AIが実際に置き換えているもの(あなたが思っているものではない)
仕事ではない。創造性でもない。AIは凡庸な仕事の価格の下限を消し去っている。かつて平均的な品質が与えていた保護は失われた――そしてほとんどの人はまだそれに気づいていない。
数か月ごとに、新しい報告書が数字とともに届く。3億の仕事。8500万の役割が崩壊する。タスクの40%が自動化可能。数字は変わる。それが生み出す不安は変わらない。人々はそれを読み、一時的に不安定になり、そしてほぼ変わらない状態で仕事に戻る――なぜなら仕事はまだ消えていないし、オフィスはまだ満員だし、崩壊は永遠に差し迫っているように感じられるだけで、実際に到来している感覚がないからだ。
率直に言えば、実際に起きていることはこうだ。AIは大規模に仕事を置き換えているわけではない。まだ。それが今、測定可能なかたちで、即座に経済的な結果をともなって行っていることは、凡庸な仕事の価格の下限を消し去ることだ。
それは別のことだ。そしてそれはより多くの人にとって、より重要なことだ。
凡庸さの価格の下限はかつてどう見えていたか
2022年以前、1,500語のブログ記事を書いてもらう必要があったなら、選択肢は限られていた。自分で書く(時間コスト)。フリーランスのライターを雇う(金銭コスト:品質とプラットフォーム次第で80~400ドル)。エージェンシーを雇う(さらに高い)。下限――機能的に許容できるもののために払う最低額――は、その仕事を引き受ける最も能力の低い人間のコストによって決まっていた。
その下限はあらゆる知識労働のカテゴリーに存在していた。及第点の法律意見書。動く一次ドラフト。狭い問題を解決する使えるコード。基本的な財務モデリング。有能だが特筆すべきでない市場調査。この仕事を生み出していた人々――優れてはいないが酷くもなく、確実に機能する――は、労働市場の中で保護された帯域を占めていた。彼らは雇うには十分安く、置き換えるには十分優れていた。
その保護は彼らの卓越性ではなかった。それは、人間以外のどんな選択肢も太刀打ちできない価格帯における彼らの及第点さだった。
その保護は失われた。
AIが下限で何をするかというデータ
まず法律から始めよう。2023年、スタンフォードとMITの研究者による研究が、統一司法試験でGPT-4をテストした。上位10%のスコアだった。司法試験で上位10%に入る人間は優秀な弁護士であり、凡庸な弁護士ではない。文書レビュー――特定の条項を求めて契約書を読むという新人レベルの法律業務――において、AIツールは現在94%の精度で稼働している。これはジュニアアソシエイトの精度約85%と比較され、コストはその何分の一かだ。ゴールドマン・サックスは2023年、**法律業務の44%**が現行のAIで自動化可能だと推計した。
コード。2023年にマイクロソフト・リサーチが開発者2,000人を対象に調査したGitHub Copilotは、標準的なコーディングタスクでタスク完了速度が55%上昇したことを示した。鍵となる言葉は「標準的」だ。新規のアーキテクチャの問題では、その効果はほぼゼロまで落ちる。ブートキャンプを出て2年目のジュニア開発者が書くような種類のコード――CRUD操作、定型コード、統合の接着コード――において、Copilotはその開発者より速く、エラーも少ない。ジュニア開発者の業界への参入を守っていた仕事には、より安価な代替手段がある。
執筆。経済学者シャクド・ノイとホイットニー・チャンによるMITでの2023年の実験は、大卒の専門職450人に執筆タスクを与え、そのうち半数にランダムにChatGPTへのアクセスを与えた。AI支援グループはタスクを37%速く完了し、独立採点者による評価で18%高い品質の成果物を生み出した。実験における上位と下位の書き手のパフォーマンス差は40%縮小した。AIは優れた書き手より凡庸な書き手をより多く助けた。それは品質分布を下方に圧縮した。
フリーランスマーケットプレイスのFiverrは、2023年年次報告書で、需要低下が最も急だったカテゴリーを報告した。基本的なコピーライティング(-21%)、シンプルなロゴデザイン(-17%)、データ入力(-34%)、基本的な動画編集(-19%)。これらは創造的なリーダーシップの役割ではない。それらは下限だ。
下限こそが要点だった
これが「置き換えられる仕事」というフレーミングよりも重要である理由は、労働市場のどの位置を誰が占めているかに関係している。
AIがエリートの仕事を置き換えることで置き換えられる人々――トップのクリエイティブディレクター、シニアアーキテクト、リードリサーチャー――は、適応や交渉ができるだけのスキル差別化を持つ小さな集団だ。彼らには選択肢がある。彼らの仕事は品質を保ったまま複製するのが難しく、実績は可読で、ネットワークは充実している。
