AIを人間向けシステムに「後づけ」しても、生産性は向上しない
HBR Staff using AI
サマリー：AI導入による生産性向上は、既存の組織構造に技術を後づけするだけでは限定的な効果に留まる。かつて電力が工場の設計を根本から変えたように、AIの真価を引き出すには、人間向けの「配線」をAIエージェント仕様へと組み替える必要がある。本稿では、AIが過小評価される理由とその潜在力を解放する具体的な方策を紹介する。

AIが生産性に及ぼす効果が過小評価されている理由

　かつて工場に初めて電力が導入された時、経営者たちが建物を再設計することはなかった。中央蒸気機関が電動モーターに置き換わっただけで、施設全体に動力を届けるためのベルトやプーリー、シャフトのシステムは以前と変わらず、電力導入による改善は限定的だった。

　電力に秘められた能力を引き出すためには、従来の多層階工場（重力を利用した動力伝達のために背の高い建物が必要だった）を取り壊し、作業のニーズに応じて機械を自由に配置できる単層の工場を新たに建設する必要がある──製造企業がこの点に気づくまでに、何十年もかかった。

　人類は現在、AIをめぐって同様の転換点に立たされている。AIエージェントへの期待が高まっているにもかかわらず、大半の組織はかつての工場経営者と同じ過ちを犯している。人間向けに設計されたシステムにAIを後づけし、なぜ期待した結果が得られないのかと首をかしげているのである。

　ノーベル経済学賞を受賞したダロン・アセモグルは「今後10年間でAIが生産性に及ぼす効果はわずか0.5％」と指摘したが、広く引用されているこの推計が実際には大幅な過小評価である可能性が高いのも、そうした過ちのせいだ。アセモグルのモデルは、既存の構造の枠内でAIを取り入れ、タスクを自動化することを前提としている。0.5％の生産性向上は、何も変えずにAIを導入した場合の下限であり、実現可能な上限ではない。

　では、「何かを変える」ためには何が必要なのか。重要なのは、ソフトウェアや組織構造、ワークフローが人間の労働者向けに設計されていること、そして、その前提が現代企業の運営のあらゆるレイヤーに組み込まれていることを認識することだ（開示事項：筆者はAIエージェント向けパーソナライゼーションを開発するプレミアムAIの共同創業者である）。

情報システム

　組織は長年にわたり、人間が利用することを前提に設計されたフォーマットで知識をコード化してきた。視覚的にレイアウトされたウェブサイト、整形された表を含むPDF、チャートを含むスライド資料、見出しや箇条書きを含む文書などである。

　データは単に人間が理解しやすい形で表示されるだけでなく、保存の際にも人間向けの形式で保存される。ジョンズホプキンズ大学AIエージェントラボの共同ディレクターである筆者は、それを実感してきた。学内では、従業員ハンドブックから人事マニュアル、ポリシー関連文書まで、あらゆる文書が機械処理向けではなく、人間の目で理解しやすいフォーマットで保存されているのだ。

　AIエージェントラボで、筆者らはこの問題に真正面から取り組んできた。大学のウェブサイトやシェアポイントのフォルダ、PDFリポジトリに散在していた人事関連文書を集め、統一のディレクトリ構造で管理するプレーンテキストのマークダウンファイルに変換したのである。

　この変換は地味に思えるが、劇的な効果をもたらした。現在では、AIエージェントがすべての人事ポリシーを一括で検索し、福利厚生情報と休暇の規定を照らし合わせ、以前なら5種類のシステムを行き来して何十ページもの資料を読まなければ対応できなかった従業員からの質問に回答できるようになった。

　同様のパターンは科学研究の分野でも見られる。スタンフォード大学のバイオミニ・システムは、数百のバイオメディカルツール、データベース、データセットを、AIエージェントがアクセスできる単一のインターフェースに統合した。その結果、従来なら数カ月を要したゲノムワイド関連解析が、20分で完了するようになった。人間の手で3週間かかると見積もられていたタスク──30人から収集した450件以上のウェアラブル・データファイルの解析──も35分で終了した。このシステムはさらに、33万6000の個別細胞における遺伝子の活動を処理し、既知の制御関係だけでなく、人間の研究者なら解明に数カ月はかかるであろう新規の転写因子まで特定した。