C-2023-001-1J
スタンフォード大学 アジア・米国技術経営研究センター長
リチャード・B・ダッシャー
| 1. はじめに――AIと生成AIを理解する 2. 生成AIが雇用に与える影響 3. 新たなツールを利用する――生成AIによって仕事の内容はどう変わるのか 4. おわりに |
1．はじめに――AIと生成AIを理解する
近現代史は、一部時間的に重複するものの、4度にわたる産業革命の連続と見ることができる（Schwab 2015, 2016, and elsewhere）。産業革命とその影響は、これまでさまざまな形で説明がなされてきたが、そこには図表1に示すようなパターンが見られる。
第三次・第四次産業革命は、すでに私たちの日常生活のみならず、経済・政治・社会制度にも大きな影響を及ぼし始めている。そうした中、データプライバシーの問題や、ロボットが上司になるのではないかといった懸念が頻繁に報道され、人間によるガバナンスが不十分である場合には、第三次・第四次産業革命が危険な方向に進む可能性があることも明らかになっている。その一方で、日本の文部科学省が2016年に発表した「Society 5.0」のコンセプト、およびこれに関する後続の研究（Deguchi and Kamimura 2020, Guarda 2023など）は、産業革命を人間中心の社会の実現につなげ、「超スマートな」情報通信技術（ICT）から大きな利益を得るための代替モデルを提示している。本稿では、新たなICTツールである生成AIが、人間にとって重要な要素である仕事に及ぼす影響を検証し、この革命的な変化からポジティブな結果を得るにはどのような条件と対応が求められるのかを分析する。
図表1：4つの産業革命
図表1に示した通り、人工知能（AI）は第四次産業革命の主要なコア技術の1つである。AIは、分析から新たなインサイトを導き出したり、自動化を図ったりするなど、デジタルデータを処理して新たな価値を生み出すためのツールである。そこには汎用技術の特徴である広範性（複数の産業に適用される）、拡張性（技術的にさらに改良される）、イノベーションの相互補完性（汎用技術におけるイノベーションが川下の技術における研究開発の生産性向上をもたらす）が見られる（Bresnahan and Trajtenberg 1992［1995］）。そのためAIは社会や産業のさまざまな側面に持続的かつ多大な影響をもたらすと予測されている。
汎用技術が広範囲に影響を及ぼすようになるまでには比較的時間がかかることもある。例えば液体燃料を用いる内燃機関が発明されたのは1872年だが、自動車が社会に大きな影響を及ぼし始めたのは、1908年にヘンリー・フォードがT型フォードを世に送り出した後だった。しかも自動車が米国で本格的な影響力を持つに至ったのは、自動車と自動車ビジネスにおける継続的なイノベーションだけが理由ではない。自動車以外の産業、特に石油採掘・精製業の発展と、1960年代まで続いた舗装幹線道路の米国全土への拡大もまた大きな役割を果たした。
AIも同様で、その研究は1940年代のアラン・チューリングまでさかのぼる。「人工知能」（artificial intelligence）という言葉がジョン・マッカーシーによって生み出されたのは1955年、翌1956年夏にはダートマス大学の会議で使用されている（Moor 2006, Haenlein and Kaplan 2019, and elsewhere）。当時AIは、人間の脳が事実、知識、論理的思考を表現し処理する方法を模倣するためのコンピューターによるアプローチを指していた。人間の脳の機能をコンピューターシステムに変換する研究は、ニューロモルフィック・コンピューティングと呼ばれ、現在も行われている。だが1990年代になると、必ずしも人間の情報処理の仕方を模倣しない技術を用いた「知識発見」アルゴリズムが出現し、AI研究はその方向を大きく変えることになる。現在、AIのアルゴリズムには「決定木」「サポートベクターマシン」「クラスタリング」「ロジスティック回帰」「ニューラルネットワーク」といった、さまざまな数学的あるいは統計的モデルが、問題の種類に応じて用いられている。アルゴリズムが人間の脳による問題の処理方法を反映したものであるかどうかは関係ない。今ではAIは「人間と同等レベルの知能が必要だと考えられていたタスクをコンピューターによって行うこと」と定義されている（Britannica Online参照）。