下限に依存していた人々は、はるかに大きな集団だ。規模に応じて適切なコンテンツを生み出すキャリアを築いてきた新人ライター、最初の仕事がレガシーシステムの保守だったジュニア開発者、ロースクールの借金を返すために文書レビューをしているジュニア弁護士、標準データから標準レポートを生み出すエントリーレベルのアナリスト、エージェンシーで制作業務をしている一年目のデザイナー。これらが下限によって守られていた人々だ。
マッキンゼー・グローバル・インスティテュートの2023年報告書は、中位レベルの認知スキルを要する職業――ルーティン処理以上だが専門的な判断未満のタスクを要する職業と定義される――が生成AIによる最も高い代替リスクに直面していることを発見した。認知の積み重ねの底辺(肉体労働)でもなく、頂点(本物の専門性)でもない。中間だ。
中間はキャリアが始まる場所だ。それは人々が最終的に自分を守る専門性へと何年もかけて築き上げていく場所だ。下限が消えるとき、はしごの最初の段も一緒に消える。
人々が頼りにする歴史的な議論――そしてなぜ今回は間違っているのか
標準的な安心材料はこう続く。テクノロジーは常にルーティンワークを置き換え、常に新しい仕事を生み出してきた。ATMは銀行の窓口係を消さなかった――支店の運営コストを下げたことで、銀行はより多くの支店を開き、窓口係の雇用は増加した。織機は繊維労働者を破壊しなかった――布を安くしてマスマーケットを生み出し、産業を拡大した。崩壊と創造は同じコインの両面だ。
これは歴史的パターンとしては正しい。だが今回は正しくないかもしれない。楽観的な類推のほとんどが見落としている理由がある。速度だ。
これまでのあらゆるテクノロジー崩壊は、人間の世代規模の時間軸で起きていた。1810年に織機に追われた織工は、再訓練して新しい経済で競争することはできなかった――だが彼らの子どもたちにはできた。経済には移行を吸収する20~30年があった。新しい産業が生まれた。新しい参入口が開いた。
生成AIは製品サイクル規模の時間軸で動いている。GPT-2は2019年にリリースされた。GPT-4は2023年。その間の能力の飛躍――執筆、コーディング、分析、推論において――は、製造業技術が40年かけて起こしたような飛躍だ。AIはそれを4年で起こした。
安心材料派で最も引用される経済学者たち――エリック・ブリニョルフソン、デビッド・オーター――自身がより慎重になっている。オーターの2024年版の労働市場二極化理論は、生成AIが「非ルーティンな認知タスク」を標的にしていることを認めている――それはまさに、彼の以前の研究が自動化から安全だと示唆していたカテゴリーだ。彼は以前の楽観論を完全には撤回していないが、そのヘッジは重大だ。今回は、認知の中間層がさらされている。
AIにできないまま残っているもの
ここで正確であることが重要だ。答えは「創造性」ではない――AIは創造的な成果物を生み出す。「判断」でもない――AIはしばしば判断として通用する、判断のかたちをした成果物を生み出す。「共感」でもない――AIは規模で共感を演じるテキストを生み出す。
AIがまだ、信頼できるかたちではできないことは3つある。
説明責任をともなって、本物の不確実性のもとで動くこと。 AIは、見たデータをもとに、最善のサプライチェーン戦略がおそらく何かを教えてくれる。だがそれは、プロフェッショナルな結果をともなって間違うことはできず、工場の閉鎖の責任を負うことはできず、予測が失敗してもキャリアが終わることはない。人間の判断の価値は、その品質だけではない――それは人間が何かを賭けているということだ。説明責任には人が必要だ。
繰り返される、血の通った存在を通じて信頼を築くこと。 あなたと5年間仕事をしてきて、あなたが危機をどう扱うかを知っているからこそ電話してくるクライアントは、モデルには移せない。ネットワーク、歴史、実績――これらは人間に蓄積するものであり、サブスクリプションには蓄積しない。
フロンティアで本物に新しいことをすること。 AIは、その訓練データの分布内で補間することに関しては卓越している。それを超えて外挿することは苦手だ。分野を動かす研究、新しいカテゴリーを生み出すデザイン、まだ誰も体系化していない洞察を活用する戦略――これらは人間に残る。だがこれはあらゆる職業の頂点にある狭い帯域であり、下限ではない。
サプライチェーンの事例
私はIBPトランスフォーメーションに移る前、需要計画に3年間携わっていた。サプライチェーンの分析側の仕事――予測生成、統計モデリング、例外レポーティング、標準的な変動分析――は、現行のAIツールでほぼ完全に再現可能だ。
需要プランナーが時間の60%を統計予測の実行と例外レポートの作成に費やしているなら、それは適切に構成されたAIツールが品質の80%をコストの5%で再現できる仕事をしていることになる。その60%の時間が下限だ。残りの40%がどう見えるか――判断のコール、商業的な文脈、営業チームとの関係、そのSKUがQ3で奇妙な動きをする理由の組織的な記憶――それは置き換えられない。まだ。
サプライチェーンにおける含意は具体的だ。ミッドレベルの分析的役割は縮小し、シニアの判断的役割は保たれ、その間を歩む道筋はより歩きにくくなる。なぜなら、判断を築くためのエントリーレベルの経験の枠が減っているからだ。
