MITとプリンストンAIラボの研究者たちによる、arXivに掲載された新しい研究は、多くの人が静かに疑っていたことを数値で裏付けている。人々はAIに依存する頻度を過小評価しているだけでなく、AIから得られる成果を大幅に過大評価している。研究者たちはこれを「効率向上の錯覚」と呼び、AIが生産性に実際に貢献していることを我々がどのように考えるかを再定義する可能性のある認知の罠を示している。
幻の背後にある数字
「効率向上の錯覚：人々はAIの使用率を過小評価し、簡単なタスクにおけるその利点を過大評価する」と題されたこの研究は、合計2,691人の参加者を対象に、事前に登録された3つの実験を実施しました。タスクは意図的にシンプルなもので、算術、スペルチェック、誰もが汗をかくことなくできるような作業でした。
参加者は、実際の効果がわずかでも、これらの単純なタスクにおいてAIが貴重な時間と労力を節約していると一貫して感じていた。あるモデル化された分析では、AIを用いたコピー・ペースト機能により、平均完了時間が102.0秒から66.2秒に短縮された。参加者は、この35秒の実際の改善よりもはるかに大きな効果を実感していた。彼らの主観的な効率向上の感覚は、実際に起きたことよりも大きく、その歪んだAIの有用性の認識が、今後のAIを活用するタイミングの判断に影響を与えた。
フィードバックループの問題
研究者は、AIを初期の簡単なタスクに依存することで、さらなる依存が促進され、生産性に関する誤判断が深まるフィードバックループを特定しました。参加者がAIを使用し、それが役立ったと感じた際、次にまたAIを用いる傾向が高まりました。これは証拠に基づく判断ではなく、効率性という感覚が自己強化するためでした。
研究者たちは、参加者間でのAI利用率の系統的な過小評価も発見しました。人々は利点を過大評価するだけでなく、そもそもAIをどれほど頻繁に利用しているかを過小評価しており、このフィードバックループを断ち切るのをさらに難しくしています。
生産性のパラドックス、再考
MITとプリンストンの研究が追加したのは、このギャップの一部に対する行動的な説明である。個々のユーザーが日常的なタスクにおけるAIの利点を系統的に過大評価している場合、集団的な生産性データは集団的な熱意に一致しなくなる可能性がある。個々のレベルでは利益が実感されるが、数値としては完全には現れない。