ChatGPT、Bing Copilot、Claude、Geminiなどの生成型AIツールの増加は、取締役会、政策サークル、コーヒーショップの会話などで激しい議論を呼び起こしました。 「人々が実際にこれらのツールをどのように使用しているか、そしてそれが将来の仕事にとって何を意味するかについて、データに基づく、地盤化された視点を提供します。 AIで働く:生成型AIの職業的影響を測定する マイクロソフト・ビング・コピロット(Microsoft Bing Copilot)で匿名化された20万件を超える会話に基づき、著者らはハイパーを切り抜き、重要な質問に答えようとしている:人々は生成型AIで何をしているのか、そしてそれが労働市場にどのように影響するのか。 憶測を超えて AIと雇用に関するタイトルのほとんどはユートピアまたはディストピアであり、実際の行動の証拠なしにどの仕事が「危険にさらされている」かについての直感や高いレベルの予測に依存することが多い。 この論文は、AIが何ができるかを尋ねる代わりに、人々がすでに生成型AIシステムで何をしているのかを調べている。研究者は、AIに従業員がどのようなタスクを委任しているか、AIがこれらのタスクを実行するのにどれほど効果的か、そしてこれがさまざまな職業にとって何を意味するかを理解するために、実際のユーザーの相互作用を分析する。 その結果は、急速に進化する人間とAIのパートナーシップへの最初の実証的な窓の1つです。 Key Finding at a Glance 関連記事 AIは、情報収集と書き込みを含むタスクに大いに使用されています。 AIは言語密集型、半構造化されたタスクで最適です。 AIが優れているタスクの種類と、高い給料の知識の仕事の中心的なものとの間には強い関連性があります。 従業員は単にタスクを置き換えるのではなく、実験し、拡大し、働く方法を再構築しています。 人々が実際にAIで行うタスク この論文は、AIの使用事例の大半が2つの広いカテゴリーに分類されることを明らかにしている。 情報収集 - 例えば、研究、概要、比較 コンテンツ生成 - 例えば、電子メールの書き方、文書の作成、アイデア これらのカテゴリーは、コンサルタント、マーケター、アナリスト、法律専門家、研究者を含む多くの知識経済の役割のコア活動と重なります。 興味深いことに、ユーザーは実行よりも探査のためにAIを使用する可能性が高かった。多くのプロンプトはオープンエンドまたはブレインストーミングを目的としたもので、AIは現在、ロートオートメーションのために少なく、認知スパアリングのパートナーとして使用されていることを示唆しています。 AIはどのくらいうまくやっているのか? 著者らは、使用頻度を超え、新しい指標「タスクカバー」を導入し、「タスクカバー」は、AIでタスクがどれだけ頻繁に行われるかではなく、システムがユーザーの関与指標と満足度プロキシに基づいてそのタスクをどれだけうまく実行しているかを測定します。 結果は? AI は構造化された言語または半構造化された言語のタスクで最適です。電子メールの作成、文書の概要、またはファーストパス提案の生成を考えてください。 AI は構造化された言語または半構造化された言語のタスクで最適です。電子メールの作成、文書の概要、またはファーストパス提案の生成を考えてください。 これは、AIが人間を完全に置き換えることだけではないことを示しています(それでも)。それどころか、それは時には同じ仕事の中に、特定のサブタスクにスロットし、ワークフローを一つの層に変換しています。 プロフェッショナルレンズ:誰が影響を受けているか このタスクレベルのデータを労働市場の影響に翻訳するために、研究者たちはO*NET、すなわち米国政府の詳細な職業データベースにクロス参照します。 この論文の最も重要な発見の1つは、 AI is disproportionately suited for high-wage, white-collar occupations. みたいな役割: マーケティング専門家 経営コンサルタント 金融アナリスト 弁護士とパラレガル HRプロ ソフトウェア開発者(コード生成とドキュメントのための) ...すべては、AIがすでに規模と高効率で行っている課題を共有しています。 対照的に、物理的操作、個人的なサービス、または手動労働(看護師、電気工、配達従業員)を含む職業は、現在はほとんど触れていない。 最新のPodcastでは、 スティーブン・バートレットが、AIの父として知られるジョフリー・ヒントンに重要な質問をした。 