コンピューターのメモリと処理の性能が飛躍的に向上し、コストが下がったことで、AIの使用は実用的なものになった。クラウドコンピューティングの台頭によって、1台のコンピューターに保存されるよりも大規模なデータセットの分析が可能になったことも、AIの実用化に大きく寄与している。AIの学習方法の1つであるディープラーニング（あるいはディープニューラルネットワーク）の進展とともに、AI実用化の歴史において特に重要な出来事が起こったのは、2010年から2015年頃にかけてのことだ。例えば、スタンフォード大学が2010年から2017年まで毎年実施していた画像認識コンテストにおいて、ディープラーニングを用いた複数のチームが、エラー率を2010年の25％から16.4％（2012年）、さらに2.3％（2017年）まで減らした（Council of Economic Advisors 2022）。また、同じくディープラーニングを用いて、2016年、グーグル社の囲碁AI「アルファ碁」は、世界トップの人間の棋士に4勝1敗で勝利した（同p.6）。この頃から商用ソフトウエア開発でAIの利用が急速に広がり、深層強化学習などの新たなアルゴリズムも数多く登場した。それに伴い、米国では2010年以降、AIのプログラミングやアプリケーションに関するスキルを条件とする求人が大幅に増えている（図表2参照）。
図表2：AI関連の求人数
AIは、モデルとの類似点と相違点から、入力データに見られるパターンと関係性を見いだし、分析して結果を出力する。AIモデルは、アルゴリズム、および学習用データセットに適用された変数と関係性の重み付けで構成される。したがって、AIの開発プロセスは、学習データの選択と準備（タグ付けまたはその他の分類）と、アルゴリズムの選択と重み付け（モデルの選択）から始まる。続いて対象となるデータ群にAIを適用する。いわゆる「推論（inference）」と呼ばれるフェーズである。図表3で示す通り、AIの機能は、単純なパターンの検出から、より複雑な分析、さらには提案や自動応答の生成にまで及ぶ。機械学習は全てのAIに共通するものであり、AIは自らが行った全ての推論から学習するため、精度は向上し続ける。
図表3：AIの機能の分類
検知・検出を行うAIの例としては、サイバーセキュリティー上の脅威の検知や顔認証などが挙げられる。また、より深いレベルの分析を行うプログラムには、自然言語解析や画像分析（画像内の人間の感情の予測など）がある。人間のユーザーに対して提案を行うのは、投資ポートフォリオ管理アプリや、予測分析を用いた設備保全計画作成プログラムだ。さらに応答生成や自動化に関するAIには、クレジットカード決済承認プログラム、インテリジェントロボット、自動運転車などがある。
生成AIは、自動化のレベルにあるAIの一種である。単に分析によるインサイトを提供するだけでなく、推論（inference）を元に新たなデータを生成する。成果物はモデルと過去の推論（inference）に基づいて予測されたパターンに一致するが、新たに生成されたものだ。つまり生成AIは、自動運転車と同じように機能しているといえる。自動運転車は、運転ルールに基づき、地図データと経路決定のアルゴリズムを用いながら走行環境をリアルタイムで分析して、指定された目的地を目指す。たとえそれが一度も行ったことがない場所であってもだ。
図表4は、画像生成AI「DALL-E」に「茶色と白の犬と一緒に川沿いでAIについて学ぶエコノミストとコンピューターサイエンティストの多様性あるグループ（の画像を作成せよ）」という指示を与えた結果、生成された画像である。いずれの画像も既存の写真ではない。モデルによる予測――コンピューターサイエンティストとエコノミスト、茶色と白の犬がさまざまな組み合わせで川岸に集まったらどうなるか――に基づいて、AIが自動で生成したものだ。この例では、AIは与えられたタスクに合うような画像をいくつか提示して、ユーザーに選択肢を与えている。
図表4：生成AIの成果物の例
生成AIは、米国のOpenAI社が開発した対話型AI「ChatGPT」の急速な普及に伴い、大きな注目を集めている。ChatGPTは2022年11月30日の公開から2ヶ月間で1億回以上ダウンロードされた。現在、一般に利用可能な生成AIは数多く存在するが、そのうち利用者が多い生成AIのカテゴリーと人気の高いツールを図表5に示す。
図表5：代表的な生成AI
Bloombergは2023年6月、生成AI市場の今後10年間の年平均成長率（CAGR：Compound Annual Growth Rate）は42％、市場規模は2032年までに1兆3,000億ドルに達すると予測した。
現在、生成AIが成功を収めているのは、自然言語処理や画像分析の技術が進歩した結果、成果物が人間にとって非常に自然に感じられるものになったことが理由の1つとして挙げられる。ただし生成AIは人間と同じように物事を認識しているわけではない。生成AIの出力は、過去の推論（inferencing）を含むAIモデルから得られる、ルールに制約された確率に基づいたものなのである。例えばChatGPTなどの対話型AIは、AIモデルが分析した膨大な量のデータに繰り返し現れたパターンに基づいて、次に最も来そうな単語を予測する。生成する回答の内容を、少なくとも人間と同じように理解しているわけではない。人間は時にタスクとは無関係の網羅的な知識を用いて予想外の回答を作り出したり、与えられたタスクに異議を申し立てたり再定義したりするが、これは人間とAIの違いに由来する。
