データサイエンスが学べる大学の学部学科を紹介！近年、注目される背景も解説
技術が進歩するなかで注目が高まっている職業の一つが、AIやビッグデータを活用して世の中のさまざまな課題を解決へみちびく「データサイエンティスト」。とても魅力的なお仕事だけど、仕事の内容がむずかしかったり、似たような名前の職種もあったりして、実際に「どんなことを学べばなれるのか」「どんな大学や学部・学科に行けばいいのか」と疑問が多い人もいるのではないだろうか。
そこでこの記事では、「データサイエンスが学べる大学」をテーマに、学部選びのポイントや、今のうちに学んでおきたいことについて、わかりやすく解説していくよ！
目次
教えてくれたのは
![]()
佐伯 諭 さん
一般社団法人データサイエンティスト協会・事務局長兼スキル定義委員会副委員長。SIerでデータ分析システム開発エンジニア経験後、外資系金融で金融アナリストに転職。その後、電通にてデジタルマーケティング黎明期からアナリティクス、データサイエンス部門を担当。電通デジタル創業時にはCDOとして組織組成、データ戦略をリード。データサイエンティスト協会創立メンバーの1人。2021年に独立し、協会事務局長、事業会社のCMO、COOなどを兼任。
佐伯 諭 さん
一般社団法人データサイエンティスト協会・事務局長兼スキル定義委員会副委員長。SIerでデータ分析システム開発エンジニア経験後、外資系金融で金融アナリストに転職。その後、電通にてデジタルマーケティング黎明期からアナリティクス、データサイエンス部門を担当。電通デジタル創業時にはCDOとして組織組成、データ戦略をリード。データサイエンティスト協会創立メンバーの1人。2021年に独立し、協会事務局長、事業会社のCMO、COOなどを兼任。
データサイエンティストとは？
データサイエンティストとは、データやAIを駆使し、ビジネスや社会に価値を創り出すプロフェッショナルのこと。大量のデータを分析・解析して、経営戦略や業務プロセスの改善、製品やサービスの開発など、あらゆる場面でビジネス的な価値を高めていく仕事なんだ。
ただ、それだけ聞いても具体的にどんなことをしているのかまでは想像しにくいよね。そこで、より具体的な仕事の内容について、佐伯さんにお話を聞いてみたよ！より詳しく解説している別の記事もあるから、興味があれば読んでみると、より深く理解できるよ！
データを駆使して、あらゆることに最善の結果をみちびく
たとえば、プロスポーツ選手がスマートウォッチを身につけていますよね。あれは装着型デバイスで、選手一人ひとりの運動量や体の動かし方、心拍数や最大酸素摂取量などを計測し、選手の健康状態をリアルタイムで把握しているんです。そこから戦略的に、どんな動きをしたら勝率が上がるのかを考えたり、体の使い方をチェックしてケガの予測を立てたりもできます。
このように、膨大な調査データを解析した結果をもとに、最善の結果が出るようなアクションを起こしていく、その一連の仕事にかかわるのがデータサイエンティストという仕事です。（佐伯さん）
このように、膨大な調査データを解析した結果をもとに、最善の結果が出るようなアクションを起こしていく、その一連の仕事にかかわるのがデータサイエンティストという仕事です。（佐伯さん）
データから「ビジネス価値」を生み出す役割
では、そのデータの価値をビジネスに生かそうとすると、どうなるでしょうか。
もう一つ、例として音楽配信サービスのSpotifyを挙げてみましょう。たとえば、Spotifyが自動で、あなたが気に入りそうな曲を提案したり、プレイリストを作成したりしてくれますよね。あれも、データサイエンティストがAIを活用している例なんです。聴く人の傾向を分析するだけでなく、歌詞やリズム、メロディなど、曲そのものも解析しています。そうして共通する要素を持った曲をおすすめすることで、ユーザー体験の価値が向上し、それが競合との差別化やサービスの継続利用につながったりしているんですね。
ほかにもネットショッピングや、動画配信プラットフォームなど、ありとあらゆる場面で実はデータサイエンスが発揮されているんですよ。（佐伯さん）
もう一つ、例として音楽配信サービスのSpotifyを挙げてみましょう。たとえば、Spotifyが自動で、あなたが気に入りそうな曲を提案したり、プレイリストを作成したりしてくれますよね。あれも、データサイエンティストがAIを活用している例なんです。聴く人の傾向を分析するだけでなく、歌詞やリズム、メロディなど、曲そのものも解析しています。そうして共通する要素を持った曲をおすすめすることで、ユーザー体験の価値が向上し、それが競合との差別化やサービスの継続利用につながったりしているんですね。
