メインコンテンツにスキップ Skip to footer

New work,
new world

具体的な数字が明らかになりました。生成AIは、2032年までに年間1兆ドル以上の成長をもたらす可能性がある一方で、既存の仕事の最大90%を破壊する可能性があります。このような大激変を乗り切り、テクノロジーの可能性を最大限に引き出すためには、リーダーはどうすればよいでしょうか。答えは人への投資です。 

概要

生成AIが世界から注目を集めるようになった当初から、経済、ビジネス、社会、そして人々の生活に何か大きな変化が起ころうとしているのは明らかでした。しかし、その変化はどれほどの規模なのか? その変化はいつ起こるのか? また、その影響は破壊的なものなのか、生産的なものなのか、受け入れられるものなのか、恐れられるものなのか、団結させるものなのか、それとも二極化させるものなのか?

その答えは明らかになりつつあります。生成AIは非常に大きな存在になるようです。

私たちの調査によれば、2032年までに、生成AIは米国のGDPに年間最大1.043兆ドルの追加価値をもたらす可能性があります。これは、米国の建設業界全体を大きく上回る経済的効果です。

生成AIの導入は急増するでしょう。私たちの最も強気なシナリオによれば、3～4年後には13％の企業が生成AIを活用し、半数近くが10年後に導入する見込みです。

この驚くべき予測は、経済のあらゆる分野で、多くの仕事を強化、拡張、自動化できる生成AIの力を強調しているだけではありません。仕事、生産性、経済成長への取り組み方を大きく変えるためにどのような準備が必要になるかも明らかにしています。

1.043兆ドル

2032年までに生成AIが米国のGDPにもたらす年間の価値

生成AIを導入する企業

Icon13
Icon46

生成AIが生産性と仕事の未来に与える影響を定量化するために、私たちはOxford Economicsと提携し、経済モデルを作成しました。このモデルは、企業導入率 (低レベル、中レベル、高レベル) を反映した3つのシナリオを明らかにするために調整されています。

このトピックについては多くの調査結果が発表されていますが、私たちはこの強力なテクノロジーが実際の人々、仕事、キャリアにどのような影響を与えるのか、ひいてはビジネスの生産性や経済にどのような影響を与えるのかを分析しようと考えました。私たちのモデルは、米国経済を牽引する18,000のタスクを精査し、これらのタスクで構成される1,000の仕事に生成AIが与える影響を詳しく調査しています。

私たちは米国の労働力に焦点を当てましたが、調査結果から浮かび上がった一般的なテーマはどの国にも共通しています。これは、国によって相対的な重要度や導入率に違いがあるにもかかわらず、タスクと、それを実行またはアシストする生成AIの理論上の能力には違いがないためです。調査方法の詳細については、こちらをご覧ください。

私たちのモデルは、米国経済を牽引する18,000のタスクを精査し、これらのタスクで構成される1,000の仕事に生成AIが与える影響を詳しく調査しています。

私たちが調査から学んだことは、労働者にとって、そして仕事の未来にとって重大な意味を持ちます。私たちのモデルは、今後10年間で、ほとんどの仕事 (90%) が何らかの形で生成AIによって破壊される可能性があることを示しています。事務レベルからCレベルまで、すべての人が影響を受けることになります。

一部の職種では、労働者が新しい仕事に必要なスキルを学ぶため、何ヶ月も仕事がない状況に直面する可能性があります。全体では、現在の米国労働人口の約9％が、生成AIによって職を奪われる可能性があります。過去の経済変動の分析に基づくと、失職した従業員の11%、つまり全従業員の約1%が、新たな雇用先を見つけるのに苦労する可能性があります。

このレベルのディスラプションを管理せずに放置しておけば、組織やそこで働く人々だけでなく、生産性そのものに深刻な結果を及ぼすでしょう。

なぜなら、生産性を最大化するためには、生成AIの導入率を上げることと、従業員の離職率や解雇率を下げることが必要になるからです。ここで、企業とその経営幹部の手腕が問われることになります。

この2つの要因に対処するには、AIの作り手と使い手、企業と政策立案者、雇用主と従業員の間の信頼、そしてAI自体への信頼が必要です。すべての信頼関係が重要ですが、私たちは主に最後の2つ (雇用主と従業員の間の信頼、AIへの信頼) に焦点を当てました。なぜなら、生成AIが持つ生産性を最大限に引き出すために企業が最も取り組みやすいのはこの2つだからです。生成AIが台頭する中、生成AIが経済的生産性だけではなく、労働者や社会にとっても有益な存在になれるよう、リーダーたちは新しい信頼関係の基盤を築くべきです。もし成功すれば、私たちは、想像もできないような豊かさと効率の時代を迎えることができるでしょう。もし成功しなかった場合に私たちを待っているのは、長い不安と争いの時代です。そしてすでに、その兆候をAI開発者達の間に垣間見ることができます。

90%

何らかの形で生成AIによって破壊される可能性がある仕事の割合

1兆ドルの生産性—そのストーリーの裏側

生産性を最終的に評価するのは人間である - 3つのシナリオ

生成AIは、社会と経済に大きな影響を与える可能性を持った素晴らしいテクノロジーです。しかし、その未来を大きく左右するのは、 人間的な要因です。私たちは抵抗するのか、歓迎するのか? 適応するのか、それとも何もしないのか?