さらに、人間は自らの判断や行動に責任を負わなければならないが、純粋な自動化プロセスである生成AIには成果物に対する責任を負うことができない。そのため、規制や基準の設定機関は、クリエイティブな文脈での生成AIの使用に制限を設けるべく動いている。例えばエルゼビア社などの学術出版社は、生成AIを論文の共同執筆者とすることを認めておらず、AIの使用は、インサイトや結論を導き出すためでなく、読みやすさや言葉の使い方を改善する目的に制限すべきだと表明している（Elsevier 2023）。また、2023年3月16日、米国特許商標庁は、著作権の保護対象は人間の著作物に限るとの方針を発表した。そのため、著作権登録を出願する際、制作にAIを使用した申請者はその事実を申告することが求められるようになった。また、著作権保護の対象となる著作物の制作を申請者が十分にコントロールしていたのかどうかを米国特許商標庁が判断できるように説明する必要もある（Federal Register, March 16, 2023）。過去に公開されたコンテンツが生成AIモデルの学習データに含まれていた場合、それが著作権侵害に当たるのかどうかという問題もあり（例えばAppel et al. 2023）、生成AIの使用は今後さらに制限される可能性がある。本稿の執筆時点において、米国ではAIによる著作権侵害を訴えた裁判が係争中である。
2．生成AIが雇用に与える影響
生成AIはすでに仕事の種類と分布に大きな影響を与えている。また、これまでとは違う方法で仕事に取り組む必要が出てくることから、求められるスキルにも影響が及んでいる。そこで本章では生成AIがもたらす雇用の変化について考察したい。
第一次・第二次産業革命では農業から工場労働へと労働力がシフトし、第三次・第四次産業革命では労働力の二極化が進んだが、そのスピードは生成AIの登場によって加速している。米国の労働市場では2030年までに1,200万人が雇用シフトに直面するとの予測もある（Ellingrud et al. 2023）。そのうち、飲食サービス、対面での販売・接客サービス、オフィスでのサポート業務、生産などの低賃金労働に従事する約1,000万人は、失業のおそれがあるとされる。低賃金労働者は、最も高賃金の労働者と比べて、仕事を変える必要に迫られる可能性が14倍高く、転職するにはさらなるスキルが必要になるだろう。その一方で、ビジネスや法律の専門家、経営者、STEM（Science, Technology, Engineering and Mathematics）の専門職といった仕事は増えるとも予測されている。図表2で示したように、AIの発達によって、高度なスキルが求められる新たな職種への求人はすでに増加しており、それらはいずれも多かれ少なかれAIに直接関連のあるポジションである。Ellingrud et al.（2023）は、大規模な雇用シフトを促す主な要因として、自動化（特にAIなど）、政府によるインフラとネットゼロへの移行に対する投資、長期的傾向（高齢化、技術への継続的な投資、eコマースとリモートワークの拡大）を挙げている。
かつて自動化によって失われた仕事の多くは、単調な仕事や危険な仕事だった。だが現在、生成AIによって失われる可能性が懸念されているのは、コンテンツ制作に関わる職種である。全米脚本家組合は、2023年5月2日からおよそ5ヶ月間にわたってストライキを行い、全米映画テレビ制作者協会に対して生成AIの使用制限などを求めた。制作会社が過去の作品を元に生成AIを使って新たな脚本を生成することを防ぎ、脚本家がAIの生成した草稿の単なるリライターにならないようにするための措置を求めたのだ（Richwine and Chmielewski 2023）。
今後、個人の創造性とあまり関係がなく、一般的に企業の所有物と見なされる成果物を創出する業務では、生成AIによる自動化が進むとみられる。例えばマーケティングや販売に用いる資料、あるいは内部報告書などがそうだ。Zao-Sanders and Ramos（2023）はさらに踏み込んで、業界の需要が高く、成果物に誤りや不正確な内容が含まれていることで生じる損失が比較的少ない業務、あるいは人間が監督することでそうしたエラーを容易に検出・削減できる業務において、生成AIによる自動化が進むと予測している（図表6参照）。
図表6：生成AIによる自動化が進む可能性のある業務
図表6の左上の枠内にある職種では、生成AIが真っ先に導入される可能性がある。生成AIを用いることで、営業先との打ち合わせに関する社内報告書を作成したり、顧客のフィードバックを処理したり、コメントを表や箇条書き形式のリストに簡潔にまとめるといった作業が自動化され、労働時間を大幅に減らすことができるだろう。
3．新たなツールを利用する――生成AIによって仕事の内容はどう変わるのか
