ローコード プラットフォームはスキルの危機を解決するのに役立ちますか?

一般ユーザーが最小限のコードまたはコードなしでアプリを作成し、データを処理し、さらには機械学習を実行できるプラットフォームが増加しています。 彼らはデジタルスキルのギャップを埋めることができますか?

より多くの専門家が必要です。より多くの専門家が必要です。 2021 年の政府報告書、Quantifying the UK Data Skills Gap では、英国だけでデータ コンピテンシーを持つ個人が 178,000 人から 234,000 人不足していることがわかりました。 また、半数近く (48%) の企業がデータの役割を募集しており、46% が採用に苦労していることもわかりました。 データ分析からサイバー セキュリティに至るまで、デジタル スキルは不足しており、需要はテクノロジー セクターだけではありません。 実際、Microsoft は、今後 10 年間で 77% の仕事で技術スキルが必要になると予測しています。

これは英国だけの問題ではありません。 世界のどこにも、ソフトウェア エンジニアが豊富にいるとは言えません。 米国労働統計局は、ソフトウェア エンジニアの世界的な不足が 2030 年までに 8,520 万人に達する可能性があると推定しています。

インスティテュート オブ コーディングの所長である Rachid Hourizi 教授は、デジタル スキルのギャップは、テクノロジーの継続的な急速な進歩に起因すると考えていますが、教育ははるかに後れを取っています。追いつきが悪化します。 あまり変わっていない古代または中世の産業ではありません。 1 年以内にデジタル部門は再び変化し、異なる要件が生じるでしょう。」

主にデジタル スキルのギャップが原因で、特定のタイプのプラットフォームが台頭しています。 これらのプラットフォーム (主に「サービスとしてのプラットフォーム」 (PaaS) ソリューションとして利用可能) は、一般ユーザーがアプリ開発やその他の技術活動にアクセスできるようにすることを目的としています。 本質的に、彼らは GitHub の CEO である Chris Wanstrath の次の自信に満ちた主張から現実を作ろうとしています。

ローコードおよびノー​​コード (LCNC) 開発プラットフォームは、ユーザーがゼロからではなく、ポイント アンド クリックやプルダウン メニューなどのビジュアル ビルディング ブロックを使用してアプリケーションを構築できる直感的なインターフェイスを備えている傾向があります。 ノーコード プラットフォームでは、プログラミング言語の知識はまったく必要ありませんが、ローコード プラットフォームでは、ユーザーが独自のコードを自動生成されたコードに追加できます。 これにより、プログラミング言語をまったく知らなくてもアプリの設計に熟達する可能性のある「市民開発者」を含めるように、アプリ開発の障壁が低くなります。

この分野の大手企業には、Microsoft (Power Platform および PowerApps)、Salesforce (Lightning、Force.com など)、および Siemens (Mendix) が含まれます。 LCNC 開発プラットフォームの最も一般的な用途の 1 つは、ロボティック プロセス オートメーションと呼ばれる単純な管理タスクを実行するために複数のシステムに到達する自動化されたワークフローを設計することです。 その他の一般的な用途には、企業の Web サイトの仮想チャットボット、ケース管理システム、人事の業績評価ツール、レストランの予約管理などがあります。 ただし、LCNC プラットフォームはアプリ開発以上のものを提供します。ビジュアル分析、機械学習、およびその他の高度な技術プロセスを実行するためのツールを一般ユーザーに提供するプラットフォームが増えています。

LCNC プラットフォームは、従来、既製のサードパーティ製アプリケーションと、熟練した開発者 (「プロコード」) によってニーズに合わせて設計および構築されたオーダーメイドのアプリケーションのいずれかを多額の費用で選択することを余儀なくされてきたビジネスに代わるものを提供します。 LCNC により、企業はカスタマイズされたアプリケーションに以前よりも大幅に安価かつ迅速にアクセスできるようになります。 Forrester の調査によると、ローコード開発プラットフォームは、企業が 20 倍の速さでプロジェクトを完了するのに役立つ可能性があります。

LCNC プラットフォームは、ある程度の躊躇と疑いの目で見られると予想されるかもしれませんが、IT 専門家の間で懸念があることは否定できません。 たとえば、LCNC プラットフォームは、企業の IT 部門とは無関係に作成された「シャドウ」アプリケーションを生み出す可能性があります。また、その不透明さのおかげで、長期的に安全性とコンプライアンスを維持することは難しい場合があります。 ただし、これらのプラットフォームは、需要を満たすのに十分なエンジニアがいないときに技術サービスを提供する手段として、安心と熱意を持って広く受け入れられています。 Salesforce によると、経験豊富な IT リーダーの 92% は、ローコード ツールを使用したビジネスに満足しています。

