フォーチュンのコラムは、現在のAI経済が「今回は違う」という感情と「誰も答えを知らない」という感情の両方によって支配されていると指摘している。同記事は、この並存する楽観主義と不確実性が、現在のAIブームの最も顕著な特徴であると評している。
米国ペンシルベニア大学ウォートン商学院のエイタン・モリック教授は、先日ニューヨーク公共図書館で開催されたイベントで、AIラボ、企業経営陣、業界の意見リーダーですら、AIが企業をどのように実際に変革するかを答えるための既成の方法を持っていないと述べた。彼は、「標準的な脚本」をすでに掌握していると主張する者は信頼できないと語った。
全体の生産性の向上は依然として限定的です
米国銀行のデータによると、AIは現在、全体経済の年間生産性の向上に約0.1%しか寄与していない。この数値は、市場がAIに抱く高い期待と明確な対比をなしている。米国銀行は同報告書内で、AIを電力やインターネット以上の影響を持つ技術と評価している。
ゴールドマン・サックスの今年3月の研究も同様の結論を示している。同レポートによると、AIと全体経済レベルの生産性向上の間には、現時点で顕著な相関関係は見られていない。しかし、カスタマーサポートやソフトウェアなどAIの適用が集中する業界では、中央値の生産性向上が最大30%に達している。
米国銀行の試算によると、AIが現在変革可能な職場タスクは約20％であり、そのうち現在の段階でコスト効果があるのは23％に過ぎない。自動化が完了したとしても、削減できる人件費は約27％にとどまり、人件費自体は総コストの約半分を占めている。この基準に基づけば、現在の理論上の労働生産性向上の上限は約0.66％であり、実際の導入後には摩擦や実行の遅れによりさらに低下する。
社内プロセスが実装を遅らせている
記事は、AIの報酬がいまだに十分に実現されていない問題は、技術そのものに原因があるのではなく、組織構造に更多の要因があると指摘している。Mollickは、企業のIT部門がAIプロジェクトで最も停滞しやすい場所であると述べており、これはイノベーションへの反対ではなく、リスク管理に天然に焦点を当てる役割ゆえである。
彼は、KPIシステムが実験の幅を制限すると指摘した。企業が最初からあるプロジェクトに10％の改善を求める場合、通常は既存のプロセスに対する微調整しか選別されず、プロセスそのものの置き換えを促すことは少ない。言い換えれば、仕事のやり方を根本的に変えるAIの応用は、従来のパフォーマンスフレームワークではうまく育成されない可能性がある。
AI企業も導入方法を模索しています。
記事はさらに、多くのAI企業が、顧客がモデルを実際のビジネスに統合するのを支援するために、独自のコンサルティングおよび導入チームを構築しているという、より明確な現象に言及している。Mollickは、これは業界がまだ成熟し、再現可能な実装パスを確立していないことを示していると考えている。
モデルの能力がすでに多くのホワイトカラー職を再構築するほど強力であるなら、これらの企業は「どのように導入するか」という基本的な質問に簡単に答えられるはずである。しかし現実には、AIを最も前向きに見ている技術提供者ですら、企業への実装方法を探している。
この文章は、現在のAI業界の核心的な矛盾が評価の高低だけでなく、技術進歩の速度と組織の吸収能力との不一致であると指摘している。市場はAIが深い変化をもたらすと信じている一方で、直接的に適用できる実装パスが不足しており、この張力はAI経済の次段階の発展に引き続き影響を及ぼし続ける。