ほかにもネットショッピングや、動画配信プラットフォームなど、ありとあらゆる場面で実はデータサイエンスが発揮されているんですよ。（佐伯さん）
データサイエンティストと「AIエンジニア」「データアナリスト」「データエンジニア」の違い
データサイエンティストと混同されやすいのが、「AIエンジニア」「データアナリスト」「データエンジニア」の3つの職業。言葉も似ているし、実際に範囲が重なっている仕事もある。ここからは、これらの3つの職業とデータサイエンティストの違いについて解説していくよ！
データアナリストとの違い
データアナリストとは、さまざまなデータを集めて分析し、それらをもとに企業の課題解決や意思決定を形作っていく仕事をする人のこと。具体的には、売上やユーザー行動などのデータを整理して現状を把握し、改善策を提案したりするんだ。データエンジニアとの違い
データサイエンティストが分析する人だとすると、データエンジニアは、データを分析するための土台となるシステムや環境を作っていく仕事をする人のこと。ネット上のビッグデータや、装着型デバイスのセンサーから収集したデータなど、データにもいろいろな種類があって、大量のデータを正しく安全に扱えるように、技術的に整備・整理したりするんだ。AIエンジニアとの違い
AIエンジニアとは、最先端の技術で人工知能（AI）を開発し、製品やシステムに組み込む仕事をする人のこと。具体的には、大量のデータをコンピュータに学習させることで、目的に沿ったAIモデルを実用可能な状態にまで作り上げていくんだ。データサイエンスの知識や、それをプログラミングする技術力が必要となる。ただし、ここまで解説してきた3職種は、企業や組織の方針で呼び方が変わるケースも多い。特にデータアナリストとAIエンジニアは、データサイエンティストと業務内容や範囲が重なる部分が多く、ほぼ役割は同じだけど呼び方が違うこともあるんだって。
データサイエンス学部・学科がいま、増えている
近年、日本ではデータサイエンス学部・学科を新設する大学が増えている。その背景には、AI技術の発展やビッグデータの増加に対して、圧倒的にデジタル人材の数が社会的に不足していることが挙げられる。こうした状況を踏まえて国も対策を実施していて、デジタル分野の学部を設置する大学に対しては、国が助成や支援を行っているんだ。そういった背景から、ここ数年で新設される学部が急増しているんだよ。
2025年に学部・学科が新設された大学一覧
日本で初めてデータサイエンス学部を設置したのが、滋賀大学で2017年のこと。以来、2018年に横浜市立大学、2019年に武蔵野大学……という感じで、続々とデータサイエンス学部・学科を新設する大学が増えているんだ。以下は、2025年に新設されたデータサイエンス・情報系の学部・学科の一覧。今後も多くの大学で新設されることが予定されていることがわかる。
また、2026〜2028年度で学部新設が予定されている大学も数多くあるので紹介しておこう。
データの出典元：データサイエンス百景「2026〜2028年度開設予定｜情報系／データサイエンス学部・学科まとめ」
データサイエンティストを目指せる大学を探す
データサイエンス学部は、文系？理系？
データサイエンス学部・学科で学ぶ内容には、数学・統計学・プログラミングなどもあれば、社会学や経営学的な知識も含まれる。つまり、理系、文系どちらも必要な文理融合型の学問なんだ。また、佐伯さんにも聞いてみたところ、「協会の会合などでデータサイエンティストが集まると、およそ8割の人が理系」とのこと。だけど、決して「文系だからなれない」ということではない。文系であっても必要なことを学び、スキルを身につけていれば十分に目指せるよ。データサイエンティストを目指すときの進学先
ここでは、それぞれに進学した場合について解説しよう。
大学へ進学する場合
データサイエンティストになることを目指して大学進学する場合は、主にデータサイエンス学部・学科、情報科学・情報工学系の学部・学科、経営学・経済学系の学部・学科などを選択するのがおすすめだ。これらの学部・学科では、情報の扱い方や、統計学、経営学などデータサイエンティストに必要な知識を基礎から学べるし、ゼミなどではより実践的なワークや研究にも触れられる。将来のキャリアとしてデータサイエンティストを目指したい人には、最もストレートな道筋といえるだろう。データサイエンティストを目指せる大学を探す
