9,002 文字
インタビュアー: クリス、あなたは世界最大の採用プラットフォームのCEOですね。毎月60ヶ国で3億人のユーザーがプラットフォームを訪れていると伺っています。そのデータから見て、現在の労働力と労働市場をどのように捉えていますか？また、AIと生成AIからどのような影響を見ていますか？
クリス: 本日はお招きいただきありがとうございます。また、皆様、早朝からお集まりいただき感謝申し上げます。これは明らかに最大の問題で、ここまで歩いてくる途中でもほぼすべての建物に掲示されているのを目にしました。特に仕事の世界への影響については、私たちも多くの時間を費やして考えています。
グローバルに見ると、労働市場は確かに冷え込んでいますが、まだ強さを保っています。採用と求人数はパンデミック前の水準を上回っています。本当の問題は、AIが仕事に与える影響がどうなるかということです。私たちはこれを2つの観点から見ています。1つは求人情報そのものです。グローバルな労働市場を最前線で見ているわけですが。
ご指摘の通り、3億人以上の求職者と約3,500万件の求人があります。例えば、求人における生成AIの言及を見ると、2022年11月以降、指数関数的に増加しています。しかし、その爆発的な増加を見ても、全求人の0.2%にすぎません。まだ1%にも達していないのです。
つまり、非常に小さな領域で大きな影響を与えているということです。また、この技術が他のすべての種類の仕事にどのような影響を与えるかも見ています。昨年末に大規模な調査を行い、プラットフォーム上の様々な職種にわたる2,800の個別スキルを調査し、生成AIがそれらのスキルを実行する能力を評価しました。
生成AIがそれらのスキルを、不十分に、かなり良く、あるいは非常に良く実行できるかを見ました。その要約すると、生成AIが人間を完全に置き換えられるスキルは実際にはないのですが、経済の異なるセクターを見ると、生成AIが実行できるスキルの集中度が非常に高い職種があります。
リストの上位には、ソフトウェア開発、金融、法務など、いわゆるナレッジワークがあります。これらは、生成AIが今日かなり良く実行できるスキルの割合が最も高いものです。
今後何年かで何が起こるかは分かりません。一方、スペクトルの反対側には、主に対面での存在を必要とするものがあります。例えば、保育、医療、建設などは、潜在的な影響が極めて低いものです。しかし、これらを整理すると、ほぼすべての仕事が今後おそらく3〜5年の間に変化し、進化していくことが明確に見えてきます。
それがどのように展開され、物事がどれほど急速に変化するかを見るのは、非常に興味深い時期になるでしょう。
インタビュアー: それは大変興味深いですね。例えば、私のような知識ベースの仕事、アナリストの視点から見ても、仕事を改善できる新しいツールがあることに実際にワクワクしています。その場合、まだかなりの人間同士のやり取りが必要ですよね。以前も見てきましたが。
クリス: その通りです。現在私たちが見ている最大の影響は、個人のスキルを補強する能力です。私たち自身のツールでもそれを目にします。確かに、3億人の求職者と3,500万件の求人をマッチングする基盤として、巨大な採用プラットフォームがあります。
私たちが明確に見ているのは、AIがマッチングの大部分を担っているということです。Indeedで行われるマッチングの約60%はAIによる求職者への推薦です。雇用主への推薦でも明確に見えることの1つは、雇用主が自身の判断を加えた場合、例えば20〜30人の候補者を示して、その中から最適な10人を選ぶ場合、そのマッチングはAIだけで行うよりも2倍の確率で採用につながるということです。
私たちが見ている最大の潜在的影響は、AIと人間の判断が組み合わさることで、どちらか単独ではできないことができるようになるということです。
インタビュアー: エリックに質問を向ける前に、もう1つ質問させてください。先ほどの0.2%という数字に戻りますが、5年後にはどのくらいの割合になると予想していますか？明らかに、看護や保育など、多くの仕事はそれを取り入れないかもしれません。良い数字はどのくらいでしょうか？