その影響の程度は、企業の導入率と、人々が新しい働き方にどれだけ早く適応できるかによって決まります。歴史を振り返ると、こうした要因は他の分野における生産性のイノベーションを遅らせてきました。例えば、マイクロプロセッサは1970年代初頭に登場しましたが、パソコンが広く普及し、生産性が向上するまでには20年かかりました。

これが、Oxford Economicsと提携し、3つの導入シナリオを作成した理由です。

企業による生成AIの導入率が低い場合、米国の年間生産性向上率は2032年までに1.7％に増加する可能性があります。米国の長期的な年平均成長率が2%前後で推移していることを考えると、この弱気な予想でさえ、かなりの上昇を示しています。そして、企業による生成AIの導入率が高い場合には、2032年までに3.5%に跳ね上がる可能性があります。これは米国のGDPが10年間で4,770億ドルから1兆ドルの範囲で増加することを意味します。

生成AIが米国GDPに与える影響—3つのシナリオ

生成AIは、企業の導入率にもよりますが、2032年までに4,770億ドルから1兆ドルの利益を米国経済にもたらす可能性があります。

チャート1

出展: Oxford Economics and Cognizant
図1

仕事の混乱を読み解く

被影響度スコアとフリクションスコアで変化規模を予測する

生成AIの生産性を向上させる、あるいは低下させるもう一つの重要な要因は、雇用と雇用市場の混乱です。労働者が混乱に直面すればするほど、新しい働き方に適応することが難しくなります。どのような混乱が起こるのかを理解するために、私たちは約1,000の職業とそれに関連するタスクを分析し、「理論上最大の被影響度スコア」を算出しました。本レポートでは「被影響度スコア」と呼びます。

スコアが低いほど、自動化される価値の高いタスクの割合が低いことを意味します。そのため、その職業に就いている人々は比較的影響を受けません。例えば、暖房、換気、空調のメンテナンスに従事する人々の被影響度スコアは5%にとどまっています。なぜなら、生成AIでは彼らの仕事の大半を支援したり自動化できないからです。対照的に、コンピュータサイエンスチームの被影響度スコアは 62%です。—こうした仕事に従事する人々は、大きな変化に直面しています。

説明: 被影響度スコア

このスコアは、ある職業が生成AIによって受ける影響の度合を示しています。被影響度スコアは、生成AIによって完全に自動化される仕事のタスクの数、補助されるタスクの数、およびこれらのタスクの相対的な重要性に基づいて算出したものです。

本レポートの大部分では、特に明記されていない限り、生成AIの即時かつ満場一致での導入を想定した「理論上最大の被影響度スコア」と、中心的な導入シナリオで算出した「予測被影響度スコア」を使い分けています。

例: 家庭医

  • 生成AIは、患者情報の収集や管理など、価値の低いタスクを自動化できます。
  • また、より価値の高い診断業務を支援することもできます。
  • しかし、慢性疾患を持つ患者の生活習慣を変え救命するといった、非常に価値の高い業務にはあまり有効ではないでしょう。

最終的な被影響度スコア: 2032年までに33.3%

2032年までには、生成AIの影響を受けない仕事はごく少数に

何らかの影響:
被影響度スコア5%以上

Chart2a

大きな影響:
被影響度スコア25%以上

Chart2b

ほとんど影響なし:
被影響度スコア5%以下

Chart2c
ほとんどの仕事が生成AIによって何らかの影響を受け、半数以上は大きな影響を受ける可能性があります。

出展: Oxford Economics and Cognizant
図1

これまで、テクノロジーの進歩と自動化は肉体労働とプロセス中心のナレッジワークに大きな影響を与えてきました。しかし、生成AIの場合は逆です。HVAC (暖房、換気、空調) 技術者の仕事にほとんど変化がないことを思い出してください。生成AIは一般的にナレッジワークと呼ばれる仕事に大きな変化をもたらします。エントリーレベルの計算を担当する人から経験豊富な事業部門の責任者、Cレベルの幹部まで、すべての人々が今後10年間で仕事の進化を目の当たりにするでしょう。