生成AIによる自動化で一部の仕事は失われるとみられるが、失われなかった仕事にも大きな影響が及ぶのは間違いない。Ellingrud et al.（2023）は、生成AIを使用しなかった場合には2030年までに労働時間の21.5％が自動化されるが、使用した場合にはその割合が29.5％に増加すると予測している。
自動化によって得られる利益を最大化するためには、労働者が自動化によって浮いた時間をより付加価値の高い仕事に充てる必要がある。例えば、営業担当者がChatGPTを使って社内用の打ち合わせ報告書を作成したのなら、その分の時間をあまり生産的とはいえない業務に費やすのではなく、既存の顧客によりカスタマイズされたサービスを提供したり、新たな顧客を獲得したりするために使うことが求められる。いずれにせよ、営業担当者の文書作成業務は今後、生成AIの成果物の正確性や公正性を高めるための監督・編集業務へと変わるだろう。
生成AIに人間がどう対応すべきなのかを理解するには、数学教育に電卓が導入された例を見るとよいだろう。電卓を使うことで、生徒たちは足し算や掛け算のような機械的な作業に労力を費やす必要が減った反面、複雑な問題の構造に対するより高度な理解や、電卓を使うことで起こりやすいミス（小数点の位置の誤りなど）の回避に注意を向けることが求められるようになった。
同様に、生成AIを仕事に利用する場合、最も的確かつ偏りのない成果物を得るにはどのように質問し、課題を与えればよいのかを熟知していることが、広く人間の側に求められる。優れた成果物を得るには、AIの仕組みや解決すべき問題の論理構造全般について、きちんと理解していなければならない。推論される（inferenced）データの構成についても、ある程度の知識が必要だろう。さらに質問やプロンプトは望ましい成果物を確実に引き出すものでなくてはならないし、成果物に含まれる間違いや偏見などの問題に気づくためには高度な理解力も求められる。例えば、ソフトウエアのコード作成にAIを使う場合、生成AIはプログラミング言語のルールと与えられた指示に従ってコードを生成する。それでも指示を書く者も成果物を評価する者も、何が起こり得るか、つまり、期待される機能を満たすにはプログラムがどのような構造であるべきか、そして指示にミスがあったら成果物にどのような問題が生じるのかについて、十分に理解していなければならない。
少なくとも当面の間、人間の創造力は生成AIを上回っている。生成AIに「シューベルトの未完成交響曲を完成させよ」と命じることはできても、作品との間に感情的な結び付きを感じさせ、聴衆の心を揺り動かすような、かつてない音楽を生み出させることはできないだろう。De Cremer et al.（2023）は、生成AIがクリエイティブな仕事に与える影響について、3つの可能性を提示している（内容には重複がある）。最もありそうなのは、AIの活用によって爆発的なイノベーションが起こり、クリエイティブな職業に就く人々の生産性が高まる可能性だ。2つ目に挙げられているのは、人間の創作活動の大半が、AIが生成した低コストのコンテンツに追いやられる可能性である。De Cremerらは、こうした状況はAIの使用に対するガバナンスが不十分だった場合に起こり得るとしている。そして3つ目は、「社会的・文化的文脈の認識も含め、人間の創造力が独自なものである」（同p.6）がゆえに、人間の創作物がAIの成果物をはるかに上回る価値を生み出す可能性だ。
4．おわりに
生成AIは、第四次産業革命の主要なコア技術であるAIの進化が新たな段階に入ったことを示している。現在、生成AIは急速に普及しつつあるが、これは生成AIを利用するための環境が十分に整ったこと、そして技術が進歩していることの表れだ。今後もさまざまな形で自動化が進み、労働市場における大規模な職種のシフトは続くだろう。あるいは加速する可能性もある。淘汰されなかった仕事でも、コンテンツの反復的な作成など、比較的付加価値の低い仕事は自動化され、代わって、解決すべき課題と生成AIの使い方に対するより高い知識が求められるはずだ。クリエイティブな仕事が完全に消えてなくなることはおそらくない。むしろ生成AIは、クリエイティブな職業において生産性向上のためのツールとして使われる可能性が高い。人間は幅広い知識を持っており、倫理的な問題への配慮もできる。したがって、少なくとも当面は、人間が引き続き生成AIの成果物に対して責任を負うことになるだろう。
【参考文献】
Appel, G., J. Neelbauer, and D. A. Schweidel（2023），“Generative AI Has an Intellectual Property Problem，”Harvard Business Review Digital（2023年4月7日），available from HBR. org. reprint H07K15
