00:00:00 ハーバードの研究論文の簡単な要約
00:00:32 BCGコンサルタントとのChatGPT-4の研究
00:01:31 生産性へのAIの影響の探求
00:02:31 AIの置換能力と批判
00:03:47 雇用におけるAIの広範な影響
要約
LokadのConor Dohertyは、ハーバードの研究を詳しく調査し、AIが白衣労働者の仕事に与える影響について微妙な効果を明らかにします。758人のコンサルタントを対象にしたこの研究は、特に供給チェーン管理におけるAIの役割を評価しています。AIは特定のタスクでパフォーマンスを向上させることがわかりましたが、特にトレーニングを受けた場合には複雑なシナリオで失敗する可能性があります。ドハティは、AIを人間の労働の補完と見なす研究の狭い視点を批判し、タスクを完全に自動化する可能性を主張し、それによって生産性を革新し、白衣労働の仕事を再定義する可能性に警鐘を鳴らしています。AIの完全な能力に対する過信に警戒し、雇用環境が劇的に変化する可能性があることを警告しています。
フルトランスクリプト
Conor Doherty: ハーバードビジネススクールが発表した研究論文は、AIの生産性および最終的な雇用に与える影響についての洞察を提供することを目指しています。
今日は、以下の3つのことについて見ていきます。1つは、論文の仮説と方法、2つは、論文の主な結果と結論、そして3つは、Lokadの見解です。さあ、始めましょう。
この論文では、AIが複雑で現実的な知識集約型のタスクに与える影響について探求しています。AIはChatGPT-4という大規模な言語モデルでした。
暗黙の仮説は、高度なスキルを持つ専門家のワークフローにAIを導入することで生産性が向上するというものでした。対象となった758人の被験者は、ボストンコンサルティンググループ（BCG）のコンサルタントでした。
研究者は被験者を2つのグループに分け、それぞれに異なるタスクを与えました。1つのタスクは分析スキル、クリエイティブライティング、説得力、ライティングスキルに焦点を当て、もう1つのタスクは定量的および定性的データを組み合わせて問題解決に焦点を当てました。
すべての参加者は最初にAIを使用しないベースラインのタスクを完了しました。その後、被験者は3つのグループに分けられました：AIを使用しないコントロールグループ、AIを使用するグループ、およびAIの最適な使用方法についてのトレーニングを受ける第3のグループ。
被験者は30分から90分の間でタスクを完了する必要がありました。これらのタスクは、高レベルのコンサルティング会社で見られるものに似せて設計されていました。
タスクは同じ難易度で設計されていたにもかかわらず、AIの影響は非常に異なり、研究者たちはこれを「ジャギーな技術のフロンティア」と呼んでいます。
これは、AIがフロンティア内のタスクでは人間のパフォーマンスを大幅に向上させる能力を指しますが、フロンティア外のタスクでは人間のパフォーマンスを低下させる能力を指します。
フロンティア内のタスクでは、AIは生産性を大幅に向上させました。AIを使用した両グループはコントロールグループよりも優れたパフォーマンスを示し、AIの追加トレーニングを受けたグループが全体で最も優れた結果を出しました。
生産性の向上は、初期のベースラインタスクの下位50％でスコアを取った人々に特に効果的であり、AIは低スキル労働者に特に有益である可能性が示唆されました。
ただし、数量と質的分析の組み合わせなどのフロンティア外のタスクでは、AIとトレーニングの両方を受けたグループのパフォーマンスが最も悪かったです。実際、コントロールグループが両方のAIグループよりも優れたパフォーマンスを示し、コントロールグループとAIとトレーニングを受けたグループの間には有意な差がありました。
著者は、フロンティア内のタスクでは、AIが生産性と品質の両方を劇的に向上させ、おそらく人間を置き換えることさえできると提案しています。しかし、フロンティア外のタスクでは、AIの効果ははるかに低い可能性があります。
この論文は非常にわかりやすく書かれていますが、非常に重大な方法論上の欠陥に基づいています。AIの自動化による生産性の向上を探求しておらず、代わりにAIを人間がガイドするような共同パイロットのようなものとして扱っています。
これは非常に欠陥があります。特に、検索増強生成などの他の技術と組み合わせた場合、AIの能力を人為的に制約しています。
AIは、高水準のコンサルティング会社で保持されるようなデータベースから必要な情報を取得してプロンプトを自動的に作成することができます。これにより、単一の人間の出力をはるかに上回り、規模化展開時にははるかに利益が出るでしょう。
答えの品質がコントロールグループと同じくらい良いとしても、大規模な言語モデル（LLM）の非常に低いコストに比べて、単一のハーバード大学卒業生の6桁の給与は非常に高価ですので、それらは劇的に安くなります。
これがAIがサプライチェーンと雇用に与える実際の影響です。規模化展開された数量と質的タスクの自動化による前例のない生産性の向上です。これはおそらく品質の面でも人間を上回り、投資対効果の面でも確実に人間を上回るでしょう。
この明らかなユースケースを無視することで、この論文はサプライチェーンや他の分析的な仕事に対するAIの潜在的な影響にすでに懸念を抱いている人々に対して、虚偽であり、おそらく危険な安心感を提供しています。