実際、私たちの調査によれば、レポートの見直しや業務分析から、競争力評価や戦略的意思決定にいたるまであらゆることに生成AIを使用し始めているため、CEOであっても、2032年までに被影響度スコアが25%を超える可能性があります。長い間上級管理職の権限と考えられていた分野 (コスト削減、プログラムの改善、ポリシーの変更など) でも、「自動化の可能性」が大幅に上昇するでしょう。

一部の人々にとって、AIによる変化は日常的なものになっています。信用分析、コンピュータープログラミング、ウェブ開発、データベース管理、グラフィックデザインに関わる仕事の被影響度スコアは、すでに約50%となっています。技術の進歩に伴い、2032年までに一部の職種の被影響度スコアは80%にまで上昇する可能性があります。

その他の職種では、AIが成熟し、AIへの信頼が増すになるにつれて、AIを活用する機会が増え、混乱が急増することが予想されます (図3参照)。例えば、カスタマーサービス担当者の現在の被影響度スコアは11%ですが、2032年までに63%を超えると予測されています。

CEOの業務がどの程度自動化されるかによっては、被影響度スコアが25%を上回る可能性があります。

Icon

2032年までの被影響度スコア

雇用への影響は長期的に拡大

2023年から2032年にかけて、被影響度スコアが高い  (25%以上)  仕事の割合は、8%から52%に増加。増加率は550%に達します。
Chart3

グラフのデータは「理論上最大の被影響度スコア」を反映しています。これらのスコアの算出方法についての詳細は、調査方法を参照してください。
出展: Oxford Economics and Cognizant
図3

被影響度スコアが示すとおり、生成AIは一部の仕事に他の仕事よりも大きな影響を与えます。AIにタスクの一部を任せながら、AIとの付き合い方を学ぶ必要のある人もいれば、AIに自分の役割を奪われる人もいます。

離職者にとって再就職がどれだけ難しいかを理解するため、さまざまな職業グループの「フリクションスコア」を算出しました。このスコアは、既存のスキルで新たな雇用先を見つけることの難易度を示すものです。(フリクションスコアの算出方法についての詳細は、方法論を参照してください。)興味深いことに、最も打撃を受けた職業グループ (被影響度スコアが高い職種) の中には、フリクションスコアが比較的低いものがあり、これは再就職への道のりがそれほど困難ではないことを意味します。

説明: フリクションスコア

フリクションスコアが高い = 新しい仕事を見つけることがより難しい

フリクションスコアが低い = 新しい仕事を見つけやすい

最も打撃を受けた職業グループ (被影響度スコアが高い職種) の中には、フリクションスコアが比較的低いものがあり、これは再就職への道のりがそれほど困難ではないことを意味します。

この相関性をより理解するために、さまざまな職種を、被影響度スコアとフリクションスコアで図示化しました (図4参照)。ただし、今回は、中心シナリオに反映されているように、生成AI導入率がより緩やかであることを考慮した「予測被影響度スコア」を使用しました。その結果、予測被影響度スコアは、生成AIの即時かつ満場一致での導入を前提として本レポート全体を通して使用されている「理論上最大の被影響度スコア」よりも低くなっています。

フリクションスコアと予測被影響度スコアを組み合わせることで、今後の混乱を明確に把握できます。例えば、ソフトウェア開発者やデータベース管理者 (予測被影響度スコアは8%と比較的高い) のフリクションスコアは約40と比較的低く、新規雇用への道のりはそれほど困難ではありません。これは、彼らが需要の高いスキルを持っていることが理由だと考えられます。

しかし、多くの職種が、生成AIがもたらす深刻で長期的な混乱に直面する可能性があります。事務管理職 (事務アシスタントや受付など) の予測被影響度スコアは4%ですが、フリクションスコアは80で、厳しい現実に直面することが予測されます。

私たちもモデル作成のために参照した米国国勢調査局のデータは、このような雇用問題の解決は容易ではないことを示しています。過去の変革時には、離職者の約11%が仕事を見つけるのに苦労しており、新しい雇用機会を見つけるまでに平均39週間かかっています。このようなペースと規模の混乱が起これば、深刻な事態です—このまま放置しておけば、労働者のほとんどが絶望的な雇用状況や経済的な不安に直面することでしょう。

5年後の仕事と労働者への影響

私たちは、最も影響を受けるであろう職種と、再雇用が最も難しいまたは容易な職種をマッピングしました。

このグラフのデータは、予測被影響度スコアと理論上最大の被影響度スコアを比較したものです。これらのスコアの算出方法についての詳細は、調査方法を参照してください。バブルの大きさは、その職種に従事する労働者の相対数を表します。