クリス: はい、これらは特に生成AIに言及している求人です。AIの使用に言及している求人は2023年にピークを迎え、約4%でした。現在は約2%に下がっています。
再び上昇し始めているのを見ています。しかし、非常に明確なのは、生成AIの5〜7年の経験を求めるなど、かなり非現実的な要求をしている求人が多く見られることです。生成AIが登場してまだ2年しか経っていないのに。今後どうなるかを正確に予測するのは難しいですが。
しかし、働く人々に期待されることが非常に急速に進化していくことは明らかです。
インタビュアー: ありがとうございます。エリックに質問を向けます。生産性の向上は、政府と企業の双方にとって望ましい目標です。しかし、最大の懸念の1つは、生成AIの結果として構造的な失業が生じる可能性があることです。今後数年間で、これら2つの相反する力がどのように展開すると見ていますか？
エリック: はい、素晴らしい質問ですね。ここを歩くとすべてがAIについてで、それは適切なことです。なぜなら、これは私たちが今まで見てきた中で最も重要な技術革命の1つだからです。蒸気機関や電気、インターネットのような汎用技術ですが、その影響はより短期間でより大きなものになるでしょう。
そしてそれは、生産性と雇用という2つの広い領域に影響を与えます。生産性に関する良いニュースは、大きな後押しがあると思います。現在、議会予算局は今後10年間の生産性を年平均約1.4%と予測していますが。
それは大幅な過小評価で、おそらくその2倍以上の2.8%から3%になるでしょう。トム・ミッチェルと他の専門家チームによる国立科学アカデミーの報告書に基づいています。1.4%は過去10〜15年の水準です。これは本当に大きな上昇です。
アメリカの多くの大きな問題を解決するのがずっと容易になるでしょう。他の国々でも同様の改善が見られると思います。同時に、多くの誇大宣伝と無駄遣いもあります。実を結ばないAIソリューションに何十億ドルも費やされています。かつてないほどの混乱があるのです。
だからこそ、機会を理解するためにタスクベースまたはスキルベースのアプローチが必要です。私の研究では、学術論文で発表したものですが、約18,000の個別タスクを評価し、それぞれに対してAIソリューションが役立つかどうかを検討しました。
クリスが言ったことと非常に似ていますが、少し戻って考えると、すべての仕事はタスクの束と考えることができ、生成AIやその他の技術がその仕事のすべての異なるタスクを実行できるという仕事は1つも見つかりませんでした。しかし、ほぼすべての仕事で、AIが役立つタスクが見つかりました。
つまり、仕事の再構築が重要なのです。このデータ駆動型のアプローチを取ることで、より良く理解できます。私たちはWorkhelixという会社でさらに一歩進め、現在約25万の非常に細かいタスクを見ることができます。そこから雇用に何が起きているかという話になりますが、私たちが見ているのは、大規模な雇用破壊と雇用創出です。
AIは多くの仕事を破壊し、再編成しますが、同時に多くの仕事も創出します。これは以前のすべての技術でも起きたことです。新しいことではありません。今後加速していくでしょう。成功する企業や国は、過去に機能してきたものを固定しようとするところではありません。
むしろ、ダイナミズムを受け入れ、これらの技術を使って以前にはなかった新しいことをどのように行えるかを考えるところです。そうすることで、荒々しい道のりになるかもしれませんが、新しい機会を活用し、タスクベースの分析によってそれらの機会がどこにあるかを見ることができます。
クリスは機会が見られる場所のリストを示してくれました。しかし、最終的に、すべての企業は独自の機会の特徴を持っています。文字通り何十万もの個別タスクを評価して、機会がどこにあるかを見ることができます。そして私たちは、コーディング、カスタマーサービス、販売などが最前線にあることを見ています。
これらは技術を最大限に活用している分野の一部です。
インタビュアー: それに関してたくさんの質問があります。例えば、政府の観点から生産性を見ると、ヨーロッパは約18%低く、アメリカとの18%のギャップがさらに広がっています。明らかにアメリカはこの技術の最前線にいますが、ChatGPTがいかに急速に採用されたかを見ると、採用のペースは非常に速い可能性があります。ヨーロッパには追いつくチャンスがあると思いますか？それとも、少し遅れをとると思いますか？