専門学校へ進学する場合
専門学校に進学する場合は、大学卒業よりもいち早く社会に出て、データサイエンティストとしての経験を積めることが一つの強みだといえる。「データサイエンス」以外にも専門学校ごとにさまざまなコースがあり、場合によっては特定の分野に特化した内容を学ぶことになる。たとえば「データ分析」「AI・機械学習」「プログラミング」などのコースに入学すれば、関連知識を学ぶことができる。ただし、場合によっては知識やスキルが部分的になることがある。どんなことを学ぶのか、事前にしっかり調べて学校を選ぶようにしよう。また、データサイエンティストには必要資格などはないので、専門学校を卒業＝資格取得でないことにも注意。あくまで知識・スキルの習得のための進学だと、覚えておこう。
データサイエンティストを目指せる専門学校を探す
大学院には行くべき？
一概にいえないが、たとえば一部の最大手企業研究所や、製薬会社の創薬研究などへの就職を目指す場合には、大学院に進学したほうがいいケースが多い。それらのポジションでは、より高度な研究プロセスを遂行する能力や、最新の論文を読み解くスキルが求められるからだ。逆にいえば、そのほかのビジネスシーンでは大学院卒でなくても十分に活躍できる。むしろ、最近の傾向では「Pythonでの実務経験3年以上」「SQLを用いたデータ抽出経験」など、より実務的な経験を持つ人材を求めている企業が多い傾向があり、社会に出て経験を積むのも一つの手だ。最終的に「どんな形、場所で活躍したいのか」というイメージを具体的に持っておくと、大学院進学の判断がしやすくなるよ！
大学で学べるデータサイエンスとは？
データサイエンス学部・学科では、データサイエンティストになる上で、基礎知識や必須スキルを学習・習得していくカリキュラムが用意されています。ここではデータサイエンス学部・学科で学ぶことを、「データサイエンティストに必要な力」という切り口で解説してみましょう！
■統計学・数学
多くのデータの中から傾向や特徴を見つけ出し、それを客観的に判断して現状を把握したり、未来を予測したりするための学問。データサイエンスの基礎的な力で、物事を考える土台そのもの、ともいえます。たとえば、スポーツ選手の身体の動きのデータで考えると、“スゴい潜在能力を持っている人”を見極められるようになれば、その人をチームに獲得しようと意思決定したり、試合に勝つ確率も上がりそうですよね。結果、興行収入が増えたりすれば、ビジネス的にも良い結果になります。“スゴい”かどうか？というのはいろいろな人たちのデータの分布と見比べて判断するわけですが、その時に統計学や数学の知識が必要です。それに、統計学や数学を学ぶと、物事を数字で裏付け、それを説明する論理思考力なども身につきます。これはビジネスパーソンとしてもとても重要なスキルなんです。
■プログラミング・情報技術
データエンジニアリングの基礎的な力です。センサーデータをはじめ、今社会には情報が爆発的に増えており、付随して、要領よくプログラミング・コーディングするスキルも重要度が増しています。「AIの力を借りればいい」と考える方もいますが、基礎的なプログラミングの考え方が身についていないと、間違いを見つけたり本質的な解決ができるスキルが身につかないので、確実に身につけておいたほうがよいといえるでしょう。
■データ分析・機械学習
さまざまな要因によって起きている現象や状態、その複雑な構造を読み解く力です。データ分析力があれば、自分自身で分析できますし、機械学習の力が備わっていればより複雑な構造も理解することができます。AIの力を存分に引き出し、ビジネス課題を解くためには必須のスキルであり、今後のデータサイエンスを握っている、重要なスキルだといえます。（佐伯さん）
■統計学・数学
多くのデータの中から傾向や特徴を見つけ出し、それを客観的に判断して現状を把握したり、未来を予測したりするための学問。データサイエンスの基礎的な力で、物事を考える土台そのもの、ともいえます。たとえば、スポーツ選手の身体の動きのデータで考えると、“スゴい潜在能力を持っている人”を見極められるようになれば、その人をチームに獲得しようと意思決定したり、試合に勝つ確率も上がりそうですよね。結果、興行収入が増えたりすれば、ビジネス的にも良い結果になります。“スゴい”かどうか？というのはいろいろな人たちのデータの分布と見比べて判断するわけですが、その時に統計学や数学の知識が必要です。それに、統計学や数学を学ぶと、物事を数字で裏付け、それを説明する論理思考力なども身につきます。これはビジネスパーソンとしてもとても重要なスキルなんです。
