作しています）。これらの活用には、それほど高度な統計の知識は必要ありません。
これはこれで結構なことなのですが、他方、意思決定となるとこれらのAIは精度が高くても感情的に納得できる説明を持っていないことが多くあります。これはLLMがハルシネーションにより誤った情報を出力してしまう、というのとは少し異なります。
というのも、いくらAI自体（深層学習エンジニアやデータサイエンティストが苦労して構築した優れたモデル）が正しい予測を出していたとしても、「では、どのように行動すべきか？（打ち手は何か？）」と直接結びつけづらいために、「だから何？」となってしまう恐れがあるということです。例えば、年末、12/24の日曜日の夜には繁華街の人流は非常に増加するでしょう……、では、我が社は何をすべきか？
統計にしろAIにしろ、過去のデータや季節の情報、定性的なテキストデータを数値で評価できるようにして、「まあそりゃあ年末だし、クリスマスだし、しかも週末だし……」といった要因から具体的に普段より何%くらい多いといった推論を展開します。ここで、機械学習より、より複雑で一般に高度とされる深層学習では、ニューラルネットワークなどによりデータが複雑に演算・解釈されるため、実際、何がどう作用して推論が展開されているか分かりにくいといった問題が発生する場合があります。
一方で、統計学の方はコンピューターを使わなければやっていられない計算量ではありますが、最終的な結論に至る前の「途中式」の段階で人間の意思や判断、チェックが介在します。「人流に影響しそうな変数を縮約して、収入変数、祝日変数、気候変数と名づけよう……、今回特に影響がありそうなのは収入変数だな」といった具合ですね。
こうなると、「今週の日曜日の夕方の人流は、昨月比で300%増を見込めます」といった場合に
「AIがそう算出しました」
「収入変数、祝日変数、気候変数から算出しました。今回、特に影響が強いのは収入変数です」
では、予測精度がAIの方が高かったとしても、経営者が判断しやすいのは後者の方でしょう。「なら、ちょっと高めで収益率の高い商品を出して見よう」といった具合ですね。もし気候変数がマイナスに作用しているとしたら、暖かいもの、暖かくなれそうなものを出す、という「逆張り」も考えられるかもしれません。
もちろん、先進技術であるAIが役に立たないといっているわけではなく、入力される変数を複雑に処理するディープラーニングでも、Explainable AI(説明可能なAI, XAI)の重要性は認知されていますし、LLMに統計的手法を用いてデータを解釈させ、説明させるといいった方法も考えられます。こういった方法であれば、経営者も感情的な面でも納得して判断を下すことができるでしょう。
しかし、現状では、「経営判断に必要な情報を提供する」という観点からすれば、AIではなく、経営と統計の両方を知っている人間が行う方が無難であり、コストパフォーマンスが高いでしょう。また、本記事では統計 vs AI 的な書き方をしてしまいましたが、実際には隣接分野といっていいくらい、統計と機械学習、そして深層学習の分野は知識の領域が重なります。そのため AI のモデルの評価には、必ずといっていいほど統計的な知識が求められます。
そういった理由で、中小企業診断士、つまり経営コンサルタントにとって統計学の知見というのは非常に重要です。もし、統計的なデータの判断、活用についてお悩みがありましたら、お気軽にご相談ください。
