- MITの経済学者ダロン・アセモグル、デビッド・オートー、サイモン・ジョンソンによる報告書「労働者支援型人工知能の構築」は、多くの企業が人間の能力を拡大するのではなく、自動化の方向にAIを利用していると指摘している。
- 2024年ノーベル経済学賞を受賞し、本報告書の共著者であるサイモン・ジョンソン氏は、「労働者支援型AI（Pro-worker AI）」を、労働者のスキル、専門知識、および判断の価値を高めるAIと定義している。
- 彼によれば、AIは単に人間がより速く働くのを助けるだけでなく、以前は不可能だったタスクを遂行できるように助けるべきである。
- 報告書はテクノロジーを、労働増強型、資本増強型、自動化、専門知識の平準化、および新しいタスクの創出の5つのグループに分類している。
- これら5つのグループの中で、新しいタスクの創出のみが明確に「労働者支援的」であると見なされる。
- 自動化技術は生産性を向上させるが、既存の専門知識への需要を減らし、価値を労働から資本へと移転させる可能性がある。
- パルスオキシメーターのような「専門知識平準化（Expertise-leveling）」技術は、専門知識の少ない人が以前は専門家を必要とした仕事を遂行することを可能にするが、同時に古い専門知識の価値を下げる可能性がある。
- イーサネット、光ファイバー、またはスマートセンサーシステムのような新しいタスク創出型技術は、全く新しいスキルに対する需要を生み出し、労働価値を高める。報告書は、AIも単に人件費を削減するのではなく、この方向に発展させるべきだと提言している。
- 例えば、データセンターの技術者がAIを使用して運用データフローを分析し、リスクを検出し、より複雑な意思決定を行うケースが挙げられる。
- 特許分野では、米国特許庁が関連資料の検索をサポートするためにAIを使用しており、専門家が単に処理を速めるだけでなく、出願書類をより深く評価できるようにしている。
- シュナイダーエレクトリックは、電気技師やフィールド技術者が機器や電力システムのトラブルシューティングを行うのを支援するAIツールを開発した。これは画像、ハードウェアデータ、知識ベースを組み合わせて適切な手順を提案する。
- 報告書によると、AIはシュナイダーエレクトリックのメンテナンスレポート作成にかかる時間を約50%短縮するのに役立った。
- しかし、最大の価値は時間の節約ではなく、技術者が実際の現場環境で専門知識をより効果的に適用できるようになったことにある。
- サイモン・ジョンソン氏は、多くの企業が仕事を再設計する代わりに「抵抗が最も少ない道」、つまり人間を機械に置き換える道を選んでいると指摘している。彼は、このアプローチが企業にとってより大きな革新の機会を逃し、AIの可能性を十分に引き出せない原因になると警告している。
- 報告書は、組織がAIを節約されたコストだけでなく、新しい仕事やスキルの創出、より良い顧客体験の提供能力によって評価することを推奨している。
- 著者らによれば、将来の競争優位性は、既存の労働力を最適化するだけではなく、AIを使用して人間の能力を拡大する企業に属することになる。
📌 2024年のノーベル経済学賞受賞者であるサイモン・ジョンソン氏とダロン・アセモグル氏を含むMIT経済学者による報告書は、注目すべき論点を提示している。すなわち、AIは既存の仕事を単に置き換えるのではなく、新しいタスクや能力を創出するときにのみ、労働者に真の利益をもたらすということである。分析された5つの技術グループのうち、新しいタスクを創出するグループのみが労働者にとって明らかに有益であるとされる。シュナイダーエレクトリックや特許審査支援システムの例は、AIが専門家による複雑な問題解決を助け、専門的価値を高められることを示している。報告書によれば、コスト削減のためだけにAIを利用する企業は、この技術が持つ変革の可能性を十分に引き出すことは難しい。