■プログラミング・情報技術
データエンジニアリングの基礎的な力です。センサーデータをはじめ、今社会には情報が爆発的に増えており、付随して、要領よくプログラミング・コーディングするスキルも重要度が増しています。「AIの力を借りればいい」と考える方もいますが、基礎的なプログラミングの考え方が身についていないと、間違いを見つけたり本質的な解決ができるスキルが身につかないので、確実に身につけておいたほうがよいといえるでしょう。
■データ分析・機械学習
さまざまな要因によって起きている現象や状態、その複雑な構造を読み解く力です。データ分析力があれば、自分自身で分析できますし、機械学習の力が備わっていればより複雑な構造も理解することができます。AIの力を存分に引き出し、ビジネス課題を解くためには必須のスキルであり、今後のデータサイエンスを握っている、重要なスキルだといえます。（佐伯さん）
データサイエンス学部・学科で学ぶメリット
-基礎から体系的に学べる
-実践的な演習や研究ができる
-最新の知識や技術に触れられる
-人材不足の領域で、社会に求められる人材になれる
それぞれのメリットについて、佐伯さんに詳しく聞いてみよう！
基礎から体系的に学べる
データサイエンスに限ったことではありませんが、大学のカリキュラムでは体系化された学問を基礎から学ぶことができます。データサイエンティストになるためには、さまざまな学問を横断的に学習する必要があります。独学だとその知識が偏ったり抜け漏れが出てしまいますが、データサイエンス学部であれば必要な知識・スキルを総合的に身につけられます。（佐伯さん）
実践的な演習や研究ができる
データサイエンスは、社会課題を解決する「実学」です。大学では、教科書だけでなく、現実のビジネス現場に近い学びが充実していて、特にデータサイエンス学部や学科の2年次以降は、現役の企業で働くデータサイエンティストによる講義や、企業との「共同研究」の機会が多々あります。実際に社会で使われている「生きたデータ」を使って課題解決に挑む経験の積み重ねは、卒業後に即戦力として活躍するための強力な武器になります。（佐伯さん）
最新の知識に触れながら学ぶ
先述の「実践的な演習や研究ができる」とも少し重複しますが、最近では1〜2年の講義から実際にビジネスシーンで活躍するデータサイエンティストの方の話が聞けたり、3〜4年になると企業研究などをゼミで実施している大学も多くあります。そのため、実際のビジネスシーンに即した、現在のトレンドなどをキャッチすることができます。（佐伯さん）
社会に求められる人材として成長できる
日本では、デジタル人材（デジタル技術を活用して、企業や社会に新しい価値を生み出す人材）の高まる需要に合わせて、より多くのデジタル人材を育てる目標を国が掲げています（2026年度の目標値で230万人）。「超高齢化社会がやってくる」と言われているなか、農林水産領域の自動化や、医療・介護の現場の効率化など、より明るい未来を創り出すためにはデータサイエンティストは絶対に必要な人材です。ですが、数が圧倒的に足りていないのが実情です。また、急速に普及が始まっているAIを企業のなかで実装する人材としてのデータサイエンティストの活躍も期待されています。今後、フィジカルAIといわれるロボットのようなAIの時代になるでしょうから、その時に一層ニーズが高まることが見込まれます。
大学では、実際に社会やビジネスで役立つ知識やスキルだけでなく、社会的背景やデータサイエンスの意義も学ぶことができます。社会に即した自分たちの役割を学ぶことで、「どのように貢献していくのか」というビジョンも明確になりやすいでしょう。（佐伯さん）
大学では、実際に社会やビジネスで役立つ知識やスキルだけでなく、社会的背景やデータサイエンスの意義も学ぶことができます。社会に即した自分たちの役割を学ぶことで、「どのように貢献していくのか」というビジョンも明確になりやすいでしょう。（佐伯さん）
大学でデータサイエンスが学べる学部・学科
-データサイエンス学部・学科
-情報科学・情報工学系の学部・学科
-経営学・経済学系の学部・学科