エリック: そのギャップは、技術がほぼ誰でも利用できるという現実の難しさを浮き彫りにしています。ChatGPTにログインして使用することができ、多くのテクノロジー企業がアメリカにあって発明しているとしても、世界中の人々がアクセスできます。本当の障壁、本当のボトルネックは技術を進歩させることではなく、それをどのように使用してビジネスを変革するかを理解することです。
そのためには、実際にはより多くのダイナミズムと柔軟性が必要です。残念ながら、ヨーロッパには規制的、文化的、その他の障壁が多く存在し、この雇用創出とダイナミズムを難しくしています。スタンフォードデジタルエコノミーラボとWorkhelixで私たちが取り組んでいるのは、このギャップを埋めることです。
技術のフロンティアを押し広げるために何千億ドルも投資されていますが、私はそれを障壁とは見ていません。ヨーロッパでより効果的に使用する方法を見つけることが重要です。2000年頃、彼らはアメリカの生産性の約95%で、収束に向かっているように見え、追いつくと思われました。
しかし、それ以来、さらに差が開き始め、2020年以降、そのギャップはさらに大きくなっています。これは技術へのアクセスの欠如を反映しているのではなく、ChatGPTやその他の要素を反映しているのではありません。実際には、技術を生産性に変換する能力の欠如を反映しているのです。
ちなみに、これは以前の技術でも同様でした。電気の場合、完全な恩恵を受けるまでに20〜30年かかりました。そしてそのビジネス変革を進んで行った企業が、より早く恩恵を受けました。だから私は、そのギャップを埋める方法を理解することに焦点を当てています。
インタビュアー: それは本当に興味深いですね。クリスに伺いますが、今後5年間で、私たちの仕事におけるタスクとスキルがどのように変化すると予想していますか？
クリス: はい、エリックが言っていたことに少し付け加えさせてください。生産性は明らかに大きな機会ですが、必要性でもあります。グローバルなマクロの観点から見ると、最大の課題の1つは出生率の低下と高齢化する労働力です。
日本、韓国、中国、ユーロ圏を見ると、今は縮小する労働力とAIからの潜在的な生産性向上との競争の始まりです。そのため、これを活用できることが実際に不可欠になります。影響を見ると、前述の通り、ほぼすべての仕事が何らかの影響を受けており、それはほぼすべての仕事が進化することを意味します。
おそらくかなり急速に進むでしょう。具体的な例を1つ挙げると、私は1993年にソフトウェア開発者としてテック業界でキャリアを始めました。その仕事は今日のコーディングの仕事とは全く異なります。これらの異なるスキルについてよく聞かれる質問の1つは、特定の労働者が増えるのか減るのかということです。私の見解では、誰も指摘できるデータはありませんが、将来的にはコーダーは今の10倍になるでしょう。
しかし、彼らがやることはソフトウェア開発者が行うことと全く異なり、同じように認識不可能なものになるでしょう。例えば、World Wide Webの影響を考えてみましょう。インターネットは長い間存在していましたが、Webが仕事の性質に与えた影響、ジャーナリストの仕事、タクシー運転手の仕事は、1995年に座ってタクシー運転手やジャーナリスト、教師に今日のその仕事の姿を見せたら、彼らは完全に驚愕するでしょう。
そして、私は労働力の30年の変化が今後3年間に詰め込まれる可能性が十分にあると考えています。
インタビュアー: 私たちは子どもたちに十分な教育をしていないかもしれません。また、教師にもスキルがないかもしれません。それがどのように発展していくと見ていますか？世代の底辺から助けるべきですが、それについてどう考えていますか？
クリス: それは非常に困難になるでしょう。現在の採用における大きなトレンドの1つで、私たちが非常に注目しているのは、スキルベースの採用という考え方です。経験の代わりにスキルで採用することは、例えば4年制大学の学位を持たない人々にも機会を開くという点で非常に価値があります。
