当初は世界経済フォーラムのアジェンダブログに掲載された。
OpenAIのGPT-3大規模言語モデルの11月のリリースとその後のGPT-4のリリース以来、これらの世代的AIの進歩が仕事の未来にとって何を意味するかについて、非常に怒っています。
しかし、ジェネレーティブAIの影響は、テキスト生成に対するGPTの影響や、ジャーナリストや作家の仕事に起こり得る結果だけではありません。これには、DALL-E-2が画像生成に及ぼす影響、コーディングに対するCODEX、創薬に対するMegaMoIBARTなどが含まれます。
ジェネレーティブ AI の能力を支える 3 つの主な要素：
- 遠くの概念やアイデアを結びつけ、推論を引き出す能力を備えた大規模なメモリとパターン認識
- コード要件が低い/ないので、コーディングスキルのプレミアムを大幅に削減
- 大量のトレーニングデータに基づいて予測を行うため、ロジックがないため、アプリケーションが機能する重大な結果をもたらす
最近の Mercerの調査 によると、CEOとCFOの57%がAIと自動化の利用を増やす計画を立てており、3分の1近くが組織による人への依存を減らすための作業を再設計しているという。
Mercerの2022年グローバル人材トレンド調査では、自動化によって仕事のやり方が大きく変わると答えた従業員の割合は、過去2年間で44%から71%に急増しています。しかし、反復的なルールベースの作業に大きく影響した以前の自動化の反復とは異なり、ジェネレーティブAIは、少量の、非常に可変な作業にも影響し、“創造性の民主化”につながります。著者、研究者、弁護士、その他多くの職業を含む多くの職業での仕事は、著しく中断されます。
たとえば、ジェネレーティブ AI は法的な文書を数秒で驚くほど正確に要約できますが、パラリーガルはその作業に何時間も費やします。
しかし、真の強みは、従業員の仕事を置き換えるのではなく、強化することです。
仕事の“次”をナビゲートするためのフレームワーク
人間の仕事と自動化の最適な組み合わせを実現するためのフレームワーク
このチャートの軸値は、パフォーマンスレベルに対してマッピングされた組織値です。縦軸の組織値は、負と正の2つのセグメントに分かれています。グラフの線は、人間と自動化を統合するという目標が4つの異なるシナリオで変化した場合に、組織に加えられる価値のレベルを示しています。
• エラー排除の目標：許容できるパフォーマンスレベルからの逸脱から、組織にとって大きなマイナスの価値が生じる可能性がある
• 差異の最小化の目標：値は一定
• 生産性向上の目標：組織に見合った価値の向上を示す
• 飛躍的進歩を達成する目標：飛躍的な価値向上の可能性を示す
あらゆる仕事に関連する4つの明確な潜在的結果があります。
- 誤りの排除（航空会社のパイロットの作業の一部を思い浮かべてください）。誤りの結果が高く、許容できるパフォーマンスレベルからの逸脱から組織にとってマイナスの価値が著しく生じる可能性がある場合
- 目標レベルを超えるパフォーマンスの改善に価値がない場合、差異を最小限に抑える（トランザクション処理作業を考える）
- 生産性の向上（営業担当者の仕事について考える）。パフォーマンスの向上が組織の価値に見合った改善をもたらす場合
- パフォーマンスのわずかな改善が価値に指数関数的に大きな影響を与えるブレークスルー（データサイエンスなど、非常に創造的な作業について考える）を達成する
ロボティック・プロセス・オートメーション (RPA) のような確立された自動化は、差異を減らし、リスクに対する寛容性がより高い仕事における人間の努力に代わるのに役立ちます。財務データの分析と合成の非常に反復的なルールベースの作業が実行される差異を減らすために、RPA の適用を検討してください。
AI は、生産性の向上や飛躍的な進歩が目標となる分析作業を強化するために長年使用されてきました。がん専門医が、膨大な量の特定のデータや画像に関するトレーニングを受けた機械学習をどのように利用してきたかを検討し、がん検出の精度を飛躍的に向上させました。これは、スキルの置き換えではなく、能力を強化し、経験と専門知識のプレミアムを高めることで実現します。しかし、エラーの排除に関しては、最初はオーグメンテーションによって、その後は特定のデータセット、ロジック、新しいガードレールが開発されるにつれて置換によってヒューマンエラーの可能性を減らすために自動化が使用されることがよくあります。
しかし、ジェネレーティブAIは初期段階にあり、その根底にある論理の欠如を考えるとエラーになりやすい。この問題は、利害が高く、リスクに対する当社の許容度が低い場合、機械のフォールシビリティよりも人為的ミスに寛容であるという事実によって悪化しています。リーダーは、進化のこの段階で、これらのテクノロジーをいつ、いつ頼らないか、そして人間の仕事（置換、増強、創造）で果たすべき特定の役割を理解することが重要です。ジェネレーティブ AI は、拡張を通じて知識と創造性を民主化するのに最も有用であり、生産性の向上を達成し、リスクに対する耐性が高い領域でブレークスルーを模索することが目標である、さまざまな創造的なタスクに必要なスキルのプレミアムを従来から低下させます。
同様に重要なのは、人材モデルへの使用の結果を理解することです。多くの職業が見習いモデルに基づいて構築されていることを考えると、次世代のクリエイター、リーダー、マネージャーを排除する可能性のあるAIでジュニアレベルの人材の仕事を置き換える誘惑にどのように抵抗しますか？
ジェネレーティブ AI 時代の新しいガードレール
-
ワークモデル作業を分析し、新しいAIと自動化を持続的かつ責任を持って適用するためのツールと分野を使用して、どのように作業運用モデルを作成しますか？
-
人材モデル業務にAIを徐々に適用しながらも、十分なスキルパイプラインを確保する人材モデルを開発できますか？
-
将来のスキルの開発AIが普及するにつれ、従業員が有意義で持続可能な作業を確実に行うことが非常に重要です。次の反復作業のために、従業員のシームレスなスキルアップとスキル再教育を確保しながら、タスクを自動化し、新しい付加価値のある活動に時間を割く機会をどのように見つけますか？
-
マインドセットと文化AI が創造性に対するプレミアムを下げ続け、アクセスを民主化する中で、ビジネスモデルとワークフォースの永久的な改革をどのように保証しますか。