それぞれの学部・学科で学ぶことが、どのようにデータサイエンティストに生きてくるのか、佐伯さんに教えてもらったよ！
前提として、これから解説するデータサイエンス系、情報科学・情報工学系、経営学・経済学系の学部・学科以外を卒業したとしても、データサイエンティストにはなれないわけではありません。あくまで、学ぶことがデータサイエンティストの領域に近いというだけです。データサイエンティストにはさまざまな知識や思考力が必要になるため、どんな学部・学科で学ぶことも、役に立つケースが多々あります。学部を選択するときには、「こうじゃなきゃ」と視野を狭く考えるよりも、広く社会を見渡すことを意識するほうが、結果的にデータサイエンティストとしての視点も養われますよ。（佐伯さん）
データサイエンス学部・学科
一般的にデータサイエンス学部では、データサイエンティストに必要な、ビジネス力、データ分析力、エンジニアリング力という3つの力を、理論と実践の両面から総合的に学びます。そのため、データサイエンティストを目指す人にとっては、将来のキャリアに直結した内容が学べるといってもいいでしょう。
統計やプログラミングを基礎から学べるのはもちろん、多くの大学で取り入れている「PBL（課題解決型学習）」も大きな魅力の一つ。実際の企業のデータを使って課題を数理的に整理し、解決策を提案する実践的な授業で、社会に出てからも生きるとても大きな経験となります。（佐伯さん）
統計やプログラミングを基礎から学べるのはもちろん、多くの大学で取り入れている「PBL（課題解決型学習）」も大きな魅力の一つ。実際の企業のデータを使って課題を数理的に整理し、解決策を提案する実践的な授業で、社会に出てからも生きるとても大きな経験となります。（佐伯さん）
情報科学・情報工学系の学部・学科
一般的に、情報科学・情報工学系の学部・学科では、データサイエンティストに必要な3つの力のうち、よりエンジニアリング力に特化した内容を学んでいきます。大量のデータを高速に処理するアルゴリズムや、データベースの仕組みを構築するための知識など、ただAIや分析モデルを作るだけではなく実際に動くシステムとして構築・実装できる力が身につきやすいといえるでしょう。
実際の採用現場でも、情報科学・情報工学系の学部・学科出身者であると「エンジニアリング力」を期待される傾向が強く、データサイエンティストとしてさまざまな現場に対応できる実装力が求められるケースが多いようです。（佐伯さん）
実際の採用現場でも、情報科学・情報工学系の学部・学科出身者であると「エンジニアリング力」を期待される傾向が強く、データサイエンティストとしてさまざまな現場に対応できる実装力が求められるケースが多いようです。（佐伯さん）
経営学・経済学系の学部・学科
一般的に、経営学・経済学系の学部・学科では、データサイエンティストに必要な3つの力のうち、よりビジネス力に特化した内容を学んでいきます。マーケティング、会計・ファイナンス、ミクロ・マクロ経済学といった、企業や市場活動のメカニズムそのものを学びます。
「売り上げを構成する要素は何か」「消費者はどう行動するか」といった、よりビジネスとして根源的な知識を身につけていくことができます。データサイエンティストとしては、数字の羅列から「ビジネスとしての意味」を読み解き、意義や目的を捉えた的確な課題設定ができる力が付いていくといえるでしょう。（佐伯さん）
「売り上げを構成する要素は何か」「消費者はどう行動するか」といった、よりビジネスとして根源的な知識を身につけていくことができます。データサイエンティストとしては、数字の羅列から「ビジネスとしての意味」を読み解き、意義や目的を捉えた的確な課題設定ができる力が付いていくといえるでしょう。（佐伯さん）
大学か専門学校で迷ったときは？
大学ではデータサイエンスだけでなく、ほかの領域の学問知識も広がる
データサイエンスについて基礎から深くじっくり学びたい、データサイエンスだけでなくほかの学問領域にも興味があるなどの場合や、より広範囲の仕事を行うデータサイエンティストになりたい場合は、大学進学がおすすめ。大学では、技術習得の機会は専門学校と比べて少ないが、基礎となる理論や関連するほかの領域にまたがることも広範囲で学べる。また、「学士」という学位が与えられることも踏まえて、将来の可能性や採用先の選択肢は大学のほうが広がりやすいといえるかもしれない。
データサイエンティストを目指せる大学を探す