バブルの色は2022年の賃金の五分位階級に相当します。最も濃い青が五分位、最も薄い青が一分位を表します。

出展: Oxford Economics and Cognizant
図4

  1. 経営
  2. ビジネスおよび金融業務
  3. コンピューターと数学
  4. 建築とエンジニアリング
  5. 生命・物理・社会科学
  6. 地域・社会サービス
  7. 法律
  8. 教育指導および図書館
  9. 芸術、デザイン、エンターテイメント、スポーツ、メディア
  10. 医療従事者および技術者
  11. 医療サポート
 12. 保安・保護サービス
 13. 食品調理および給仕関連
 14. 建物および敷地の清掃とメンテナンス
 15. パーソナルケアとサービス
 16. 販売
 17. 事務・管理サポート
 18. 農業、漁業、林業
 19. 建設・解体
 20. 設置、メンテナンス、修理
 21. 生産
 22. 輸送・資材運搬

同時に、経済の主な分野で継続している労働力不足に好影響を与えるなど、生成AIがもたらす雇用の混乱にはプラスの効果もあると予測しています。例えば、医療分野では、人手不足が常態化しており、サービスの質が低下し、サービスコストも上昇しています。被影響度スコアは、救急医の業務の最大3分の1が今後10年間で自動化されることを示しています。—これにより、医療機関は雇用を増やすことなく、より多くの医療サービス を提供できるようになります。

生成AIが雇用問題にもたらすと考えられる別のプラス要因は、生成AIの導入により、個人の弱みを補い、強みを伸ばすような柔軟な対応が可能になることです。—これにより、より幅広い認知能力をより幅広い役割に活用できるようになります。例えば、適切なツールを使えば、株式アナリストは数学の専門家である必要はありません。生成AIがその役割を引き受けるからです。代わりに、コミュニケーションなどの強みを活かして職場に付加価値を与えることができるのはないでしょうか。このように、生成AIは、多くの経済分野への参入障壁を大きく下げる可能性を秘めています。

生成AIが雇用問題にもたらすプラスの影響は、ヘルスケアなど経済の主要分野で常態化している人手不足を解決する能力と、個人の弱みを補いつつ、強みを伸ばすことができる能力です。

目前に迫る2032年

導入の急増が戦略的進化の原動力に

生成AIがもたらす変化は一度に起こるものではなく、また均等なペースの軌道をたどるものでもありません。むしろ、私たちの分析では、エンタープライズグレードのソフトウェアなど、他のテクノロジーの進歩と同様に、S字カーブをたどります。つまり、緩やかに上昇した後、急激に上昇し、やがて生成AIが洗練され普及する安定期に入るということです。企業が適応し、労働者のリスキリングが進み、ステークホルダーが生成AIの社会的影響に適応するにつれて、生成AIも進化のカーブをたどると考えられます。

今後10年間で急速に普及

生成AIの採用は、今後10年間で急速に進む可能性があります。

Chart5

図1

図表のデータは、当社の強気な導入予測に反映されているように、最大の導入率を示しています。
*2032年までの導入率を完全に把握するため、この図表の計算には2033年のデータも含めています。
出展: Oxford Economics and Cognizant

今後30年間の導入予想

15年を過ぎると、急上昇のカーブは緩やかになるが、少なくともその後20年は普及が続く。

Chart6

図6
出展: Oxford Economics & Cognizant

生成AIとそれ以前のAIの違いは、ペース、規模、そして解決すべき特定の社会的課題です。私たちの分析では、今後10年間、この成長ストーリーは3つの段階を経て展開されますが、それぞれの段階に独自の推進要因、課題、機会があります。企業は、生成AIを積極的かつ生産的に導入するために大規模な制度改革を推進する必要があります。これら3つの段階には、企業がどのようなアプローチを採用するべきかの答えが隠されています。

2023年から2026年: 実験と準備

組織がビジネスモデルと運用モデルを大幅に見直し、従業員や社会全体との信頼の基盤を構築するための重要な時期です。

この段階の特徴は、実験と慎重な実装です。組織は、画像作成、レポートや電子メールのテキスト生成、開発者へのコード提案など、管理が可能でリスクの低いタスク向けに、生成AIを暫定的に導入します。例えば、私たちのデータによると、生成AIがコンテンツ生成や市場分析などのタスクの実行を支援するため、マーケティングマネージャーの理論上最大の被影響度スコアは17%です。

私たちの最も強気なシナリオでは、この時期での導入率はわずか13%ですが、この段階の重要性を過小評価することはできません。組織がビジネスと運用モデルを大幅に見直し、従業員や社会全体との信頼の基盤を確立するための重要な時期です。強固な基盤があってこそ、今後数十年にわたって生産性を高め、市場をリードすることができるのです。

Image

低リスクな実験

Image

段階的な導入

Image

注意と不確実性

Image

ビジネス導入率 (高レベルシナリオ)

