生成AIが時間節約ではなく作業量増加

生成AIの両刃の剣

生成人工知能（AI）ツールは、しばしば時間節約や生産性向上の手段として宣伝されています。これらのツールは確かにコードの実行やレポートの生成を迅速に行うことができますが、落とし穴があります。大型言語モデル（LLM）の開発と維持に必要な裏方の作業は、最初に節約された時間よりも多くの人的努力を必要とする可能性があります。さらに、多くのタスクはAIの重装備を必要とせずに、もっと簡単な自動化方法で効率的に処理できる可能性があります。

ペンシルベニア大学ウォートン校の経営学教授ピーター・カペリは、最近のMITのイベントでこれらの見解を共有しました。彼は、より広い視点で見ると、生成AIとLLMは軽減するよりも多くの作業を生み出す可能性があると主張しています。これらのモデルは実装が複雑で、カペリは「生成AIができる多くのことは、実際には必要ないことが多い」と指摘しました。

AIの誇大広告と現実

AIはしばしば革新的な技術として称賛されますが、カペリは技術業界の予測が過度に楽観的であると警告しています。「実際、仕事に関する技術予測のほとんどはこれまで間違っていました」と彼は述べました。彼は、2018年までには広く普及するとされていた自動運転トラックや車がまだ完全に実現していない例を挙げました。

技術主導の変革の壮大なビジョンは、実際の課題にしばしばつまずきます。自動運転車の支持者は、これらの車両が「できること」に焦点を当て、必要な規制の承認、保険の問題、ソフトウェアの複雑さに対処しませんでした。カペリはまた、トラック運転手が運転以外のさまざまなタスクを行っているため、自動運転への移行が複雑になると指摘しました。

ソフトウェア開発とビジネスにおける生成AI

ソフトウェア開発やビジネス運営に生成AIを適用する際にも同様の複雑さが生じます。カペリは、プログラマーがコーディング以外の活動、例えばコミュニケーションや予算交渉にかなりの時間を費やしていると強調しました。「プログラミングの側面でも、すべてが実際のプログラミングではない」と彼は述べました。

AI主導のイノベーションの約束は魅力的ですが、その実装は現実の障害に直面します。生成AIの労働節約や生産性の利点は、LLMやアルゴリズムをサポートするために必要な広範なバックエンド作業によって影を落とされる可能性があります。

AIによって生み出される新たな仕事

カペリによると、生成AIと運用AIの両方が新たなタスクを導入します。「データベースを管理し、資料を整理し、競合するレポートの有効性やその他の問題を解決する必要があります。これにより多くの新しいタスクが生まれ、誰かがそれを行う必要があります。」

運用AIも長い間存在していますが、進化し続けています。カペリは、数値データを使用した機械学習が十分に活用されていないと指摘し、その一部はデータベース管理の課題によるものだと述べました。「データを分析できるようにまとめるだけでも多くの労力が必要です。データは異なる組織の異なるサイロにあり、政治的にも技術的にもまとめるのが難しい。」

生成AIとLLMの採用における課題

カペリは、生成AIとLLMの採用におけるいくつかの障害を特定しました：

• 多くのタスクにとって過剰：「大型言語モデルができることはたくさんありますが、おそらく必要ないことが多い」と彼は述べました。例えば、ビジネス文書は潜在的な使用例ですが、その多くはすでに定型文や基本的な自動化で処理されています。「定型文はすでに弁護士によって承認されており、大型言語モデルで書かれたものはおそらく弁護士に見てもらう必要がある。それでは時間節約にはなりません。」
• コストの増加：カペリは、単純な自動化をAIに置き換えるとコストが増加する可能性があると警告しました。「大型言語モデルが現在ほど安価であるかどうかは明らかではありません。利用者が増えると、コンピュータのスペースが増え、電力需要も大きくなります。誰かがその費用を負担しなければなりません。」
• 検証の必要性：生成AIの出力は、メールのような簡単なタスクには適しているかもしれませんが、より複雑なレポートでは検証が重要です。「重要なことに使うなら、それが正しいことを確認する必要があります。それが正しいかどうかをどうやって知るか？専門家がいて、独立して検証でき、トピックについて知識がある人がいると役立ちます。ハルシネーションや奇妙な結果をチェックし、最新であることを確認するために。」
• 情報過多：レポートや出力の生成が簡単なため、時には矛盾する膨大な情報が生まれます。「レポートや出力を生成するのがかなり簡単なので、より多くの応答を得ることになります」とカペリは述べました。彼はまた、LLMが同じプロンプトに対して異なる応答を生成する可能性があり、信頼性の問題を提起すると指摘しました。「これは信頼性の問題です。レポートで何をしますか？自分の部署を良く見せるレポートを生成して、それを上司に渡すのです。」
• 人間の意思決定：人々はしばしば直感や個人的な好みに基づいて意思決定を好み、機械が影響を与えるのは難しいです。カペリは、AIが採用などの意思決定を支援できる場合でも、人々は直感に従う傾向があると指摘しました。「機械学習はすでにそれを行うことができます。モデルを構築すれば、すでに意思決定を行っているライン・マネージャーがそれを使いたがらないことがわかります。」

近期的潜在用途

これらの課題にもかかわらず、カペリは、生成AIをデータ選別や意思決定プロセス支援に使用する可能性を見ています。「現在、分析できていないデータを洗い出しています」と彼は述べました。「それは私たちが行うよりもはるかに優れています。」それと同時に、データベースの管理やデータ汚染の問題への対処が引き続き重要なタスクとなります。