アメリカでは労働力の約36%が4年制大学の学位を持っていますが、それを必要とする仕事は膨大にあります。スキルに基づいて採用できれば、理想的な資格を持つ人々をより良く見つけることができます。問題は、現在、私たちがまだ何なのか分からないスキルの集合があることです。
これから数十年先の雇用可能性にとって最も必要なのは、何よりも適応性と好奇心です。知識は今や指先で得られるため、実際にどのような知識を持っているかはますます重要ではなくなっていきます。推論、論理、これらの技術が私たちのためにできることはたくさんありますが、好奇心を持ち、適応性を受け入れる能力が重要です。
問題は、私たちの教育システムは知識を教えていますが、適応性と好奇心、創造性を教えていないことです。将来の労働力を準備したいのであれば、多くのことを変える必要があります。
インタビュアー: エリック、あなたは「チューリングの罠」という言葉を作りましたね。それは何についてで、将来の人々の最適化にどのように役立つかを教えていただけますか？
エリック: これは今後の社会にとって大きな課題の1つです。多くの方がチューリングテストについてご存知だと思います。AIが人間を完璧に模倣できれば、それが研究の究極の目標だという考えです。それは非常に刺激的な目標ですが、同時に全く間違った目標でもあります。あまりにも多くの研究者が、機械をより人間に似せることに焦点を当ててきました。
チューリングの罠は、これが価値の創造と分配の両面で非常に破壊的になる可能性があることを強調しています。まず、チューリングテストは実は目標として低すぎる、野心的でないと言わざるを得ません。単に人間ができることをする機械を作ろうとするのは、目標を低く設定しすぎています。
私たちは、人間を遥かに超えた素晴らしいことができる機械を持つことができます。ヘンリー・フォードが「私の目標は人間と同じくらい速く歩く、あるいは走る車を作ることだ」と言っていたら、それはかなり情けないと思いませんか？同様に、現在、単に私たちがやっていることを行い、コストを削減するだけでは不十分です。
私たちは新しい薬を発明し、新しい商品やサービスの新しい方法を発見し、これまでにないことを行おうとすべきです。これらの技術は素晴らしいものです。つまり、より高い上限があるということです。
もう1つは、経済学者として見ると、人間を模倣することは、人間の労働を補完するのではなく、代替する技術を作ることになります。クリスも先ほど触れていましたが。
代替すると、経済学的に何が起こるかというと、賃金が下がり、収入が減少し、技術を支配する人々により多くの富と力が集中し、労働者の取り分が減ることになります。一方、補完する場合、つまり人々がこれまでできなかった新しいことができるようになれば、賃金は上昇します。
過去200年間、技術は主に補完的なものでした。だからこそ、私たちは皆、100年前や200年前の人々よりもはるかに高い賃金を得ています。それは素晴らしいことでした。しかし、もし私たちが方向を変えて、人間の代替となる技術を作り始めるなら、それは技術創造に対する非常に有害で破壊的なアプローチだと考えています。
そのため、私は賃金の低下と生産性の上限の低さにつながるチューリングの罠を避け、代わりに人間を補完するAIに焦点を当てるべきだと提唱してきました。
インタビュアー: 先ほど控室で、AIの訓練には実際に価値があり、注意しないと適切な人々に価値が与えられない可能性があると話していましたね。
エリック: その通りです。ブルームバーグなどの労働者に関する本についてですが。大規模言語モデル（LLM）が価値を得る最大の方法の1つは、すべてのトレーニングデータからです。ウェブ上のすべてのもの、ニュース記事、本、人々が書いた他のものを取り込み、それが膨大な価値を生み出しています。
残念ながら、私たちの法律や制度では、誰がそれを所有し、どのような権利があるのかが非常に不明確です。著作権侵害があるかどうかについて、裁判所でも多くの混乱があります。ご存知の通り、多くの訴訟が進行中です。
少し前に上院議員と会った時、これについて新しい法案が出てくる予定だと聞きました。しかし最終的に、経済学者として、私が見たいのは価値創造のインセンティブが破壊されるのではなく、強化されることです。