2026から2030年:自信を持って導入できる時期

この段階では、さまざまな職種で生成AIの果たす役割がますます高まります。ゼネラルマネージャーとオペレーションマネージャーの被影響度スコアは、現在の18%から2032年までに52.7%に上昇し、その上昇の大部分はこの時期に発生すると予測されます。

この段階では、導入が加速します。私たちの最大予測では、導入率はわずか4～8年の間に13%から31%に跳ね上がることが明らかになっています。過去の例を見ると、エンタープライズソフトウェアは規制の厳しい業界に徐々に浸透していきました。規制の明確化、スキル管理の強化、社会的需要の高まり、生成AIがビジネス課題をどのように解決できるのかが明確になること。これらの条件をクリアできれば、生成AIの導入は加速するでしょう。

この段階では、さまざまな職種において生成AIの果たす役割がより一層高まります。ゼネラルマネージャーとオペレーションマネージャーの被影響度スコアは、現在の18%から2032年までに52.7%に上昇し、その上昇の大部分はこの時期に発生すると予測されます。

さらに、生成AIの規制環境—現在は単なるパッチワーク—が注目を集めるようになるでしょう。この段階では、生成AIは単にタスクを自動化するだけではなく、 ビジネス変革戦略の中核を担う存在になります。将来を見据えた企業には、強固なテクノロジーインフラと、継続的なイノベーションを受け入れるだけでなく奨励するような企業風土が求められます。

Image

規制の明確化

Image

参入障壁の低さ

Image

ビジネスと運用モデルの再形成

Image

ビジネス導入率 (高レベルシナリオ)

2030年から2032年: コラボレーションが組織に浸透

強固な信頼の基盤があれば、これまで人間の直感と経験だけに頼ってきた役割を生成AIが支援するようになるでしょう。例えば、立法者の被影響度スコアは、2032年までに37%にも達します。

生成AIが成熟するにつれて、導入はさらに加速します。私たちの最も楽観的な予測では、46%の企業が生成AIを有効に導入し、AIと意思決定者のパートナーシップは新たな時代を迎えます。

一貫性のある適用と実証された信頼性を基に構築された強固な信頼の基盤があれば、これまで人間の直感と経験だけに頼ってきた役割を生成AIが支援するようになります。例えば、立法者の被影響度スコアは、2032年までに37%にも達します。

この段階では、生成AIは単なるツールではなく、微妙なニュアンスを分析し、戦略的なインサイトを提供するパートナーでもあります。このパートナーシップが成り立つためには、企業の複雑なニーズを理解・予測するまでに進化したAIシステムの精緻さと信頼性が不可欠です。初期の段階でデータ、戦略、イノベーションの文化を培うことで、生成AIは人間のリーダーと協力しながら複雑なビジネス環境を乗り越え、ハイレベルな意思決定に大きく貢献することができます。

Image

幅広いユースケース

Image

実証された信頼性

Image

意思決定と戦略的インサイトにおける有意義な役割

Image

ビジネス導入率 (高レベルシナリオ)

新たな信頼関係の構築

生産性を最大化するための4つの提言

本調査の期間は10年以上に及びますが、生成AIの最大活用を目指すリーダーに残された時間はほとんどありません。

生成AIは生産性の向上を保証しますが、その潜在能力をフルに発揮するとは限りません。この不確実性が原因で、生成AIの導入や活用が遅れるかもしれません。さらに、生成AIが労働市場に与える影響は、社会の繁栄と信頼にもネガティブな結果をもたらします。AIの価値を実現するためには、こうした局面を乗り切ることが鍵となります。

企業は、生成AIの時代に企業、労働者、社会が繁栄できるよう、生産性の最大化に必要な強固な信頼関係を構築するべきです。私たちはここで4つの理念を提言します。

1: 人を大切にする

組織に生成AIを統合することで、仕事の役割が変わり、組織の再編が不可欠となり、適応性と継続的な学習の重要性が浮き彫りになります。しかし、解雇への不安を軽視したり無視したりするべきではありません。この不安に対処することは、雇用者と従業員の信頼関係を築く上で極めて重要であり、積極的かつ強固な対策が必要です。

レイオフが起こらないと約束できる企業はありません。しかし、すべての組織には、かつてないレベルで新世代のリスキリングプログラムを展開できるだけの力があります。これまで従業員のキャリアパスへの戦術的な追加オプションとみなされていたリスキリングプログラムは、職場で不可欠なものとなるでしょう。

リスキリングプログラムにはさまざまな形式があります。例えば、企業が高等教育機関と提携し、特定の技術分野のカリキュラムを継続的に刷新することができます。また、組織が政策立案者、政府関係者、規制当局、さらにはあらゆる業界をも巻き込んで、「アカデミー」システムを共同で立ち上げることもできます。これにより、生成AIのスキルを教えるだけでなく、被影響度スコアとフリクションスコアが高い仕事に従事する人々の新しいキャリアパスを切り開くことも可能になります。