LCNC プラットフォームは、オーダーメイドのデジタル サービスに対する需要の増加と、組織の広範な物理的分散に直面して、パンデミック中に急速な成長を遂げました。 KPMG は、Covid-19 の発生以来、最も重要な自動化投資としてローコード開発プラットフォームを特定しているエグゼクティブの割合が 10% から 26% にほぼ 3 倍になったことを発見しました。 一方、2021 年の Gartner のレポートでは、2024 年までにアプリ開発プロジェクトの 65% 以上で LCNC プラットフォームが使用されると予測されています。

コードを自動生成することにより、LCNC プラットフォームは、デジタル スキルに関する一般的な主張に疑問を投げかけます。 コードを書く能力は、読み書きや算術と同じくらい基本的で不可欠なスキルと見なされるべきだとよく言われます。



画像クレジット: Dreamstime

誰もがプログラミング言語の使い方を学ぶ必要はないという反論があります。実際、これは、彼らがはるかに適性を持っている可能性のある他の専門分野から気を散らす可能性があります. 誰もがコードを書くことを学ばなければならないという期待は、回路基板のはんだ付けを学ばなければならないという期待と同じくらい非現実的ですか?

「すべての人間がコードを記述できるわけではなく、そうすべきでもありません。 LCNC データ分析ソフトウェアを提供する Alteryx の共同創設者兼最高支持責任者である Libby Duane Adams は、次のように述べています。 「コード不要のデータ分析プラットフォームは、優れた問題解決者、つまり、自分の問題を解決するために必要なビジネス コンテキストを持つ人々への道を開きます。 […] ドメインの専門知識を持ち、データ分析ツールを使用してスキルアップすることで、データ サイエンス チームとより緊密に連携し、多くの場合、自分の問題を自分の速度で解決できるようになります。

「分析がデータ サイエンティストの権限にとどまっている唯一の理由は、最近まで、コーディング以外の専門家が貢献できる選択肢が他になかったからです」と Duane Adams は続けます。 「今日、私たちはアナリティクスにとって非常にエキサイティングな時期を迎えています。なぜなら、人々が必要とするデータはどこにでもあり、より多くの人々がそのデータに隠された貴重な洞察の塊を解き放ちたいと思っているからです。」

これらのツール (またはその他のテクノロジ) を使用するすべての人が、最初の原則からそれらを構築できるようにすることは、必須でも現実的でもありません。 では、LCNC プラットフォームのユーザーにとって、どの程度の技術的理解が不可欠なのでしょうか? ツールとユースケースの多様性を考えると、「何よりも」より正確な答えはありません。

ただし、特定の領域については、より高いレベルの理解が期待される場合があります。 機械学習アプリケーションは、ブラック ボックスから得られた結果が現実世界の意思決定に使用される場合に倫理的な問題を引き起こし、多くの場合、既存の不平等や無意識の偏見を定着させます。 ニューキャッスル大学のデータサイエンティストであり、アラン・チューリング研究所のスキル担当上級顧問であるマシュー・フォーショー博士は、研究により、データサイエンスの修士号プログラムにおける倫理への配慮が広く欠如していることが明らかになったと述べています。 これは、デジタル スキルのギャップを埋めるためにできるだけ早く人々のスキルを向上させようとするこのラッシュによって悪化する可能性があります。 [LCNC] ツールは参入障壁を大幅に引き下げますが、ツールが明確に焦点を当てているのは、アルゴリズムのバイアスを導入していないことを知るために、どのようなチェックとバランスが必要かということだと思います. 特定のモデルが行っている仮定を人々が考慮していない場合、意図しない結果が生じる可能性があるという課題があります。」

LCNC プラットフォームが成長するにつれて、技術学位を学ぶことを選択する人が増えるだけでなく、徒弟制度、成人向けコース、オープンソース リソースを使用した独学を通じて学習することによって、それらがどのように機能するかについての理解もそれに対応して成長する必要があります。 これらのツールを理解していない人々がこれらのツールに依存している場合、それらは真に民主化されているとは見なされません。代わりに、少数のプラットフォーム コントローラーの手に力と知識を集中させる効果がある可能性があります。

