生成AIとビジネス

生成AIの日常的な使い方例

• ライティングアシスタント

• マーケティイングアイデアのブレスト

• リクルーターのサポートとして履歴書を要約

• コードを書かせてプログラマーの支援を行う

仕事をタスクに分解する

AIは「仕事」を置き換えない。タスクを自動化する。仕事がどのようなタスクで構成されているか特定し、それぞれのタスクにおいてAIで自動化できるか否かを検討する

AIでの生産性向上には２種類ある

• 強化 (Augmentation)：AIが人間のタスクを支援するが、完全に自動化はしない。

• 自動化 (Automation)：AIがタスクを完全に自動的に実行する場合。

どのタスクをAIで改善するか

技術的実現可能性とビジネス価値の両方の側面を見る。技術的実現可能性は、AIがそのタスクを実行できるかどうか。ビジネス価値は、そのタスクの自動化や強化がどれだけの時間節約や効率化につながるかを考慮する。生成AIにより既存業務のワークフローを再定義する必要がある。

生成AIを用いたソフトウェア開発のチームビルディング

1. ソフトウェアエンジニア: 大言語モデル（LLM）とプロンプトの基本を学ぶことで、小規模チームで効果的に機能できる。

2. 機械学習エンジニア: AIシステムの実装を担当し、生成AIが登場する前からAIシステムを構築していた経験があることが多い。LLMやRAG、ファインチューニングなどのより高度な技術を学ぶことで、より高度な生成AIのソフトウェアを開発するときに重要な役割。

3. プロダクトマネージャー: これはプロジェクトの特定と範囲設定を担当し、顧客にとって有用なものが構築されることを保証する責任を持つ。

一時期持て囃されたプロンプトエンジニアリングのみで職につくことは難しい。通常は機械学習エンジニアが担う。

業界セクター毎の自動化

• 高給の職業ほどAIによる補強や自動化にさらされやすいことが示されている。生成AIはより高賃金の職種に影響を与えていることが、従来の自動化の影響と異なる点。過去における自動化は、主に低賃金の仕事に影響を与える傾向があった。

• 生成AIの影響を金額・機能面の２軸で評価している。金額面で大きいのは、セールス、マーケティング、R&D領域。さらに機能面でのインパクトが大きいのは、ソフトウェア開発、カスタマーオペレーション。カスタマーオペレーションでは約40%が影響を受けるとされている。

• 教育や、ビジネスおよび法律の専門職、特定の業界セクターに大きな影響を与えることが予測されれている。生成AIはナレッジワーカーに大きな影響を与えるとされています。こ物理的な作業を行う労働者とは対照的。

生成AIによる懸念事項

• 大言語モデル（LLM）はインターネット上のテキストから学習するため、人間の良い特性だけでなく、偏見や誤解などの悪い特性を助長する可能性がある。ファインチューニングや人間のフィードバックからの強化学習（RLHF）などの技術により、LLMはこれらのバイアスを減少させることができる。

• AIが人間よりも速く、安価に仕事を行うことができる場合、多くの人が仕事を失うかもしれないという懸念がある。しかしながら、一部のタスクがAIに置き換わるにとどまり、完全に職業を代替する可能性は低い。

人工汎能知能（AGI）

AGIは、「人間が行うことができるあらゆる知的タスクを実行できるAI」として定義される。AGIが存在すれば、知識労働者が行うほぼすべてのタスクを実行することができるようになる。 現在のAIは、AGIに達していない。AIは特定のタスクでは人間を超える能力を持っているが、人間が行うことができるすべての知的タスクを行うには至っていない。 AGIに到達するにはまだ何十年も、あるいはそれ以上の時間がかかる可能性が高い。

AIと責任性

AIを開発するにあたり以下を考慮する必要がある

• 公正性：AIがバイアスを増幅または維持しないこと。

• 透明性：AIシステムとその決定が利害関係者に理解可能であること。

• プライバシー：ユーザーデータの保護と機密性の確保。

• セキュリティ：悪意のある攻撃からAIシステムを守ること。

• 倫理的使用：AIを有益な目的のために使用すること。