充実したリスキリングプログラムは、企業の競争優位性や評価を示す指標となります。優秀な人材を獲得し、維持するための有効な手段にもなり得るでしょう。リスキリングは企業の評価を左右する重要な要素です。リスキリングへの投資とその成果が企業の公開報告書で強調され、株主による監視の対象になるかもしれません。

退職予定の社員にもリスキリングを行うことで、生産性全体の拡大を図ることができます。特に、新しい世界の新しい仕事で成功し、仕事を自由に選べるような人材を育成することが重要です。また、生成AIがもたらす大きな社会経済的影響に抗うのではなく、歓迎することで、企業のブランド力を強化することもできます。将来の規制では、生成AIによる自動化が失業の直接の原因だと証明された場合、企業に失業者への支援を義務付ける可能性さえあります。

解雇への不安を軽視したり無視したりするべきではありません。この不安に対処することは、雇用者と従業員の信頼関係を築く上で極めて重要です。

2.  革新か、停滞か

従業員は、生成AIとそれに伴う変化についてあまり考えていないかもしれませんが、雇用主にはきちんと考えて欲しいと期待しているかもしれません。従業員の信頼を得られるかどうかは、雇用主が「理解している」か、そして次の変化の波に備えているかどうかにかかっています。

従業員の信頼を高め、生成AIの価値をフルに活用するためには、生成AIが事業運営、さらには自社のビジネスにどのような変化をもたらすかを考えなくてはいけません。四半期ごとに考えるのではなく、10年後にどのように事業を展開し、価値を創造していくかを見直す必要があります。

生成AIは、新たな収益源を創出し、業務効率を向上させ、製品とサービスを革新し、最終的にはビジネスを再定義する可能性をもたらします。例えば、銀行を顧客に持つインフラサービス会社は、配管工事よりも、大規模言語モデルのデータを扱う方が儲かると考えるかもしれません。また、ライフサイエンス企業は、生成AIのインターフェイスを使用した効率的で費用対効果の高いエンゲージメント手法を採用し、消費者と直接つながることができるかもしれません。

このような進化には、新しいテクノロジーを段階的に導入することと、ビジネスプラクティス、企業構造、仕事のあり方そのものを根本的に見直すことが必要になります。

役員室から事業部門に至るまで、組織は機能横断的なチームを結成し、プロセスの不具合や収益の障害を継続的に解決し、未来への新たな道を切り開くべきです。急成長中のスタートアップ企業の買収であれ、新たなパートナーシップの提携であれ、最善の道を素早く見極めるための新たな意思決定フレームワークが必要とされます。

新たに導入されたビジネスモデルを実行するためには、AIの急速な開発ペースに対応できる強固なテクノロジーインフラを設計する必要があります。さらに、大幅にスピードアップしたダイナミックで自律的な業務に対応するための新しいガバナンス方針、組織構造、業務プロセスが必要になります。すべてのステークホルダーに対して、生成AIへの理解を深め、生成AIを戦略計画の中心的な柱にすると明確に宣言することが成功する企業の条件になるでしょう。

従業員の信頼を得られるかどうかは、雇用主が「理解している」か、そして次の変化の波に備えているかどうかにかかっています。 

3: 透明性を確保し、信頼を築く

これまで多くのテクノロジーが労働市場を揺るがし、そのたびに人々はテクノロジーに対して不信感を抱いてきました。しかし、生成AIほど不安や恐れを引き起こしたテクノロジーはありません。ブラックボックス問題、バイアスやエラーを引き起こす可能性など理由は多々ありますが、生成AIが信頼されていないことは確かです。

生成AIに対する信頼を築くには、生成AIが人々、社会、そして企業自身に及ぼすネガティブな影響を軽減するための明確で実証可能な取り組みが必要です。すべての分野の組織は、生成AIシステムがどのように開発・展開され、どのような価値を守るために設計されているのか、そしてどのような対策が講じられているのか具体的に説明できなければなりません。この場合、透明性とは、生成AIがどのように意思決定を行い、企業のより多くの目標達成と顧客の幸せをどのように実現できるのかを明確にするものでなければなりません。

生成AIシステムの意思決定とアウトプットの信頼性を確立するためには、いくつかのアプローチが考えられます。例えば、モデルが意思決定に使用したデータを可視化することで、信頼性指標をアプリケーション自体に組み込むことができます。さらに、システムは意思決定自体に対する信頼度を生成することができるかもしれません。このようなシステム設計の進化が進むにつれて、その内部の仕組みは謎めいたものではなくなり、AIが生成したコンテンツや意思決定に対する全体的な信頼は高まるでしょう。

