- 本記事はAI時代の逆説を分析しています。多くの企業がAIに巨額の投資を行っている一方で、従業員の評価には依然として生産性、完了した仕事の量、効率といった伝統的な指標が使われています。これにより、AIの回答を検証し、誤りを修正し、あるいは批判的に検討することに時間を費やす人々が、単に多くの仕事を生成するだけの人々よりも低く評価される可能性があります。
- 「Data and AI Leadership」の調査によると、91%の組織がAIへの投資を増やしており、99%がAIを戦略的優先事項と考えていますが、これらの投資から測定可能なビジネス価値を生み出したと回答したのはわずか18%でした。
- 著者は、パフォーマンス管理システムには生成AIが登場する前から多くの欠陥があったと主張しています。Gallupによると、Fortune 500企業の人事責任者のうち、現在の評価システムが実際に従業員の成長を促進していると信じているのはわずか2%で、プロセスの透明性と公平性を感じている従業員は20%に過ぎません。
- デロイトの報告でも、84%の企業がAIに適応するために役割、ワークフロー、またはキャリアパスを再設計していないことが示されています。AIの使用効率に基づいたインセンティブ制度を持つ企業はわずか30%です。
- 別の調査では、AIが仕事を代替することや実績評価への影響を懸念し、10%の従業員がAIの効率を下げるためにデータ操作を行ったことがあると認めています。
- 750人以上のナレッジワーカーを対象とした研究では、GPT-4はモデルの能力に適したタスクにおいて、完了スピードを25%以上向上させ、タスク完了率を12.2%改善し、品質を高めることが示されました。
- しかし、タスクがAIの能力を超えると、AIを使用している人は使用していないグループよりも正解を出す確率が19%低くなりました。これは「ぎざぎざの技術的フロンティア（jagged technological frontier）」、つまりAIはあるタスクには非常に長けているが、似たような別のタスクで突然失敗するという現象の証拠です。
- また、AIは平均生産性を約14%向上させますが、その恩恵は主に経験の浅い従業員に集中しています。経験豊富な専門家の場合、スピードはわずかに上がるものの、文脈の評価や例外の発見、判断力の提供においてAIが代替しにくいため、品質が低下する傾向があります。
- 記事はまた、低品質なコンテンツを大量生成する「ワークスロップ（workslop）」の出現が、企業内のコラボレーションの質を低下させていると警告しています。
- AIエージェントの普及に伴い、仕事の結果が個人ではなく人間とAIの調整によって生み出されるため、評価はより複雑になります。企業はミスが発生した際の責任の所在を明確にする必要があります。
- 解決策として、著者は3層の評価フレームワークを提案しています。第1層は人間の貢献（AIの限界の認識、検証能力）、第2層はAIシステム自体の評価（エラー率、説明可能性）、第3層は人間とAIの調整効率（人間がエラーを発見したり文脈を追加したりすることで生み出した付加価値）を測定します。
📌 AI投資が優位性を生むのは、企業が同時にパフォーマンス管理の方法を変えたときだけです。91%の組織が投資を増やしても、明確な価値を生んでいるのは18%に過ぎません。企業は「スピード」に基づく評価から、「判断の質」、検証能力、人間とAIの調整レベル、そしてAIシステムと従業員双方に対する透明な責任メカニズムに基づく評価へと移行する必要があります。
