CEOとCFOの57%が、自社でAIと自動化の利用を拡大する計画だ。
これは、さまざまな業界で働く人々にとって懸念の種となっている。
しかし、生成AIの真の強みは、人間の専門家の仕事を置き換えるのではなく補強することにある。
発表以来、OpenAIの大規模言語モデル「GPT-3」が11月に公開されて以来、さらにGPT-4が続いて公開されたことで、生成AIのこうした進歩が仕事の未来にとって何を意味するのかについて、多くの不安が生じている。
しかし、生成AIの影響は、GPTによるテキスト生成や、ジャーナリストや作家の仕事に及ぼしうる影響だけにとどまらない。画像生成におけるDALL-E-2、コーディングにおけるCODEX、創薬におけるMegaMoIBARTの影響など、ほんの一例を挙げるだけでも、その範囲は広い。
生成AIの能力を支える主な要素は3つある。
膨大な記憶力とパターン認識能力を備え、遠く離れた概念やアイデアを結び付け、推論を導き出せること。
ローコードまたはノーコードでの利用が可能であり、プログラミングスキルのプレミアムを大幅に下げること。
論理的な裏付けがないこと。膨大な量の学習データに基づいて予測を行うため、仕事への応用には大きな影響がある。
最近のマーサーの調査によると、CEOとCFOの57%がAIと自動化の利用を拡大する計画である。また、ほぼ3分の1が、組織の人への依存を減らすために業務を再設計している。
「マーサーの2022年グローバル人材動向調査」では、今後2年間で自動化によって自身の仕事の進め方が大きく変わると答えた従業員の割合が、44%から71%へと急上昇した。これまでの自動化は主に反復的でルールに基づく業務に影響を与えてきたのに対し、生成AIは量が少なく変動の大きい業務にも影響を及ぼし、一部で指摘されている「創造性の民主化」につながると言われている。作家、研究者、弁護士など多くの職種を含め、数多くの職業の仕事が大きく揺さぶられることになるだろう。
たとえば、生成AIは法律文書を驚くほどの精度で数秒のうちに要約できる一方、パラリーガルは同じ作業に何時間も費やすかもしれない。
しかし、その真の強みは、従業員の仕事を置き換えるのではなく、補強することにある。
仕事の「次」の時代を切り開くためのフレームワーク
書籍『Reinventing Jobs: A 4-step Approach for Applying Automation to Work』では、ジョン・ブードローと私が、技術ではなく仕事を起点とする企業のほうが、人間と自動化の最適な組み合わせを確保しやすいことを示している。そうした企業は、自動化が反復的でルールに基づく業務を最もよく代替できる場面、人間の創造性、批判的思考、共感を補強できる場面、そして新たな人間の仕事を生み出せる場面を見極めている。
どのような仕事のまとまりにも、4つの明確な潜在的な成果がある。
エラーの排除。たとえば航空機のパイロットの仕事の一部がこれに当たる。ミスの結果が重大で、許容できる水準の性能から外れると組織にとって大きなマイナスの価値をもたらす可能性がある場合である。
ばらつきの最小化。たとえば取引処理業務がこれに当たる。目標水準を超えて性能を向上させても価値が生まれない場合である。
生産性の向上。たとえば営業担当者の仕事がその例である。性能の向上が、組織にとっての価値の向上に見合ったものとなる場合である。
ブレークスルーの実現。たとえばデータサイエンスのような高度に創造的な仕事がこれに当たる。性能のわずかな向上が、価値に対して指数関数的に大きな影響を与える場合である。
ロボティック・プロセス・オートメーション（RPA）などの確立された自動化は、ばらつきを減らすことが目的で、リスクに対する許容度が比較的高い業務において、人間の作業を代替するうえで役立つ場合がある。反復的でルールに基づく財務データの分析と統合の業務において、そのばらつきを減らすためにRPAを適用することを検討すべきである。
AIは、生産性の向上やブレークスルーの実現を目指す分析業務を補強するために、長く利用されてきた。たとえば、癌医が大量の特定のデータや画像を学習させた機械学習を用いて、がんの検出精度を指数関数的に高めている例を考えてみよう。これは技術を代替するのではなく、能力を補強し、経験と専門知識のプレミアムを高めるものである。一方、エラーの排除に関しては、特定のデータセット、論理、そして新たなガードレールが整備されるまでは、補強によりて、その後は代替によって、人間のミスの可能性を減らすために自動化が用いられるケースが多く見られる。
生成AIは発展の初期段階にあり、論理的な基盤を欠いているため、誤りが生じやすい場合がある。この問題は、重大な局面でリスクに対する許容度が低い場合、我々は機械の誤りよりも人間のミスに寛容であるという事実によって、さらに深刻になる。リーダーは、この段階の技術をいつ頼るべきか、いつ頼るべきでないかを理解し、人間の仕事において、これらの技術が果たすべき具体的な役割、すなわち代替、補強、創造のいずれであるかを見極めることが不可欠である。生成AIは、生産性の向上を目指す多様な創造的タスクにおいて、補強を通じて知識と創造性を民主化し、従来必要とされてきたスキルのプレミアムを下げる点で最も有用である。また、リスクに対する許容度が高い分野で、ブレークスルーを追求する場面にも役立つ。
同様に重要なのは、人材モデルにおけるその利用がもたらす影響を理解することである。多くの職業が徒弟制度を基盤としていることを踏まえると、次世代の創造者、リーダー、管理者を失わせかねないAIによって、若手人材の仕事を代替したいという誘惑にどう抗うのか。
生成AIの時代に向けた新たなガードレールの整備
この新たな自動化の時代に入るにあたり、企業は、この有望な技術を業務フローに組み込む際に、以下の点を検討すべきである。
業務モデル
新たに登場するAIや自動化を、業務を分析しながら持続可能かつ責任を持って適用するためのツールや規律を備えた業務運営モデルを、どのように構築するのか。
人材モデル
業務によりより多くのAIを段階的に適用していく中でも、十分なスキルのパイプラインを確保する人材モデルを構築できるか。
将来のスキルの育成
AIが広がるにつれ、従業員が意味のある持続可能な仕事を行えるようにすることが極めて重要になる。次の段階の仕事に向けて従業員のリスキリングとアップスキリングをシームレスに進めつつ、業務を自動化して新たな付加価値活動に時間を振り向ける機会をどのように見いだすのか。
マインドセットと文化
AIが創造性のプレミアムを引き下げ続け、アクセスを民主化していく中で、事業モデルと労働力の継続的な再創造をどのように確保するのか。
あわせて、世界経済フォーラム「Future of Jobs Report 2023」をお読みください。
