組織におけるAI活用：いくつかの戦術

• 最近の調査結果では、多くの知識労働者が業務にAIを活用している
  • 1月のデンマーク調査：マーケター 65%、記者 64%、弁護士 30% などがAIを使用
  • 8月の米国労働者調査：生成AIの利用者は3分の1に達する
  • 最も多く使われているツールはChatGPT、次いでGoogle Gemini
• 個人レベルでは、AIによる生産性向上の効果が実証されている
  • GPT-4の使用により、コンサルタントは18の業務を25%速く遂行
  • GitHub Copilotの活用でコーディング生産性が26%向上
  • デンマークのアンケートでは、回答者は業務の41%についてAIで所要時間を半分にできたと答えた
• しかしリーダーや管理職と話すと、許可された限定的なユースケースを除けばAIの利用はほとんどなく、生産性向上の効果もほとんどないと言うことが多い
  • これは、個人の成果向上が組織の成果につながらない理由がいくつもあるためである
• 組織レベルの成果を出すには、独自のAI活用R&Dが不可欠である
  • コンサル会社や企業向けSWベンダーの汎用的なアプローチに頼ってはいけない
  • その組織に合ったAI活用法を誰かが教えてくれるわけではない
  • 大手AI企業でさえ、モデルの最適な使い道を知らないままリリースしている
  • それぞれの状況に合う活用法をいち早く見つけることが肝心
• AI活用方法のR&Dでは、個々の従業員からなる群衆(Crowd) と 専任研究チーム(Lab) を併用する
  • Crowd: 現場で問題解決のためにAIを適用し、ノウハウを蓄積する
  • Lab: Crowdのアイデアをプロダクト化し、新たな活用シナリオを探る

Crowdのための戦術

• Eric von Hippel教授のユーザーイノベーションの概念によれば、多くの主要なイノベーションは中央R&D研究所ではなく、実際のユーザーが自分の問題を解決するために製品をいじりながら生み出してきた
• 専門家は試行錯誤を通じてAIの有用性を容易に評価できるが、外部の人にはそれが難しい
• 調査や対話を通じて、人々がAIで実験し非常に有用だと感じていても、雇用主には共有していないことが分かる。ほとんどすべての組織には、AIを使っているのにそれを言わない「秘密のサイボーグ」がいる
• 秘密のサイボーグが生まれる理由
  • 不適切なAI利用に対する処罰を恐れているから
  • AIの利用を話すと尊敬されなくなると思うから
  • AIが一部の仕事を代替すると、自分や同僚が解雇されると思うから
  • AI利用を公表しても報われないと思うから
  • 生産性向上が、より多くの仕事を求められる期待につながると思うから
  • AIの使い方を共有する方法がないから
• 秘密のサイボーグの助けを得る方法
  • 恐怖を減らす：抽象的なAI倫理教育や怖いポリシーの代わりに、「明確に許可された実験の範囲」を示す
  • 報酬制度と連動させる：AI利用の開示に対する報酬を用意する。大きな生産性向上には数か月分の給与に相当する現金賞、昇進、在宅勤務などを提供する
  • 前向きな利用をモデル化する：経営陣がAIの使い方を公に共有する。マネージャーが従業員にAIで問題解決を試みるよう促す
  • 共有の機会を提供する：ハッカソン、プロンプト共有会などを開催する。AIの才能を持つ人を見つけ、学んだ内容を共有できるコミュニティを作る
  • ツールと教育を提供する：最新モデルを直接使う機会を与え、AIの使い方に関する教育セッションを提供する
• 組織内のAIイノベーション人材に機会を与える必要がある。群衆は役に立つが、集中的なイノベーション努力としての研究所(Lab)の役割もある。

研究所のための戦術

• 分散型イノベーションも重要だが、組織内のAI活用R&Dに向けた中央集中的な取り組みにも役割がある
• 研究所は、主題専門家と技術系・非技術系人材の組み合わせで構成されるべきである
• 群衆から研究員を確保できる。AIの使い方を見つけ出し、それを会社と共有することに情熱を持つ人材を活用して研究所を構成する
• 研究所は分析や抽象的な戦略よりも、構築に集中すべきである。次のものを構築すること：
  • 組織向けのAIベンチマークを開発する：どのAIが最もスタイリッシュな書き手か、財務データを扱えるか、法務文書をうまく読めるかなど、実際の社内業務において各モデルがどれほど優れているかを把握する
  • 実際に機能するプロンプトとツールを構築する：群衆のアイデアをプロダクト化し、反復的にテストする。組織に展開し、結果を測定する
  • まだ機能しないものを構築する：AIエージェントが中核的なビジネスプロセスのあらゆる作業を担うとしたらどうなるかを作ってみて、どこで失敗するかを確認する。新しいモデルが出たらプロトタイプにつないで改善するかを確かめる
  • 魔法のようなものや挑発的なものを構築する：まだAIと十分に接していない人のために、AIで実現可能な驚くべきことや衝撃的なことを実演する。AIで不可能そうなことをできるだけ試し、最新ツールの成果を示す。人々の関心を引く
• 群衆はイノベーションを起こし、研究所は構築とテストを行う。成功する社内R&Dにはその両方が必要である。

まだ始まりにすぎない

• 長期的にAI能力が発展し続けるなら、イノベーションだけでは不十分で、AIを前提にしたリーダーシップが必要になる
• 組織はこれまで、人間の知能の限界と利点を中心に構築されてきた
• 今や、AIの特異な「知能」を考慮して、数十年かけて発展してきたプロセスや組織構造をどう再構成するかを模索しなければならない
• これはR&Dを超えて、組織構造や目標、そして将来の組織における人間と機械の役割まで考える必要がある
• しかし、これでさえ十分にラディカルではないかもしれない
• AI研究所の明示的な目標は、あらゆる知的作業で人間を上回るAIを構築することだ
• まもなく、自律的に計画し行動できるエージェント級AIが登場すると約束されている
• OpenAIのロードマップに見られるように、組織の仕事を代替するAIの創造は可能だと信じられている。こうしたことがすべて起こるとは限らないが、その一部だけでも現実になれば、今日では想像しにくい形で組織ははるかに深い変化を経験することになる
• 企業にとって、この不確実性を乗り切る最善策は、自ら新しい世界の探検を始めることである