AIエージェント時代のビジネスアナリスト

AIは1分未満でユースケースの概要を作成し、シンプルなアイデアを1時間以内に基本的なプロトタイプに変換し、かつ要件文書をかつてのごく一部の時間で生成できます。この変化はすでに顕在化しています日常のビジネス分析において、実務者はAIを活用してヒアリングセッションの準備、要件の草案作成、検証前のギャップ特定を行っています。これらの成果物だけを見ると、結論は明らかです：ビジネスアナリストは消えているように見えます。

私はその結論には同意しません。私は何年もビジネスおよびIT分析、ソリューション設計、デジタルトランスフォーメーションに携わり、継続的な変化とさまざまな適応段階を見てきました。消えているのは役割そのものではなく、その周辺領域です。そしてそれは全く別の問題です。

アナリストが行うこと

顧客に「何が必要か」を尋ねると、顧客は「何が欲しいか」を答えます。これらは必ずしも同じではありません。顧客が自分の仕事を理解できていないからではなく、必要なことを十分に言語化できないだけです。日常的な作業は自動的に行われているため言及されないことが多く、エッジケースは実際に起きたときにしか思い出されません。

部門間のつながりは個人の視点からは把握できても、組織全体の観点からは必ずしも見えていません。また、顧客が複数のシステムを同時に変更しようとすると、あるシステムを変えるとほぼ必ずプロセスも変わることに気付かないことがあります。

アナリストの仕事は、顧客が言ったことを書き留めることではありません。顧客が言わなかったことを見つけ出し、すべてが表面化するまで質問し続けることです。アナリストはシステム、データ、ビジネスプロセス間のつながり、依存関係、影響を追跡します。

それは診断能力であり、事務的な作業ではありません。

ビジネスアナリストの3つの方向性

ビジネス分析の境界は固定されたものではありません。アナリストは長らくプロダクトオーナーシップ、プロジェクトマネジメント、より技術的な役割へと移行してきました。AIはルーチン作業に要する時間を短縮することで、その移行を加速させています。

最近のGartner調査によると、組織の半数以上がAIの影響で役割を再設計または再定義しており、HRリーダーの78％がAI投資の価値を実現するためにワークフローと役割の見直しが必要だと回答しています。

私の観察と直接的な経験から、3つの主要な軌道が形成されています。

1. プロダクトとビジネス志向へ

製品設計に情熱を持つアナリストは、プロダクトオーナーシップ、ビジネス分析、デリバリー調整といった広範な役割へと移行することがあります。このような組み合わせは特に小規模チームで既に見られます。AIがルーチン成果物の作成時間を短縮することで、これらの責任範囲はより流動的になるでしょう。

これは単にAIが文書を書けるからといって、1人に4つの仕事を任せるべきだという意味ではありません。重要なのは、顧客ニーズ、製品優先順位、ビジネス成果という共通の理解に基づく責任を統合することです。

この方向性はデータに対する深い理解も求めます。分析作業はこれまでプロセスや機能、要件に焦点を当て、データ層は後回しにされがちでした。AIシステムはその分離をますます困難にしています。

ビジネスコンテキストとデータの両方を理解できるアナリストは、モデルが間違った質問に正しく答えていることに気付くことができます。たとえば、利用可能なデータが実情を正確に表していない、指標背後のビジネス定義が変わった、あるいは元の質問自体が不適切だった場合です。

AIはほぼ誰でもダッシュボードやレポートを作成できるようにしますが、特定のビジネスにとってその結果が何を意味するかを解釈するには、依然としてコンテキストと判断が必要です。Forresterは、ソフトウェア関連職種全体でAIが繰り返しの成果物作成から検証・オーケストレーション・コントロールといった活動へと時間をシフトさせていると指摘しています。

2. テクニカル・プロトタイピング志向へ

開発への強い親和性を持つアナリストは、顧客と対話した後に動作するプロトタイプを構築できるようになります――単なるモックアップではなく、顧客が実際にテストし検証できるものです。