「もし私がデータサイエンティストを雇う立場だったら、 [I would care about] ブラックボックスの責任ある使用。 ビジネス価値を提供しているのであれば、これをゼロからコーディングしたか、ツールを使用したかは気にしません。 私が気にかけているのは、それが何をしているのかを知っているということです」と Forshaw 氏は言います。 「人々にそれを与えるのは、従来の大学教育である必要はありません。 [knowledge]」

LCNC プラットフォームは、デジタル スキルのギャップを埋めようとしており、多くの点で成功しています。 シチズン デベロッパーとオートメーションが作業の要素を引き継ぐことで、ソフトウェア エンジニアの負担はすでに軽減されています。 成人が迅速にスキルアップできるようにすることで、学校や大学レベルの教育を拡大するだけではデジタルスキルのギャップを埋めることができないという最大の課題の 1 つに対する解決策も提示されます (2030 年の労働力の 80% はすでに雇用された)。

ただし、LCNC プラットフォームは、カスタマイズの範囲が根本的に制限されているため、アプリ開発のすべてのニーズに対応できるわけではありません。 ほとんどの大規模でミッション クリティカルなプロジェクトでは、企業はゼロから構築されたオーダーメイドのソリューションをソフトウェア エンジニアに依頼します。

また、ロボティック オートメーションの場合と同様に、これらのプラットフォームを設計、構築、維持するだけでなく、それらを使用、統合、監視、拡張するために高度なスキルを持つ人々が必要であるという事実もあります。 これらの後者のニーズは、人間とコンピューターの相互作用など、明確な新しい一連のスキルに対する需要を生み出す可能性があります。

AI を活用した人材市場 metatalent.ai の創設者兼 CEO である Rehan Haque 氏は、次のように述べています。 「ロボットと通信するためのコードを書かなければなりません。そこには人間の要素が必要です。」

LCNC プラットフォームの台頭はビジネスに多くの機会をもたらしますが、デジタル スキルのギャップの大きさと同様に、ソフトウェア エンジニア、データ アナリスト、機械学習エンジニア、その他の高度な技術を持つ個人の大幅な増加の必要性を否定するものではありません。デジタルスキル。 「システムを書く人、システムをチェックする人、システムを統合する人など、より多くの専門家が必要であることは明らかです」とコーディング研究所の Hourizi は言います。 「学士号、修士号、博士号のいずれであっても、非常に高いレベルの教育を受けたデータ サイエンスと AI の分野で働く人がもっと必要です。必要な数よりもはるかに少ないのです。」

役職

専門知識のスペクトル

LCNC プラットフォームの台頭と、独学またはブートキャンプで訓練を受けた開発者の急増により、技術的な作業の性質が混乱しています。 もはや、システムを設計する従来の教育を受けたエンジニアと、それを扱う技術者だけではありません。 今日、技術的専門知識の範囲はますます豊富になっています。

現在、私たちは、人々が技術職に就くことができるさまざまなルートと、彼らが提供するさまざまなレベルの専門知識を認識していないために、これらの機会を最大限に活用できていない可能性があります. たとえば、「データ サイエンティスト」、「データ エンジニア」、「データ アナリスト」の公式な定義がなく、採用プロセスが混乱しています。 これはインクルージョンに深刻な影響を与える可能性があります。男性候補者は、女性候補者と比較して、要件に完全に一致しない仕事に応募する可能性が高くなります。

ニューカッスル大学のデータ サイエンティストである Matthew Forshaw は、Alliance of Data Science Professionals のメンバーです。この同盟は、この分野で働く人々のための一連の基準を確立し、セクターや役割間の移行を支援することを目的としています。 それは専門家団体の連合で構成されており、「実際には、セクターに関係なく、専門家が支持すべきだと私たちが考えるコアコンピタンスと専門的価値観のコアセットがあることを認識しています」とフォーショーは言います. 「人々が自分がデータ サイエンティストであることを認識するのに役立ちます。 これはさまざまな組織で見られます。 ある国ではデータ サイエンティストが、別の国ではアナリストと見なされるでしょう。」

政府が成人のスキルアップを推進し続けているため、より多くの人々が型にはまらない方法で技術職に就く可能性が高く、データ サイエンス以外の分野でも、専門家であることの意味を再考する必要があります。

E&T ニュースのメールにサインアップして、このようなすばらしい記事を毎日受信トレイに配信してください。

Leave a Comment

Your email address will not be published. Required fields are marked *