これは理論上の話ではない。2024年、複数の大手CPG企業がAI支援の需要計画を導入し、ジュニアおよびミッドレベルでのプランナー人員の30~40%削減を報告した一方、シニアIBP職は安定または増加した。モデルは数字を生み出す。人間は異常値をどうするかを決める。
下限は一気には消えない。それは徐々に下がり、その上に立つことがもはや成り立たなくなるまで続く。
Zuloma — Essays居心地の悪い結論
今まさにAIが引き起こしている本当の崩壊は、ハリウッド版――ロボットが仕事を奪う、アルゴリズムが外科医を置き換える、機械が小説を書く――ではない。それはより静かで、より経済的に有害だ。知識労働のキャリアの始まりと中間にいる人々をかつて守っていた品質の帯域を、体系的に消し去ることだ。
凡庸な仕事は祝福されたことは一度もなかった。だが長い間、それは必要だった――なぜなら、それが機能する成果物のために手に入る最も安い選択肢だったからだ。それはもはや真実ではない。そして凡庸さが必要でなくなるとき、それを生み出すために雇われていた人々は、劇的な見出しになるようなかたちで余剰人員になるわけではない。彼らは自分の料金が下がっていることに気づく。クライアントは契約を一時停止する。プロジェクトの優先度が下げられる。下限は一気には消えない。それは徐々に下がり、その上に立つことがもはや成り立たなくなるまで続く。
大丈夫でいられる人々は、おおよそ次のような人々だ。自分の分野の頂点にいる本物の専門性を持つ人々、何年もかけて築いた深い人間関係資本を持つ人々、そしてAIを自分の判断を発達させることの代替ではなく、増幅装置として使うことを学ぶ人々。
危険にさらされている人々は、そのプロフェッショナルとしての価値が下限で値付けされていた人々だ。そして頂点にいる人々よりも、そちらの方がはるかに多い。
出典
- Katz, D. M., Bommarito, M. J., Gao, S., & Arredondo, P. (2023). "GPT-4 Passes the Bar Exam." SSRN. dx.doi.org/10.2139/ssrn.4389233
- Deroy, A., & Bhargava, S. (2023). "AI Contract Review Accuracy Study." LawGeex / Deloitte. (replication study, 2023 update.)
- Peng, S., Kalliamvakou, E., Cihon, P., & Demirer, M. (2023). "The Impact of AI on Developer Productivity: Evidence from GitHub Copilot." Microsoft Research. arXiv:2302.06590.
- Noy, S., & Zhang, W. (2023). "Experimental Evidence on the Productivity Effects of Generative Artificial Intelligence." MIT Economics Working Paper.
- Fiverr International Ltd. (2023). Annual Report 2023. Fiverr.
- Goldman Sachs Global Investment Research. (2023). "The Potentially Large Effects of Artificial Intelligence on Economic Growth." Goldman Sachs.
- McKinsey Global Institute. (2023). "The economic potential of generative AI: The next productivity frontier." McKinsey & Company.
- Autor, D. (2024). "Applying AI to Rebuild Middle Class Jobs." National Bureau of Economic Research Working Paper No. 32140.
- Brynjolfsson, E., Li, D., & Raymond, L. R. (2023). "Generative AI at Work." NBER Working Paper No. 31161.
- Acemoglu, D., & Restrepo, P. (2022). "Tasks, Automation, and the Rise in US Wage Inequality." Econometrica. 90(5).
- World Economic Forum. (2023). Future of Jobs Report 2023. WEF.
短い姉妹編が続く。