上司が「機械学習」を理解していない時の対処法【マテリアルインフォマティクス】

「機械学習を使って実験を進めても上司が理解してくれない…」
「マテリアルインフォマティクスの必要性を説明しても響かない…」

有機化学・高分子化学の研究現場でも、データ駆動型の研究の重要性は年々高まっています。しかし、上司世代はAIに馴染みがないケースも多く、機械学習の有用性がなかなか響かないのが現実です。

本記事では、

• 機械学習を理解していない上司の特徴
• NGな報告方法
• 研究職が使える実践的な対処法
• 最終的に評価を勝ち取る方法

を解説します。

なぜ上司は機械学習を理解できないのか？

上司世代の多くは、以下のような研究スタイルが主でした。

一方、これかの時代は、従来の研究スタイルに加えて、下記のようなDX活用型の研究スタイルが必須になりつつあります。

上司世代に方は、実験主導の開発を行ってきたため、「マテリアルインフォマティクスを活用した研究開発」の重要性を理解できていない人が多いです。また、この世代の人は「研究・開発は根性でたくさん実験するもの！」という謎の固定観念を持っている人も多いです。

また、マテリアルインフォマティクスの重要性は理解しているものの、具体的にどう活用すれば良いかわかっていなかったり、そもそも「機械学習とは何か」さえ理解できていない人も多いです。

こういった理由で、上司世代の人は「機械学習」をなかなか理解してくれません。

機械学習を理解しない上司のパターン

「機械学習」を理解しない上司は、おおむね下記のパターンに当てはまることが多いです。

機械学習を学習しようとしない

また、AIや機械学習は若手の人の方が理解できているケースが多いです。上司世代の方はAIや機械学習に疎く、これから新たに「機械学習」を勉強することに抵抗を覚えている人も多いです。

そういった上司は「自分の知識の範囲内」でしか物事を考えようとしません。そういった人は「機械学習」を用いた検討を報告しても、自分の知識の範囲外であるため、なかなか響きません。

実験しないと意味がない

上司世代の人は、朝から晩まで実験を行って製品開発をしてきました。そういったこともあり「実験こそ正義！」という感覚が染みついています。

そのため、机の上でPCをカタカタしてモデル構築をしている人に嫌悪感を抱く人も多く、「機械学習」の有用性が認めようとしない人も多いのが現実です。

統計的な解釈より化学的な理由が優先

「機械学習」は統計的な解釈をします。逆に、「機械学習」だけでは、化学構造にまで踏み込んだ「化学的な解釈」は行えません。

上司世代の人は、これまで「化学的な解釈」で検討をしてきています。そのため、どうしても化学的な解釈や考察を欲しがる傾向にあります。そのような上司に「統計的な解釈のみ」を報告しても、なかなか受け入れてくれません。

「機械学習」を理解しない上司が求めているもの

「機械学習」を理解しない上司を満足させるには、その上司の求めているものを理解しておくことが重要です。「機械学習」を理解しない上司が求めているものは、多くの場合、以下の2点です。

「機械学習」を理解していない上司に対して「機械学習」を使った研究結果を報告をしても響かないのは、上司自身が議論に参加できないからです。自分が議論に参加できない事項（畑違いの分野）をどんなに熱心に報告したところで、上司に響かないのは当然です。

また、もう一つの原因は、「機械学習」の結果だけでは、具体的な成果（優れた製品や技術）が得られないからです。企業の上層部（上司の上司にあたる人）は「売り上げに繋がる製品」や「他の製品を更に発展させるための技術」を作れたかどうかで評価を下します。そのため、「機械学習」による解析結果だけを報告しても意味がなく、実際の実験データや製品とセットで報告する必要があります。

上記の２つのパターンに当てはまる場合、上司に「機械学習」を用いた研究報告は響きません。

やってはいけない報告方法

上記のように「機械学習」を理解しない上司は「自分の知識の範囲内」で物事を考え、「自分のスタイルが正しい」という固定観念を持っており、自分が議論に参加できない事項を嫌います。また、「機械学習」による解析結果だけで、目に見える成果が無い場合も受けつくてくれません。

