はじめに
こんにちは。あるいはこんばんわ。
Azureを中心としたコミュニティ活動に励んでいるものです。
「AIが仕事を奪う」と言われていたりしますが、果たしてそうなのか。
日頃コミュニティの方々のアウトプットを拝見させていただいて、思ったことを整理していきたいと思います。
結論としては
- 人の仕事は変化する。
- AIは敵ではない
- 仕事を奪うという発想でなくどう使うのかを考える
- どんな仕事も完全に無くなることは無い
と考えています。
また、この考えにいたるまでに参考にさせていただいた資料を最後にご紹介しているので
ぜひそちらもご参照ください。
1. AIは人みたいなもの
AIは「Artificial Intelligence」（人工知能）の略です。
つまり人工的に作られた知能のことを言います。
AIの研究の過去を振り返ってみます。
その昔、脳の仕組みを真似して「ニューラルネットワーク」が誕生しました。
次に、大量のデータを学習させて「機械学習」が生まれました。
そして、最終的に人の会話方法を真似させることで今多くの人が活用している「LLM（Large Language Model）」となりました。
ここでお伝えしたいのは”人を模倣して作られたシステム”がAIということです。
私はAIのことを
”手を動かすのが極端に早い人”だと思って活用しています。
例えば新入社員に「議事録とっておいて」と言っても知らない単語が多用されていると満足に書くことは難しいと思います。LLMも同じです。
世の中にある知識は頭に入っていますが会社固有の知識等はわからないのでアウトプットは難しくなります。
解決策として新入社員には知識を教えることになりますが、LLMには「RAG（Retrieval-Augmented Generation）」という方法で教えてあげる。そんなイメージです。
2. AIの課題と、人の課題
人と同じという話をしてきましたが、違いについて整理したいと思います。
それぞれが課題、つまり苦手としていることは以下の通りです。
- 人 ：成果物を生み出すスピード
- AI（LLM）：責任（品質・設計・判断）
AI(LLM)のアウトプットスピード
例えばGitHub Copilotはコーディング支援の代表例です。自然言語で指示すると自動でコードを生成してくれる機能があります。
どんなに優秀なエンジニアでも、あのスピードで大量にコーディングするのは難しいでしょう。記述速度は非常に速いです。
人の責任
ではAIに何でも任せられるかというと、そうではありません。
下手をすれば”ゴミの山”ができあがるのは、普段AIを活用している方であれば容易に想像がつくかと思います。
人が責任をもって「何をしたいか」「目的に合った成果物ができているか」を確認する必要があります。
例えば「何でも解決するシステムを作りたい」という要望は、人にもAIにも実現困難です。
その「何でも」とは具体的に何かを言語化し、「今何に困っているのか」「それをどうしたいのか」を明らかにする必要があります。
ここは人が担う部分です。AIと壁打ち（ディスカッション）はできますが、最終的に「これがしたい」を定義するのは人です。
3. 人とAIの関わり方
AIと人の違いに着目してきましたが、このAIの登場で何が変わっていくかを整理していきます。
技術によって人の活動が変化してきたことは過去にもありました。
例えば産業革命では技術によって大量生産が可能になりました。
それまでは人がものづくりをしていましたが、機械がものを作るようになっていきました。
例えば何か成果を出す際のプロセスを以下の図のように考えます。
このプロセスの中で、AIは少なくとも次のような部分を担当してくれそうです。
このような関わり方になると考えています。もちろん計画や成果チェックをAIに手伝ってもらうことはありますし、価値の提供の一部をAIが担うこともあるでしょう。
しかし完全にAIだけで完結するのはまだ難しいと考えます。計画は言い換えると「人が何をしたいか」であり、成果のチェックは「その希望を満たしているか」です。最終的な確認は人が行う必要があります。
価値の部分は物理的に届けるものとそうでないものがあり複雑です。例えばシステム提供者は「システムを提供する」こと自体ではなく、「システムを使って業務が便利になる」「効率化で生まれた時間で本来やりたかったことに集中できる」といった価値を提供することが重要です。
したがって何らかの形で人の介在は残ると思います。
4. AAAAモデル
次により具体的にAIとの関わり方を考えます。
AIサービスを通じて人がどのような体験をするかを整理したフレームワークとして、以下の記事を紹介します。
AAAAモデルとは
AIサービスを使うことで人がどのような体験をするかを言語化したフレームワークです。
AAAAは以下を指します。
- Automation（自動化）
- Advice（助言）
- Augment（強化）
- Agent（代行）
AAAAモデルで考えるAIと人の関わり方
今後は人の知識やレベル、要件に応じてAAAAモデルを使い分けたり、ハイブリッドで組み合わせたりする機会が増えると思います。
それぞれのパターン別に確認・整理していきます。
Automation（自動化）
人が最低限の指示を出すだけでAIが処理を担うパターンです。初心者に向いています。
例えば翻訳AIアプリは、その言語に精通していない人が参照する目的で使われます。
Advice（助言）
人がアウトプットしたものに対してAIが助言を行うパターンです。学習やキャッチアップ時の助言に向いています。例えば私は記事を書いており、誤字脱字のチェックをAIに依頼しています。Zennには投稿時にAIがレビューしてくれる機能が実装されています。
Augment（強化）
共同作業のパターンです。GitHub Copilotのようにコーディングを補助し、AIの成果物をレビューしながら作業するため上級者向けと言えるかもしれません。
Agent（代行）
AIが自律的にタスクを行ってくれるパターンです。
知識のある人がAgentを設計すれば、デスクワークの多くを自動化できると言われています。
Agentの開発にもAIが活用されます。
まとめ
以上AAAAモデル別に考えてみました。
ではこれらを先ほどの図にあてはめるとどうなるでしょう。
例えばということで考えてみました。
5. 人は役割分担をしてきたけどAIではどうなるのか
何かを生み出すとき、人は役割分担をしてきました。ここではその例を整理します。
※例え話であり、想像で書いていきます。
「広告を出して多くの人に良い商品を届け、人を幸せにしたい」と考えたとします。
広告を出すには広報の知見や創作物（絵やポスターなど）が必要になることがあります。
このとき関わる人の例は以下の通りです。
- 広報に詳しい人
- 創作物を作れる人
AIにも役割を持たせることができます。
例えば業界知識に強いAIや創作物作成が得意なAIなどです。
しかしAIには得意不得意があります。
現代のAIは東大の試験を合格するほどの性能があると言われていますが、人間が納得する広告をいきなり作れるということは無いと思います。
創作物であれば「業界トレンドを抑え、刺さる表現を反映する力」が求められると仮定します。
すると業界トレンドをどうやってキャッチアップしているのか、刺さる表現はどんなものなのかをAIに教えてあげることでより人間が納得しやすい成果物をAIが圧倒的スピードで生成できるようになるかもしれません。
現状ではAutomationやAgentによる完全自動化は難しい場合もあるため、まずはAIが素案を作り、人が仕上げる流れが現実的でしょうか。
このようにAIに人の知識を教えるために制御や設計にはドメインエキスパート（ある分野に詳しい人）が重要だと言われています。
今後は人だけでなくAIも役割を分担しながら、多様な人がAIと共に価値を創出していくと考えています。
最後に
AIをうまく活用して、より価値を届けやすい社会になっていくといいな。と思います。
かなり想像や私見が含まれていますので、表現に不適切な点があればご容赦ください。