短期間で実践的な技術を学びたいなら専門学校
より現場に即した実践的な技術やスキルを短期間で習得したい、早く社会に出て働きたいというなら、専門学校という選択肢もアリ。データサイエンティストを目指せる学校やコースは、2〜4年制と広く設定されており、思い描くキャリアプランに応じて柔軟に選べる。専門学校の場合は「専門士」、4年制の学校を卒業すれば「高度専門士」といった称号が与えられる。
データサイエンティストを目指せる専門学校を探す
オープンキャンパスや体験入学を利用する
大学と専門学校、どちらがいいか決めかねている場合には大学のオープンキャンパスに参加してみたり、専門学校の体験入学を利用してみるのもおすすめだ。特に専門学校では、年に何度も体験入学の機会を設けていることが多いので、積極的に参加してみよう。オープンキャンパス・体験入学を探す
データサイエンティストになるために高校生からできること
最後に、佐伯さんからもみんなにアドバイスをいただいたよ！
データサイエンティストを目指すにあたって、もちろん大学や専門学校などで基礎知識から実践的なスキルまでを身につけることはとても大事です。でも、もしデータサイエンティストを目指すなら、私から皆さんには「変化を楽しめる人になろう」ということを伝えたいです。
下の図は、学生時代に意識的に活動しておくことで、将来の自分に返ってくる素養を図で表現したものです。
![]()
まず、大学や専門学校でしっかりと「リベラルアーツを学ぶ」をやり切ってください。この不安定な時代に、歴史や文化から今を読み解くことや自然科学の様々な現象を理解することで、人間が引き起こす課題や環境との関わり合いを学んでおくことは何よりも大事です。また、それと同じくらい、自分なりに経験をためて五感を使って世界を知り、人間ならではの感覚を研ぎ澄ませたり、友人と語り合ったり、心を豊かにしておくこともすごく大事です。最後に、常にちょっと先のことにアンテナを立てておく癖をつけることで、新しいことを試す柔軟な行動力や探求心の源泉になると思います。
そして、それらは大学や専門学校で教えてくれることではなく、自分がみずから選び取っていかなければいけません。迷いながらでもなんでもいいので少しずつ自分のペースで歩んでいくことで、結果、「変化を楽しむ人」になると、これからの社会で楽しみながら自分の人生をまっとうする人になれる、と私は考えています。
データサイエンティストの世界は、トレンドの移り変わりも早く、今だと2週間も経てばどこかで最新の技術が登場するなどしています。AIが本格的に使われ始めれば、今後その傾向はますます加速するでしょう。データサイエンティストを目指したいという方は、日々、変化と進化を続ける世界を最先端で走り続けるためにも、「変化を楽しむ」という気持ちを、ぜひとも大事に育てていってください。
下の図は、学生時代に意識的に活動しておくことで、将来の自分に返ってくる素養を図で表現したものです。
まず、大学や専門学校でしっかりと「リベラルアーツを学ぶ」をやり切ってください。この不安定な時代に、歴史や文化から今を読み解くことや自然科学の様々な現象を理解することで、人間が引き起こす課題や環境との関わり合いを学んでおくことは何よりも大事です。また、それと同じくらい、自分なりに経験をためて五感を使って世界を知り、人間ならではの感覚を研ぎ澄ませたり、友人と語り合ったり、心を豊かにしておくこともすごく大事です。最後に、常にちょっと先のことにアンテナを立てておく癖をつけることで、新しいことを試す柔軟な行動力や探求心の源泉になると思います。
そして、それらは大学や専門学校で教えてくれることではなく、自分がみずから選び取っていかなければいけません。迷いながらでもなんでもいいので少しずつ自分のペースで歩んでいくことで、結果、「変化を楽しむ人」になると、これからの社会で楽しみながら自分の人生をまっとうする人になれる、と私は考えています。
データサイエンティストの世界は、トレンドの移り変わりも早く、今だと2週間も経てばどこかで最新の技術が登場するなどしています。AIが本格的に使われ始めれば、今後その傾向はますます加速するでしょう。データサイエンティストを目指したいという方は、日々、変化と進化を続ける世界を最先端で走り続けるためにも、「変化を楽しむ」という気持ちを、ぜひとも大事に育てていってください。
取材・文／郡司しう 取材協力・監修／佐伯諭 構成／寺崎彩乃
※2025年10月の取材に基づいています。