それは、コンテンツ作成者が彼らが作り出す価値の一部を得るべきだということを意味します。その配分を正確に決定することは、複雑な経済的・数学的問題です。私はガブリエル・アンガーやジョーイ・ヒツィグ、スタンフォードやその他の場所のポスドクや研究者たちと協力して、そのモデルを開発しています。
最終的に私は、何兆ドルもの価値が創造され、その価値創造を可能にした人々にインセンティブが還元される新しい経済を想定しています。それを機能させるには新しい種類の情報経済学が必要になりますが、そうすれば、私たちは価値を創造するだけでなく、それを可能にした人々に確実に還元することができます。
インタビュアー: クリス、その点について戻りたいと思います。私たちは倫理についても少し触れましたが、今後AIの使用を最適化するために最も重要なガードレールは何だとお考えですか？
クリス: はい。AIは明らかに、人類が今まで発明した中で最も驚異的な技術とツールでしょう。私たちは決して最後の発明をしたわけではありません。そう、それについては多くの議論があります。
強力でありながら、良いことだけをもたらすツールやシステムは、これまで発明されたことがありません。まず、誰のために開発されているのかを問う必要があります。人間を置き換えることだけを考えて開発を行えば、おそらく得られる価値は最大化されず、人類にとっても良い結果にはならないでしょう。
Indeedは雇用主向けのツールを構築していますが、私たちは求職者を第一に考える企業です。私たちのビジネスは、AIを使って人々が機会とつながり、より早く最高の仕事を見つけられるようにすることです。それを見ると、私の信念では、今日の責任あるAIは、私の人生における市民権と人権の問題です。
これは絶対的なものです。AIはデータの上に構築されており、データは私たちの既存のシステムから来ています。雇用、住宅、教育、医療、刑事司法制度を見ると、システムには大きな不平等があります。そして、これらのAIツールが行うのは、パターンを探してそれを強化することです。したがって、偏見が組み込まれたシステムがあれば、その偏見がエンコードされ、拡大されるだけでなく、生成AIシステムがその偏見を増幅することを示す膨大な研究があります。
最初から意図を持って、偏見を緩和し、可能な限り公平なシステムを設計しようとしないなら、あらゆる面で事態は劇的に悪化するでしょう。そのため、私たちは6年前に責任あるAIチームを設立しました。
これが重要な問題になることを予見し、早い段階から取り組む必要がありました。私たちは責任あるAIを社会技術的な問題として捉えています。つまり、これは純粋に技術的な解決策を持つ技術的な問題ではないと考えています。これらのシステムが構築される社会的構造を理解する必要があります。
私たちには、コンピュータサイエンティストだけでなく、社会学者や天体物理学者などを含む研究者チームがあり、多くの人々を集めてこれらのシステムを検討し、第一原理から設計しています。どのように偏見を測定し緩和するか、できる限り公平な出力を生み出すシステムをどのように作るか。そしてそれができれば、すべての人にとってより良い未来を作ることができます。しかし、それは意図を持って行わなければなりません。
エリック: それに少し付け加えさせてください。クリスの言う通り、これらのシステムはしばしば偏見を体系化し増幅しますが、劇的に減らすこともできます。私たちが発見したことの1つは、AIシステムは人間よりも偏見を修正しやすいということです。
銀行の融資、採用、医療の決定、仮釈放の決定に関する研究が行われており、それぞれのケースでAIシステムは偏見を減らすことができました。スキャンして確認することができます。クリスとそのチームが行っているような仕事を、より多くの企業が行っています。私の共著者であるリンジー、レイモンド、ダニエルらは、適切なAIシステムを作ることで、より良い採用結果と多様性が得られ、偏見が減少したことを示す論文を発表しています。
そのため、私はこれを、私たちの社会が長年抱えてきた有害な問題の一部をAIを使って減らすことができる希望的な兆しとして見ています。
コメント