Bataller, C. and J. Harris（2016），“Turning Artificial Intelligence into Business Value，” https://pdfs.semanticscholar.org/a710/a8d529bce6bdf75ba589f42721777bf54d3b.pdf（2023年8月29日）
Bloomberg（2023年6月1日），“Generative AI to Become a＄1.3 Trillion Market by 2032, Research Finds，” https://www.bloomberg.com/company/press/generative-ai-to-become-a-1-3-trillion-market-by-2032-research-finds/（2023年8月31日）
Bresnahan, T. and M. Trajtenberg（1992［1995］），“General Purpose Technologies：Engines of Growth?，”NBER Working Paper #4148；Journal of Econometrics 65-1, pp.83-108
Britannica Online, “Artificial Intelligence，” https://www.britannica.com/technology/artificial-intelligence（2023年9月14日）
Council of Economic Advisors（2022），“The Impact of Artificial Intelligence on the Future of Workforces in the European Union and the United States of America，”an economic study prepared in response to the US-EU Trade and Technology Council Inaugural Joint Statement, December 5, 2022, https://www.whitehouse.gov/cea/written-materials/2022/12/05/the-impact-of-artificial-intelligence/（2023年12月22日）．
De Cremer, D., N. M. Bianzino, and B. Falk（2023），“How Generative AI Could Disrupt Creative Work，”Harvard Business Review Digital（2023年4月13日），available from HBR. org. reprint H07LIA
Deguchi, A. and O. Kamimura（Eds.）（2020），Society 5.0：A People-centric Super-smart Society，Singapore：Springer, open access https://doi.org/10.1007/978-981-15-2989-4_1（2023年9月14日）
Ellingrud, K., S. Sanghvi, G. S. Dandona, A. Madgavkar, M. Chui, O. White, and P. Hasebe（2023），Generative AI and the Future of Work in America，Online report by McKinsey Global Institute and the McKinsey Center for Government, https://www.mckinsey.com/mgi/our-research/generative-ai-and-the-future-of-work-in-america（2023年8月31日）
Elsevier（2023），“The Use of Generative AI and AI-assisted Technologies in Writing for Elsevier，” https://www.elsevier.com/about/policies/publishing-ethics-books/the-use-of-ai-and-ai-assisted-technologies-in-writing-for-elsevier（2023年8月31日）
Federal Register（2023年3月16日），“Copyright Registration Guidance：Works Containing Material Generated by Artificial Intelligence，” https://www.federalregister.gov/documents/2023/03/16/2023-05321/copyright-registration-guidance-works-containing-material-generated-by-artificial-intelligence（2023年8月31日）
