AIをめぐる話題は主に生産性の向上に集中しているが、真の可能性はその前段階にある意思決定プロセスにある。
大規模言語モデルは、構造化されたデータソースに加えて、企業の「暗黙知」を統合することができる。
その結果として拡充された知識基盤は、意思決定の改善に活用でき、良い仕事を優れた仕事へと引き上げることができる。
2023年は、生成AIが主流になった年として記憶されることになるだろう。
この技術が私たちの社会意識に与えた影響は、英国の有力辞書コリンズが「AI」を今年の言葉に選んだことに何より明確に表れている。AIを規制する必要性については、その恩恵や経済・雇用への影響とともに、活発な議論が交わされた。
世界経済フォーラムの「未来の仕事に関するレポート2023」では、調査対象企業のほぼ4分の3がAIの導入を計画しており、50%の企業がそれによって雇用が増加すると見込んでいることが明らかになった。当フォーラムの会長であるナタラジャン・チャンドラセカラン氏は、著書『Bridgital Nation』において、AIは2025年までに3,000万人の雇用を創出し、経済成長に大きな推進力をもたらす可能性があると予測している。
当然ながら、AIが経済に与える影響は、スイスのダボスで開催される今後の年次総会における主要なテーマになるだろう。その理由は容易に理解できる。いくつかの予測によれば、2030年までに、インドと中国の生産高を合わせたのに匹敵する経済的な好況がもたらされる可能性があるという。私たちは、生成AIがすでに仕事、生活、ビジネスを再構築している、変革の10年の始まりにいる。ビジネスへの影響に加えて、医療、教育、気候変動の分野でも恩恵をもたらすだろう。
しかし、AIに対して強い関心が寄せられているにもかかわらず、私たちは根本的に重要なものを見落としている。社会の関心は、主に出力の加速を伴う生産性の向上に集まっている。しかし、真の可能性は、その前段階にある意思決定プロセスにある。ここでAIは、人間の能力を補強し、平均的な水準から優れた水準へと引き上げ、初心者を熟練者と同等の能力を持つ存在にすることができる。人間を時代遅れにするのではなく、そうした役割を果たせるのだ。
AIの進化
これについて検討する前に、AIの意味を定義しておこう。その進化は急速であり、拡大する能力によって区分することができる。当初、AIは画像内の物体を識別するといった認識タスクに焦点を当てていた。次の段階では推論が加わり、何が起きているのか、なぜ起きているのか、起こりうる結果は何か、それに対して何をすべきかを分析し、その理解に基づいて意思決定を行うようになった。
最も大きな変革は、生成的または操作的な能力の登場によってもたらされた。その代表例が、GPT、LaMBDA、LLaMAといった大規模言語モデル（LLM）である。これらのモデルは、推論の段階で行われた予測を活用し、意思決定を行い、行動を提案することができる。
LLMは、与えられた情報を超えて推定を行うため、同じ入力に対しても非決定的な応答を生み出す。LLMには、非構造化コンテンツから洞察を引き出す力があり、企業固有のモデルと組み合わせることで、知識の上部構造を構築し、意思決定の速度、有効性、顧客体験を高めることができる。
人間を置き換えるのではなく、補完する
生成AIを最も効果的に活用できるのは、人間を置き換えるのではなく、人間の創造性を補完する分野であることは明らかだ。AIが仕事を奪うのではなく、主に知識の民主化を通じて、人々の仕事の質を高めることになる。これにより、AIによって仕事の水準を引き上げ、既存の知識格差を解消し、世界中の人々の情報へのアクセスを拡大することが可能になる。実際、世界経済フォーラムは、現在から2027年にかけて、AIが純増の雇用創出をもたらすと予測している。
こうした進展に合わせて、従業員の再教育やスキルアップを支援することは企業の責務であるが、そのメリットは誰の目にも明らかである。効率性の向上、そしてそれに伴う多くの場合の生産高の増加は、歓迎すべき副次的効果である。この機会を実現するためには、人材の再教育を最優先事項としなければならない。TCSでは、過去1年間に10万人以上の人材に生成AIの研修を実施しており、業界全体で同様の取り組みが進んでいることを心強く思う。AI時代に対応した人材の育成には、こうした取り組みが不可欠である。
AIファーストの新たな事業アーキテクチャ
今日の知識経済において、企業は、個人またはグループによる意思決定や行動を伴う知識労働を通じて価値を生み出している。機械学習やデータ分析といった従来の技術は、構造化データから情報を抽出するために用いられてきた。しかし、組織には暗黙知も存在する。これは、経験、観察、模倣、実践を通じて得られることが多く、容易に体系化できない非構造化のコンテンツやデータである。
このような暗黙知への依存により、意思決定の説明が難しくなり、意思決定の結果、成果、顧客体験にばらつきが生じる。GenAIや大規模言語モデルは、こうした非構造化コンテンツから洞察を引き出す可能性を秘めている。GPT、LLaMA、オープンソースの代替モデルなどの基盤モデルは「世界的な知識」を備えており、書籍や絵画など、オフラインで存在する一般的な知識を統合することができる。
こうしたモデルを企業固有のモデルや従来のAI/ML技術と組み合わせることで、企業内に知識の上部構造を構築でき、意思決定と行動の速度と有効性を高めることができる。これにより、顧客体験、生産性、人材活用を向上させることが可能になる。これらの技術のより大きな恩恵は、企業の知識をデジタル化し、意思決定や行動における暗黙知への依存を減らすことにある。
これには、各業務に向けて、企業向けに微調整された目的特化型モデルやエージェントを大量に作成することが求められ、それらは知識の上部構造によってさらに強化されることになる。AIは、法務、セキュリティ、データ、コンプライアンス、技術チームなど、事業の様々な部門を巻き込んだ、事業の再定義の取り組みとして捉えるべきであり、知識の上部構造によって変革できる最も価値の高い業務を特定しなければならない。
企業は、コスト、品質、セキュリティ、プライバシーに最適化された、数百から数千の目的特化型モデルによって動く4層のアーキテクチャへの投資が必要になるだろう。この複雑な取り組みは、暗黙知への依存を減らし、卓越した品質の価値を提供し、出力品質のばらつきを減らす大きな機会をもたらす。企業内でこの変革を推進するには、洗練された、よく練られた戦略が必要である。
意思決定を平均から優れた水準へ引き上げる
結局のところ、生成AIは、意思決定プロセスと全体的な効率性を向上させるための、全社的な機会をもたらす。この統合により企業の知識がデジタル化され、暗黙知への依存が減り、生産性と人材活用が向上する。
そして、ここにこそ、現在の公の議論の焦点が的外れになっている。議論はほぼ例外なく「行動」に向けられており、企業の知識をデジタル化し、意思決定や行動における暗黙知への依存を減らす可能性には目が向けられていない。端的に言えば、AIと機械学習の真の価値は、出力の前段階、すなわち意思決定の改善にある。
なぜか?それは、平均的な出力と優れた出力との間のギャップを克服し、より高品質な出力を一貫して実現する助けになるからである。知識の民主化も可能になる。これは多くの分野で成果の向上につながりうる。例えば、経験や時間的制約の違いにかかわらず、医師が患者を診断し治療することを、より一貫して行えるようになることが考えられる。
生成AIを正しく活用し、それが意思決定と創造性をどのように補完できるかに焦点を当てれば、強力な知識の上部構造を解き放ち、意思決定の速度と有効性を高め、顧客体験を飛躍的に向上させることができる。
平均的、あるいは良好な仕事さえも、優れた仕事へと変えること。それこそが、これから訪れる真の機会である。