また、AIのバイアス問題、エラー、倫理リスクを最小限に抑えるためのセーフガードを組み込む必要があります。生成AIエージェント、サロゲートモデル、説明可能な意思決定モデル、人間による監視と介入を併用することで、自社のシステムからバイアスを排除し、倫理的に責任ある対応と意思決定を行うことが可能になります。

生成AIへの信頼を築くことが導入の鍵となります。私たちの調査によれば、この信頼は生産性を最大化するためにも重要です。

4. AIの有効活用

生成AIが生産性にもたらした恩恵を経営陣がどのように扱い、還元すると思うか? もし。100人の従業員にこのような質問をすれば、99人が懐疑的な答えをするでしょう。この回答は彼らの過去の経験に基づくものですが、これから生成AIが仕事と社会にもたらす変化は過去に例を見ないほど劇的なもので、過去の経験に頼ることはできません。

企業がイノベーションや投資を妨げることなく、生成AIの恩恵を社会にどのように還元するかを検討することで初めて、従業員と雇用主の間に信頼関係が成立します。私たちはこれをステークホルダー資本主義の次の重要なテーマだと考えています。今日のネットゼロプログラムが利益を再分配して地球を守るのと同様に、将来的には生成AIによる利益が従業員や社会と共有されるかもしれません。

漸進的なアプローチもある中、現在、持続可能性を重視する企業が環境負荷の軽減に取り組んでいるように、今後、企業理念を刷新し、生成AIによって得た収益の大部分を社会問題の解決に投じる企業も現れるかもしれません。

もう一つ考えられる解決策は、生成AIの進歩によって恩恵を受けた人々や企業が、各自の利益に応じて社会的利益のための専用ファンドに貢献することです。例えば、リスキリングを支援する教育プログラムに投資することも考えられます。あるいは、持続可能な技術や医療の改善に向けた研究に資金を提供することもできるでしょう。これにより、より効率的であるだけでなく、より健康でレジリエントな社会の基盤が築かれます。

生成AIがもたらす利益のもう一つの活用方法、そして間違いなく最も民主的な方法は、勤務時間や日数を減らすことで、従業員の労働環境を改善することでしょう。実際、多くの企業が週4日勤務を試験的あるいは本格的に導入し始めています。

ここで紹介するアイデアは、企業や政府のリーダー、政策立案者、コミュニティの主催者、慈善団体の思考や議論を活性化することを目的としています。どのアイデアにも固有の複雑さがあり、その実施には入念な計画と実行が必要です。

しかし、リスキリングと同様に、再投資について進歩的な考え方を持つ企業は、生成AIとそれがもたらす生産性に積極的に関与していると認識され、信頼できる企業として評価されるでしょう。

企業がイノベーションや投資を妨げることなく、生成AIの恩恵を社会にどのように還元するかを検討することで初めて、従業員と雇用主の間に信頼関係が成立します。

最後に

私たちがこの調査を始めたとき、世界はまだ、謎に満ちたこのテクノロジーに興味を寄せていました。しかし、当初は一般的な好奇心の対象だったものが、今では企業や政府のリーダーにとって最も重要な課題に変貌を遂げました。

その潜在能力にもかかわらず、生成AIは、これまでの多くのAIツールと同様に、好奇心と嫌悪感、歓迎と拒否反応を同じ程度に引き起こしています。実際、生成AIを日常生活に取り入れることを歓迎する人がいる一方で、生成AIの負の側面を不安視する人も同じくらいいるのです。なぜなら、経済格差を拡大する可能性や、誤った情報の拡散、私たちが人間の本質だと信じてきたものを変えてしまう可能性があるためです。

生成AIへの疑いには根深いものがあります。非人間的 (あるいは非人道的) な論理に基づいてなされた難しい判断を信頼できるのだろうか? アルゴリズムが私たちの最善の利益を考慮していると信じてもよいのだろうか? 人間なのか高度なAIシステムなのかわからないような相手と安全に交流できるだろうか?

このような疑問に経済モデルで答えることはできないかもしれません。良くも悪くも生成AIによって影響を受けるすべての人々の間で、新たな信頼関係を築くためには、時間と実験が必要です。もし生成AIがもたらす経済成長が多くの人々の目的意識や働くことの根本的な意味にマイナスの影響を与えるのであれば、そのような成長を歓迎する人はいないでしょうし、歓迎すべきではありません。

世界には、経済、労働者、そして社会そのものにとって非常にポジティブな新たな生産性の時代を切り開く力があります。それには、官民が協力して倫理とガバナンスに関する世界的な基準に合意し、それを守ること、デジタルディスラプションの脅威に対する安心感を提供すること、そして新たな可能性の中で社会のすべての人々が成功できるよう教育し、人々に力を与えることが求められます。