これにより要件検証の形が変わります：顧客は文書から解釈しようとする代わりに、アイデアを直接操作できます。誤解は早期に顕在化し、変更コストも比較的低い段階で対処可能です。

しかし、プロトタイプは本番システムではありません。

セキュリティ、統合、スケーラビリティ、負荷時のパフォーマンスは「AIがコードを書いてくれる」だけでは解決できません。エンタープライズ向けの本番ソフトウェアを構築するには、別格のエンジニアリングスキルが必要です。一部のアナリストは徐々にこれらのスキルを習得し、本番レベルの開発に近づくことができますが、これは急速なプロトタイピングが示唆する以上に要求が高い道です。

3. プロジェクト・デリバリー管理志向へ

アナリストはすでに顧客とのディスカッションを調整し、見積もりに貢献し、スコープ・要件・変更に関する質問を管理しています。これによりプロジェクトマネジメントとの自然な重なりが生まれます。

小規模プロジェクトでは、分析と調整の両方を1人が担うことが可能です。両者はスコープ、ステークホルダー、依存関係の理解に基づくため、コミュニケーション経路が短縮され、日々のデリバリー判断と元のビジネスニーズを結びつけやすくなります。

しかし、これがプロジェクトマネージャーを不要にするわけではありません。大規模プロジェクトでは、人員・リスク・依存関係の調整が本質的に複雑であり、プロジェクトマネジメントは専門的な領域として残ります。統合アプローチが有効なのは、スコープが許容範囲内の場合に限られます。

この区別は重要です。AIは計画書や会議要約、ステータスレポートの作成に要する労力を削減できるかもしれませんが、これらの成果物自体がプロジェクトマネジメントの全価値だったわけではありません。

この変化をうまく乗りこなす人の特徴

3つの方向性すべてで、アナリストは従来の役割境界を超える必要があります。好奇心は新しいツールや手法を試す意欲をもたらし、継続的な学習は「ナレッジデット」――古くなった前提やスキルが徐々に蓄積すること――を防ぎます。これはレガシーシステムにおけるテクニカルデットに似ています。

しかし最も重要なのは検証能力です。アナリストは「これが実際に正しいか？」と問いかけてから「これが完了したか？」と確認する習慣があります。流暢でプロフェッショナルに提示されたAI出力が氾濫する環境では、この習慣が一層価値を持ちます。

AIは自信に満ちた説得力のある形で誤った回答を生成することがあります――MIT Sloanの研究者が指摘するように、人間の監視が不可欠である主な理由の一つです。その出力は構造化され、流暢で洗練されています。

失敗はAIを使う時点で起きるのではなく、妥当と思える出力を検証せずに受け入れた瞬間に始まります。

ビジネスアナリストが消えるかどうかが問題ではない

アナリストの将来についての多くの記事は予測として書かれていますが、これは予測ではなく観察です――役割は常に変化してきました。今回異なるのは変化の速さと、周辺領域がほぼ誰にでも手が届くようになったことです。

開発者はAIを使って要件分析を行うことができます。マネージャーはAIでユーザーストーリーを生成できます。どちらも必ずしも上手くできるわけではありませんが、成果物の作成だけが価値の全てであるアナリストは厳しい状況に直面するでしょう。

役割の中心に残るのは、暗黙のニーズを掘り起こし、ビジネスと技術の文脈を結びつけ、出力を検証し、顧客が見えないつながりを見つける能力です。IIBAの2025年グローバルビジネス分析報告書によれば、実務者の74％がAIがキャリアにプラスの影響を与えていると答えており、コミュニケーション、戦略的思考、適応力といったヒューマンスキルの重要性が高まっています。

問題はビジネス分析が消えるかどうかではなく、周辺領域が誰にでも利用可能になったときに何が残るかです。

その答えは、何年もの実践、さまざまなプロジェクト、失敗からの経験を通じて培われる判断力です。文書化された要件が不完全であること、動作するプロトタイプが誤った問題を解決していること、あるいは洗練された回答が誤った前提に基づいていることを認識できる能力です。

それが、すぐには習得できないビジネス分析の本質的な部分です。