Guarda, D.（2023），“Society 5.0：The Fundamental Concept of a Human-Centered Society，”OpenBusiness Council webpage, https://www.openbusinesscouncil.org/society-5-0-the-fundamental-concept-of-a-human-centered-society（2023年9月14日）
Haenlein, M. and A. Kaplan（2019），“A Brief History of Artificial Intelligence：On the Past, Present, and Future of Artificial Intelligence，”California Management Review 61-4, pp.5-14, https://doi.org/10.1177/0008125619864925（2023年8月29日）
Maslej, N., L. Fattorini, E. Brynjolfsson, J. Etchemendy, K. Ligett, T. Lyons, J. Manyika, H. Ngo, J. C. Niebles, V. Parli, Y. Shoham, R. Wald, J. Clark, and R. Perrault（2023），“The AI Index 2023 Annual Report，”AI Index Steering Committee, Institute for Human-Centered AI, Stanford University, Stanford, CA, https://aiindex.stanford.edu/report/（2023年8月29日）
文部科学省（2016）「第5期科学技術基本計画について」
https://www.mext.go.jp/a_menu/kagaku/kihon/main5_a4.htm（2023年9月14日）
Moor, J.（2006）“The Dartmouth College Artificial Intelligence Conference：The Next Fifty Years，”AI Magazine 27-4, pp.87-91
Richwine, L. and D. Chmielewski（2023），“Hollywood Writers Strike over Pay in Streaming TV‘Gig Economy,ʼ”（リンク切れ） https://www.reuters.com/lifestyle/hollywood-writers-studios-stage-last-minute-talks-strike-deadline-looms-2023-05-01/（2023年8月31日）
Schwab, K.（2015），“The Fourth Industrial Revolution：What It Means and How to Respond，”Foreign Affairs https://www.foreignaffairs.com/world/fourth-industrial-revolution（2023年8月23日）
Schwab, K.（2016），The Fourth Industrial Revolution，New York：Crown Business
Watanabe, Y. and R. Dasher（2020），“On the Progress of Industrial Revolutions：A Model to Account for the Spread of Artificial Intelligence Innovations across Industry，”Kindai Management Review，8, pp.113-123
Zao-Sanders, M. and M. Ramos（2023），“A Framework for Picking the Right Generative AI Project，”Harvard Business Review Digital（2023年3月29日），available from HBR. org. reprint H07J5S
『CSR白書2023 ――新たなツールの使い方を学ぶ ――生成AIが現在と今後の仕事に与える影響』
（東京財団政策研究所、2023）pp. 123-134より転載
＊CSR白書2023の詳細は こちら
