AIは道具を作り上げた。難しいのは、それを仕事で利益につなげることだ。

デモの後に残る問い

人工知能における最も重要な問いは、もはやシステムがどれほど印象的かではないのかもしれない。デモやコーディングベンチマーク、投資家向け資料を離れたあとに、信頼できる経済価値を生み出せるかどうかだ。これはMIT Technology Reviewの新しい分析に通底する主張で、現在のAIの局面をおなじみの3段階の幻想として捉えている。すなわち、技術を作り、利益は後からついてくると想定し、厄介な中間部分は説明しない、というものだ。

提示された原文は、South Parkのよく知られたジョークを踏まえている。「Phase 1: Collect underpants. Phase 2: ? Phase 3: Profit.」というものだ。この言い換えでは、AIはすでに強力なシステムを生み出すことで第1段階を終え、業界は変革と経済的な上振れという形で第3段階を大きく約束している。未解決なのは第2段階、つまり能力を日常的な職場での価値に変える面倒な作業だ。

この枠組みが響くのは、現在のAIブームの中心にある矛盾を捉えているからだ。モデルは文章を書き、要約し、分類し、コードを生成し、言語ベースのタスクの幅広い領域を扱える。しかし、ベンチマークや試験導入での印象的な能力が、そのまま生産性、利益率の拡大、あるいは実際の組織内での持続的な投資収益率になるわけではない。

記事は、コーディング以外では、最良のAIシステムでさえ職場で経済的に実用的であることに苦戦していると示唆している。この区別は重要だ。生成AIにとってコーディングは、出力がデジタルで、ワークフローが反復的で、利用者が結果を評価する能力に長けていることから、初期の強力な商用足場の一つとなっている。ほかの多くの分野は、それほど甘くない。誤りのコストは高く、監督には時間がかかり、タスクはあまり構造化されておらず、既存のプロセスとの統合も難しい。

この分析は、そのギャップの例として最近の2つの研究を挙げている。1つはAnthropicによるもので、大規模言語モデルの影響を最も受けやすい職種を予測し、管理職、建築家、メディア関係者などの役割を挙げる一方、庭園管理者、建設労働者、ホスピタリティ労働者への影響は比較的小さいと示唆した。しかし記事は、この種の予測は依然として本質的にはタスク適合性についての推測であり、実際の職場での性能を証明するものではないと強調している。

ここには決定的な違いがある。モデルは理論上あるタスクを支援できるように見えても、雇用主が広く導入するかどうかを決める実務上の障壁を越えられないかもしれない。その障壁には、信頼性、コンプライアンス、監視コスト、利用者の信頼、業務フローの再設計、そして単純に現行の方法を続けるより速いのか安いのかという問いが含まれる。

同じ問題は、AIをめぐる多くの壮大な主張にも影を落としている。経営層や研究者は、この技術を経済を変革するものと説明できるし、実際にそうなる可能性もある。しかし、その変革が意味を持つのは、組織が本番運用の中で価値を繰り返し回収できるようになってからだ。つまり、真の競争は最も高度なモデルを持つ者同士の争いではないのかもしれない。モデルの出力と事業成果の間にある欠けた中間層を、誰が定義し、運用可能にし、拡張できるかが勝負になる可能性がある。

その層には、プロセスの再設計、規制、監督の仕組み、ソフトウェアのインターフェース、価格モデル、研修、そしてAIが人間の仕事を複雑にするのではなく実質的に補完する領域に関する理解の明確化が含まれうる。MIT Technology Reviewの記事は、すでに異なる陣営がその中間空間に異なる答えを投影していると指摘する。Pause AIに関わる活動家たちは、規制が不可欠だと見る。推進派はしばしば、不確実性よりも目的地に意識が向いているため、その不確実さを飛び越えてしまう。

現実には、その道筋こそが物語だ。あらゆる主要な職場向け技術の波は、その道具自体を取り巻く補完的なシステムに依存してきた。スプレッドシートは重要だったが、それを取り込んだ業務プロセスも同様に重要だった。インターネットも重要だったが、決済、物流、標準、そして利用者の習慣も同じくらい重要だった。AIもおそらく同じ道をたどる。モデルは価値連鎖の一部にすぎない。

だからこそ、今の市場には緊張が満ちている。企業はすでに、モデル、計算資源、統合、試験導入に多額を投じてきた。その支出が新奇性以上のものを生むことを示すよう迫られている。もし経済的な論拠が依然として限られた用途にしか強く当てはまらないなら、誇大な期待から広範な収益化への道筋は、多くの予測よりも遅く、選別的になるだろう。

したがって、欠けた一歩は些細な実装上の詳細ではない。それはAI時代の中核的なビジネス課題だ。企業が、技術的に可能なことから再現可能な職場での成果へどう移行するのかを、証拠をもって説明できるようになるまで、この分野は真の突破と膨らんだ期待の間を揺れ続けるだろう。AIは、いまや能力をさらに積み上げることが最難関ではない段階に来ている。問題は、その能力を成果に変えることだ。

この記事はMIT Technology Reviewの報道に基づいています。元記事を読む。