政策・方針、システム、プログラムを決定する立場にある人々は、正しい選択を行い、人類に最善の利益をもたらすことを優先すべきです。そうすれば、私たち一人ひとりの生活は、生成AIによってさらに豊かなものなるでしょう。

著者について

<br> Ollie O’Donoghue

Ollie O’Donoghue

Senior Director, Cognizant Research

Ollie O'Donoghueは、業界アナリストおよびコンサルタントとしての10年以上の経験を活かして、コグニザント・リサーチをリードするシニア・ディレクター。主に、新しい経済や技術の動向が企業や産業に与える影響を調査することに主眼を置く。

これまでのキャリアを通じて、Cレベルの意思決定者に価値ある助言を提供してきました。DXイニシアティヴ、変化する経済環境、新たなビジネスモデルに対応するための最適な提案を行う一方で、大手ITサービスおよびソフトウェア企業のマーケティングメッセージの改善や、Go-to-Market戦略の策定にも関与。

Duncan Roberts

Duncan Roberts

Senior Manager, Cognizant Research

Duncan Robertsは、コグニザント・リサーチのアソシエイト・ディレクター。衛星通信から教育評価まで幅広い業界のデジタル戦略・DXコンサルタントとして2019年に入社。戦略目標を達成するためのテクノロジー活用や、イノベーションによる実行可能な技術についてクライアントに助言をしてきました。

コグニザント入社前は、ヨーロッパ最大手の出版社に勤務し、デジタルパブリッシング革命において主導的な役割を果たし、業務変革や革新的な製品の立ち上げに貢献。セント・アンドリュース大学で哲学と古典学の修士号を取得。

謝辞

本稿をまとめるにあたり、以下の方々から助言を頂きました。謹んで感謝いたします。

コグニザント

  • Lynne LaCascia, Head of Brand and Creative Strategy, Content, Thought Leadership & Research
  • Catrinel Bartolomeu, Director of Storytelling and Content
  • Mike Turner, VP, Software and Platform Engineering
  • Naveen Sharma, Global Practice Head, AIA Practice
  • Mary Brandel, Editor

Oxford Economics:

  • Vasilis Douzenis, Lead Economist
  • Henry Worthington, Director
  • The entire Oxford Economics team

調査方法

コグニザントはOxford Economicsと提携し、今後10年間にわたって生成AI技術が米国経済に与える影響を評価し、予測しました。ここでは、私たちのアプローチとその根拠について包括的に説明します。

このプロジェクトは、オックスフォードのグローバル経済モデルに入力する仮定値を作成するために、5つの主要な段階を経て実施されました。これらの入力値は、米国企業における生成AIの使用が経済活動の構造的な要因、特に全要素生産性 (TFP) の成長にどのように影響するかを反映しています。このようなプロセスに内在する不確実性を考慮し、さまざまな結果を導き出すために3つのシナリオを実行しました。

まず、米国労働省のデータベース (現在では20年以上にわたるデータが蓄積されています) を使用しました。このデータベースには、約1,000の職業に関するスキルと要件に関する詳細な情報が含まれています。そして、これらの職業に付随する18,000以上の固有のタスクを、生成AIによる自動化の最大の可能性を反映するカテゴリーに分類しました。これには機械学習モデルの開発とテストが含まれており、それを利用してすべての職業の「理論上最大の被影響度スコア」を生成しました。

生成AIの導入率をモデル化するために、蒸気機関、電気、自動車、コンピューターなどの過去の変革技術の先例を分析しました。また、新しい技術や製品が市場に投入される際の導入速度と導入パターンを予測するために、一般的に使用されるフレームワークであるバス拡散モデルも適用しました。この導入データに基づき、理論上最大の被影響度スコアを予測される業界導入率にマッピングすることにより、生成AIから受ける職業の被影響度スコアを予測しました。

生成AIが職場にもたらす影響は不可避的に破壊的なものであるため、移行コストが発生すると予想されます。それらをモデルに組み込むために、米国国勢調査局による失職者の現行人口調査を使用しました。これにより、生成AIによって永続的に職を失う労働者の割合を把握し、転職が困難な程度を測定するための「フリクションスコア」を生成することができました。

これらの要因に、他のより詳細な情報（調査方法全文に記載）を組み合わせることで、生成AIの全要素生産性 (TFP) および労働市場参加への影響を推定することが可能になりました。生成AIが生産性と雇用に与える総合的な影響は、オックスフォードのグローバル経済モデルに適用されるショックとしてモデル化され、オックスフォードのベースライン予測を上回る米国のGDP成長に対する生成AIの貢献度を推定しました。

調査方法の全文はこちらをご覧ください。

コグニザントは、生成AIを活用して近代的なビジネスをつくり出し、日常生活を改善します。詳細はこちらをご覧ください。