そういった上司に対して、下記のような報告をしても、まず受け入れてくれませんし、場合によっては怒りを買います。

「機械学習」のみの報告

良くありがちな例ですが、「機械学習」を理解しない上司に対して、「機械学習で統計的に解析した結果、最適な条件は〇〇になります」や「機械学習で解析した結果、○○と○○には相関関係があります」のような報告をしても、全く響きません。

Pythonコードを見せる

これも良くありがちな報告例ですが、報告資料に解析に用いたPythonのコードを記載しまくる人がいます。

「機械学習」を理解していない上司に対して、Pythonコードの羅列を見せてもほとんど無意味です。どれだけ働いたか示したかったり、資料が寂しくならないようしたかったりするため、Pythonコードを乗せたくなる気持ちはわからないでもないですが、見せられる方にとっては意味不明な文字の羅列でしかありません。

報告を受ける上司は、Pythonコードの羅列は求めていないことを理解しておきましょう。

化学的な解釈なし

「化学的な考察」が一切ない「機械学習で統計的に解析した結果」のみの報告も上司に嫌われます。

前述の様に、上司は自分も議論に参加したいものです。そのため、自分の知っている分野の話が一切でてこない「機械学習」のみの報告だと面白いと思えず、評価を受けにくいです。

「機械学習」を用いた研究の良い報告方法

ここまでのことを踏まえ、上司に評価される「機械学習を用いた研究報告方法」は次のようになります。

「機械学習」だけでなく実際の実験結果も添える

上記の様に、上司は「目に見える成果」を欲しています。

そのため、報告時には「機械学習による解析結果」のみではなく、「実際の実験結果」も合わせて報告するようにしましょう。

そうすることで、「目に見える成果」をアピールすることができます。かつ、具体的な実験結果があるので、上司も議論に参加できるため、機嫌を損ねることが無くなります。

「機械学習」のおかげで「最短」で条件を見いだせたことをアピール

実験データを添えることが前提になりますが、「機械学習」を用いて検討を進めることで、従来より早く成果を挙げられる点をアピールしておきましょう。

従来であれば、多大な実験の末に良い条件に辿り着けるところを、「機械学習」のおかげで早く辿りつけたことを上司に知ってもらえば、上司の「機械学習」の見方が変わる良いきっかけになります。

上司が「機械学習」の有用性を理解できれば、「機械学習」を活用できるあなたの評価は上がります。

化学的な考察を加える

状況によっては「機械学習によるデータ解析結果」のみになってしまうこともあると思います。そのような場合は、化学的な考察を加えておきましょう。

例えば「○○と○○に正の相関があります。この理由は、構造の剛直性に起因していると思います。」のようにです。

こういった化学的な考察を加えることで、上司も議論に参加できます。さらに化学的な原因を考えることで、より適した解析方法が見つかったりするケースの結構あります。

機械学習によるデータ解析だけにとどまらず、化学的な考察をできる人が優秀なデータサイエンティストです。

まとめ

この記事では、上司が「機械学習」を理解していない時の対処法を解説しました。「機械学習」を理解しようとしない上司はの特徴は

• 自分の得意な議論をしたい。よくわからないことを報告されたくない。
• データ分析の結果だけでなく目に見える成果が欲しい

というのが念頭にあります。この要望を満たすためには下記が重要です。

これらを徹底できれば、怒られることはなく、評価も上がるはずです。

マテリアルインフォマティクスは、有機化学・高分子化学の研究者にとって強力な武器になります。

これからの研究者は、

実験 × データ

の両輪で戦う時代です。

幸い、「マテリアルインフォマティクス」は普及し始めたばかりです。今から学習を開始すれば、後れを取ることはありません。

まだ、マテリアルインフォマティクスを学んでいない人は、下記記事を参考に学習を進めることをおすすめします。