職場におけるAIの生産性のパラドックス

Silicon Valleyは、人工知能が仕事をより簡単に、より速く、より負担の少ないものにすることを約束していました。Amazonおよび他の主要なテクノロジー企業の従業員は、異なるストーリーを語っています。AIツールが仕事量を減らすのではなく増やしているという内部的な苦情は、その後、パターンが単一企業をはるかに超えて広がっていることを発見した学術研究によって検証されました。

複数の業界の何千人もの知識労働者を調査したこの研究は、AIツールは特定のタスクを自動化する一方で、同時に時間削減以上の価値がある新しいカテゴリーの作業を生み出していることを発見しました。多くの従業員にとっての純粋な効果は、より短い時間ではなく、より長い時間です。

Amazonの従業員が報告していること

Amazonでは、複数の部門の従業員が、彼らの仕事を合理化するために導入されたAIツールについての懸念を提起しています。苦情は、よく知られたパターンに焦点を当てています：AIシステムは定型的なタスクを迅速に処理しますが、広範な人間による確認、修正、および改善が必要な出力を生成します。AIが生成した仕事を管理するために費やされる時間は、しばしばAIなしでタスクが要した時間を超えています。

ソフトウェアエンジニアは、AIコード生成ツールが基本的なテストに合格するコードを生成しますが、微妙なエラーまたは保守負担を生み出すアーキテクチャの選択肢を含むコードを生成すると報告しています。初期のコーディングで節約された時間は、AIが生成したコードを本番環境の標準に引き上げるために必要なデバッグ、リファクタリング、およびコードレビューによって消費されます。

コンテンツとマーケティングチームは同様のダイナミクスを説明しています。AIドラフトは、ブランド標準を満たし、正確性を確保し、AIが生成したテキストが示す平坦な一様性を排除するために、実質的な編集が必要です。数人の従業員は、AIの出力を編集することはしばしばゼロから書くことより難しいと述べました。

研究の発見

研究者は、最近AIの生産性ツールを展開した企業で4,000人以上の知識労働者の仕事パターンを調査および追跡しました。彼らはタスクに費やされた実際の時間、仕事の満足度、ストレスレベル、およびAIの採用前後の認識された生産性を測定しました。

平均して、AIツールは対象のタスクに費やされた時間を約30パーセント削減しました。ただし、ツールを使用している従業員の総労働時間は平均して12パーセント増加しました。この差異は、いくつかのカテゴリーの新しい作業で説明されます。

まず、AIツールを管理するための直接的なコストがあります：プロンプトの作成、出力の評価、不十分な結果の反復処理、エラーの修正。このAI管理作業は、ツールが展開される前には存在していませんでした。

次に、AIツールにより、マネージャーは出力のボリュームと速度に関する期待を高めることができました。チームがAIがより多くのレポートを生成するのに役立つことを実証すると、期待はすぐに新しい標準となり、人員配置の調整や品質を維持するために追加の人的労力が必要であることの認識なしに行われました。

期待のラチェット

この期待のラチェットは、研究の最も懸念される発見として浮上しました。組織全体で、AIツールの導入に続いて、出力目標の増加、責任範囲の拡大、またはスタッフの削減が行われました。AIが提供した生産性の利益は、仕事量の削減を通じて従業員に返還される代わりに、より高い期待を通じて組織に捕捉されました。

このダイナミクスは、以前の自動化の波を伴う歴史的なパターンを反映しています。メール、スプレッドシート、およびエンタープライズソフトウェアはすべて、仕事量を削減することを約束していましたが、代わりに各個人から期待される仕事のボリュームと速度を拡大しました。AIは同じ軌跡に従うように見えますが、追加の傾向があります。AIツールが変革的なものとして位置付けられているため、期待のインフレーションは相応に大きくなります。

品質と満足度への影響

AIツールを使用している労働者は、客観的な測定が品質が維持されたことを示唆していても、彼らの出力品質への信頼が低いと報告しました。仕事の満足度はわずかですが一貫して減少し、専門知識が過小評価されているという感覚によって駆動されました。専門家は、マシンの出力をレビューするのではなく、直接自分の知識を適用するAIマネージャーに縮小されていると感じたと報告しました。

ストレスレベルは全体的に増加し、キャリアの中盤の専門家の間で最も増加が見られ、彼らはAI習熟度を実証する圧力を感じながら、長年の実践で確立された品質基準を維持する必要がありました。

組織ができること

研究者は、組織がAIによって生成された時間削減の少なくとも一部を従業員に返金することを約束し、すぐに解放された時間を追加の作業で埋めないことを推奨しています。AIが何をうまくできるか、何ができないかについての現実的な期待を設定することが重要です。

より控えめで具体的な展開戦略を持つ組織は、特定のボトルネックを対象とするのではなく広範な採用を義務付ける代わりに、生産性と従業員の満足度の両方で優れた結果を達成しました。AIが自動化するタスクだけでなく、それが作成する新しい仕事も追跡することは、実際の影響に関する正確な結論を引き出すために不可欠です。

これらの発見は、すべての業界の企業がAIツールを統合しようと急ぐにつれて到着し、しばしば慎重な分析ではなく競争圧力によって駆動されています。研究は、AIの採用への急ぎが、完全に理解するのに何年も掛かる問題を作成している可能性があることを示唆しています。問題の最中にいる労働者にとって、労働力を節約するテクノロジーとしてのAIの約束は、多くの場合、果たされていないままです。

この記事はGizmodoのレポートに基づいています。元の記事を読む。