「AI」という言葉と、その下にある仕事を分けて考える
求人では、曖昧な用語が使われています。「AI」という名称の下には、少なくとも4つの職種群があり、その呼称は企業によって異なります。
- 研究：機械学習の新しい手法を考案する仕事で、多くの場合、博士号が求められます。
- 機械学習エンジニアリング：モデルを学習・評価し、製品に実装します。
- データエンジニアリング：データを収集・整備・保存するための処理基盤を構築します。
- データ分析・データサイエンス：ビジネス上の意思決定を支えるためにデータを解釈します。
これらに関連する職種として、プロダクトマネジメント、セキュリティ、コンプライアンス、技術文書作成などもあります。進学先や専攻を選ぶ前に、職種名だけに頼るのではなく、実際の職務内容を複数読み、求められるスキルを確認することが役立ちます。
需要は慎重に見極める
世界経済フォーラム（WEF）の報告書 Future of Jobs 2025 は、1,000を超える雇用主を対象に調査しています。この版によると、回答者の86%が、2030年までにAIと情報処理が自社を変革すると予想しています。AI・機械学習の専門職は、ビッグデータ専門職、金融テクノロジーエンジニアとともに、増加率が最も高い3つの職種に含まれています。
需要の伸びが最も速いスキルについて、報告書はAIとビッグデータを第1に挙げ、次にネットワークとサイバーセキュリティ、その次にデジタルリテラシーを挙げています。報告書の分析では、AIと情報処理は2030年までに約11,000,000の雇用を生み出し、約9,000,000の雇用を失わせると推計されています。
これらの数値は雇用主の予測を示すものであり、現在募集中の求人件数ではありません。主に示しているのは、一部の業務がなくなり、別の業務が生まれるという変化です。
進学経路を整理する
これらの仕事に至る学びの道筋は、1つではありません。目指す職種によって、一般的な専攻にはコンピュータサイエンス、数学・統計学、ソフトウェア工学・電気工学があり、近年ではデータサイエンスやAIに特化したプログラムもあります。
研究職には通常、博士課程を経て進みます。エンジニアリング職には、コンピュータサイエンスの学士課程で確かな基礎を身につけ、修士課程やプロジェクト経験で補うことで就く場合が多くあります。分析職では、プログラミングの基礎を備えていれば、経済学、社会科学、経営学など、より幅広い専攻の出身者が受け入れられています。
ほぼすべてのプログラムで、線形代数、確率、統計、微積分といった数学の既修要件が設けられています。国を選ぶ前に、これらの既修要件、必修科目、実践的なプロジェクトにどの程度取り組めるかを比較すると役立ちます。同じような学位名でも、内容が大きく異なることがあります。
データサイエンス・AI分野のQS 2026ランキングを読む
2026年3月25日に公表されたQS分野別ランキング（QS World University Rankings by Subject）には、「Data Science and Artificial Intelligence」のランキング表があります。この表の歴史は浅く、2023年に20大学で始まり、その後は毎年規模を拡大してきました。2026年版では201大学が順位付けされており、2025年の104大学から増えています。QSは、この分野を新規ランクイン校が最も多い分野としています。
この拡大により、必ずしも質の変化を反映しない順位変動が生じています。100を超える教育機関が一度に加わると、すでに掲載されていた大学は、何も変わっていなくても順位を下げることがあります。
| QS 2026順位 | 大学 | 国・地域 |
|---|---|---|
| 1 | マサチューセッツ工科大学（Massachusetts Institute of Technology） | 米国 |
| 2 | スタンフォード大学（Stanford University） | 米国 |
| 3 | シンガポール国立大学（National University of Singapore） | シンガポール |
| 4 | 南洋理工大学（Nanyang Technological University） | シンガポール |
| 5 | カーネギーメロン大学（Carnegie Mellon University） | 米国 |
| 8 | ハーバード大学（Harvard University） | 米国 |