The Diary Of A CEO あなたは、スーパーインテリジェンスの世界で彼らのキャリアの見通しについて人々に何を言いたいですか? あなたは、スーパーインテリジェンスの世界で彼らのキャリアの見通しについて人々に何を言いたいですか? ヒントン回答: Train to be a Plumber(電車はプルーバーになる) Train to be a Plumber(電車はプルーバーになる) もしかしたら、次のトップ数学者、エンジニア、または医師を育成することに焦点を当てて、最高の水槽や電気屋を育成する方法について考え始める時が来たのかもしれません。 Augmentation vs Automation: A False Binary? AIを取り巻く一般的な話はしばしばバイナリーである:それはあなたの仕事を自動化するか、そうでないか。 代わりに、我々は影響の継続を見ている。多くのユーザーは、AIが彼らの仕事を置き換えるのではなく、それを加速させるよう求めていた。 後で改訂するためのレポートの作成 決定について第二の意見を得る ブレインストーミング プレゼンテーションタイトル or angles 繰り返しのタスクのための概要やテンプレートの作成 言い換えれば、AIはパイロットではなくコパイロットとして行動している。 . For now しかし、ここに、AIのコパイロットが今日あなたのワークロードの30%を処理できるとしたら、70%を処理するまでどれくらいかかりますか? 労働者にとって何を意味するか 著者は賢明に黙示録的な予言をすることを控え、代わりに、彼らは明確な取り組みを提供します: Generative AI はすでに職場内の仕事の構成を再構成しています。 Generative AI is already reshaping the composition of work within jobs. タスクは分割されつつあります。一部はAIに委託され、他のものは完全に再構想されます。 Job Design - 役割間の境界線は曖昧になる可能性があります. One worker may juggle tasks that used to span multiple departments. スキル要件 - コミュニケーション、批判的思考、迅速なエンジニアリングは価値が高まっています。 不平等 - 高給労働者は生産性(および圧力)の向上を見る可能性がある一方で、低給労働者はより遅い干渉に直面する可能性がありますが、生産性のためのツールが少なくなります。 倫理・政策の課題 このような急速に進化するツールで、政策の世界は曲線の後ろにあります。この論文は、伝統的な自動化フレームワーク(数年または数十年にわたって徐々に普及することに依存する)がここに適用されないことを指摘しています。 クラウドベース 自由に利用可能 すぐに役に立つ 週刊更新 これは測定の問題を生み出す:どのようにして、機関が反応できるよりも速く進化するものを規制またはガイドするのですか? 著者は、プラットフォームプロバイダからよりリアルタイムで行動データの共有(匿名化およびプライバシー保存)を求める。 企業と労働者への影響 AIの変革はもはや理論的なものではなく、ライブワークフローで、しばしばレーダーの下で起こっています。 監査ワークフロー:AIの現在の強みと重なっている高周波のタスクを特定する。 増強のためのトレーニング:従業員にAIに抵抗するのではなく、AIと協力する方法を教える。 仕事の再設計:役割を排除する代わりに、それらをAI対応および人間中心のサブタスクに分解してください。 モニター・エクイティ:AI駆動の生産性の向上がトップに蓄積されていないことを確認する。 個々の従業員にとっては、適応性は新しい利点であり、未来はAIに正しい質問をする方法を知っている人々のものであり、AIに置き換えられることを恐れる人々だけではない。 結論:A Transition, Not a Takeover... for now マイクロソフトのAI研究は、創造型AIが今日の仕事にどのように影響を与えているかについての、証拠に基づく細かい説明を提供しています;理論ではなく行動で。 代わりに、より有用なものを提供します: a map of what’s actually happening and a preview of what’s to come. AIによってどんどん形作られている世界では、この論文は、仕事は静的な任務のリストではなく、人間の発明と技術能力の間のダイナミックな交渉であることを思い出させます。 その変革が大量の時代遅れに終わるか、よりスマートで公正な労働世界に終わるかは、テクノロジーが何ができるかではなく、私たちがそれで何をするかによってより多く依存するでしょう。 全文を読む: ここ