| 9 | ケンブリッジ大学（University of Cambridge） | 英国 |
| 10 | 清華大学（Tsinghua University） | 中国本土 |
同率6位の2校は、ここには掲載していません。QSは、シンガポール国立大学が米国外で最上位であること、清華大学がこの表に初めて登場したことを指摘しています。
QSランキング全体の中で位置付ける
AIの表は、2026年版にある55の分野別ランキングのうちの1つにすぎません。QSの数値を引用するイスタンブール工科大学（İstanbul Teknik Üniversitesi）によると、6,273大学が分析対象となり、全分野を通じて1,908大学が順位付けされました。掲載される教育機関の数は、数十校から数百校まで、表によって大きく異なります。
QSは基準値を設けています。ある分野で研究成果量や評価が最低基準に達しない教育機関は、その表に掲載されません。したがって、表に載っていないからといって、その教育機関が該当プログラムを提供していないという意味ではなく、単に順位付けされなかったということです。
この点は、隣接分野であるコンピュータサイエンス・情報システムにも当てはまります。QSはこの分野を、世界で最も多くの教育機関が順位付けされる分野の1つとしています。同じ教育機関でも、コンピュータサイエンスとデータサイエンスの順位は大きく異なる場合があります。比較対象となる教育機関の集まりが同じではないためです。
順位の背後にある評価基準を確認する
QSの分野別ランキングは、学術的評価、雇用主からの評価、論文引用の影響力、h指数を組み合わせています。これらの指標は、主に研究と知名度を測るものです。学部1年次の授業の質、クラスの規模、インターンシップへの参加機会については、ほとんど分かりません。
学士課程では、授業内容、インターンシップの機会、学生が利用できる研究室、教育機関が公表する就職率など、より具体的な情報のほうが重要になる場合が多くあります。博士課程では、大学の順位よりも、研究指導教員や研究室の専門性・研究内容が重要です。
歴史が浅く、急速に規模を拡大しているランキングは、プログラムのウェブサイト、研究者の論文、卒業生の体験談、産業界の提携先一覧など、ほかの情報源と照らし合わせて活用することが有益です。
大学の学位と短期研修を比較する
AIに関する修了証取得プログラムや集中研修は数多くあり、提供者はその成果を強調しています。この記事で参照した情報源では、こうした短期研修の就職可能性について、公表され、比較できるデータは見つかりませんでした。検証できる情報に基づいて判断するほうがよいでしょう。
世界経済フォーラムは、需要の伸びが最も速いスキルの筆頭にAIとビッグデータを挙げています。求められているのはスキルであり、特定の種類の学位ではありません。一方、研究職は引き続き大学院の学位と結び付いており、一部の規制対象職種では、認められた学位が必要です。
短期研修と大学のプログラムを比較する際には、教育機関が公表する基準が最も役立ちます。具体的には、詳細な授業内容、期間、評価対象となるプロジェクトの有無、大学による単位認定、提携雇用主の一覧です。数学の理論的基礎は、使用するツールが変わっても役立ちます。
カナダではどうか
カナダは2017年に汎カナダ人工知能戦略を開始しました。カナダ先端研究機構（CIFAR）は、これを世界初の国家AI戦略としています。この戦略は、モントリオールのMila、トロントのVector Institute、エドモントンのAmiiという3つの国立研究機関を基盤としています。これらの研究機関は近隣の大学と連携し、研究者や大学院生を受け入れています。
この分野のQS 2026ランキングについて、ここではカナダの大学の具体的な順位を挙げていません。執筆時点では詳細なランキング全体を閲覧できなかったためです。順位はQSのウェブサイトで確認できます。
進学経路を調べるために、StudyCanadaでは、トロント大学（University of Toronto）の紹介ページ、モントリオール大学（Université de Montréal）の紹介ページ、マギル大学（McGill University）のコンピュータサイエンスB.Sc.のページ、ウォータールー大学（University of Waterloo）のコンピュータサイエンスプログラムのページを用意しています。各ページには、数学の既修要件と留学生向けの出願条件が記載されています。