誰も語らない7000億ドルのAI生産性問題

未来予測
この記事は約50分で読めます。

本動画では、Laridan創業者ラス・フリーデンが、企業におけるAI投資の測定と生産性評価という重要な課題について語る。広告テクノロジー業界で培った測定インフラの経験を基に、現在年間7000億ドル規模に達する企業のAI支出において、70%のプロジェクトが無駄になっていると経営者が感じている実態を明らかにする。350社のIT責任者へのインタビューから、85%の企業が今後18ヶ月でAI分野のリーダーになるか取り残されるかの分岐点にあると認識していることが判明した。しかし、多くの企業が実際にAIツールが効果を上げているかを測定する仕組みを持っていない。フリーデンは、単に支出額を追跡するのではなく、従業員の実際の使用状況と生産性向上の相関を測定し、安全で効果的なAI活用を促進するツールの必要性を説く。また、AI導入による大量失業の懸念については懐疑的で、競争市場において企業は従業員を削減するのではなく、より生産的な活動に従事させることで競争優位を築くと予測する。

The 0 Billion AI Productivity Problem No One's Talking About
Russ Fradin sold his first company for 0M. He’s back in the arena with Larridin, helping companies measure just how s...
www.youtube.com

AIリーダーシップの分岐点

私たちが話を聞いた企業の85%が、次の18ヶ月でリーダーになるか取り残されるかの瀬戸際にあると本気で信じています。私たちには小さなグループチャットがあって、そこに「これは全部誇大広告で、ゼロになる」って言う友達がいるんですよ。でも私がAIを使うたびに、素晴らしいと感じます。

大企業には必ず誰かがいて、以前は8時間かかっていたことを1分でできるようになったと気づいた人がいるんです。Chat GPTを本当に上手く使いこなしている28歳の男性がいて、彼に30枚のスライドデッキを作ってもらい、投資銀行の全員を対象にグローバルコールを開催して、この男性がChat GPTの使い方について1時間かけて説明したんです。でもそれって馬鹿げてますよね。世界を変える技術を人々に採用してもらうための方法として、それは馬鹿げています。

Cursorは平凡なエンジニアを優秀にしましたが、素晴らしいエンジニアを神のような存在にしました。私が参加している他の4つの指標については取締役会に入るたびに、どうなっているかの報告があります。でもAIについては、購入したものの量しか報告がないんです。測定が目標になると、もはや正確な測定ではなくなります。

割り当てを設定して全員が生産的だと思っていましたが、実際には生産的だと思っていただけで、本当はもっと生産的になれることが判明しました。でも何と比べて?

Web 1.0からAIへの教訓

ラス・フリーデンと一緒にいられて嬉しいです。ええ、お会いできて嬉しいです。あなたとは長い付き合いですが、初めて会った時のことを今でも覚えています。ジョシュ・マクファーランドからの紹介でしたね。ジョシュはGoogleにいて、「ラス・フリーデンっていう人がいて、Adifyっていう会社を始めたんだ」って言っていました。彼はそれをCoxに大金で売却したんです。当時3億ドルは大金でした。

今では驚きですね。今やBラウンドみたいなものですが、当時はそれが巨大な買収だったんです。ラスがこれをやり遂げたって、素晴らしい人物だって話でした。フロリダで会ったと思います。そうですね。Silicon Valley Bankの出張でした。全てのことは最終的に一巡するものですね。

AIは間違いなく世界史上最もホットなものです。でもあなたはWeb 1.0という世界史上最もホットだったものでも働いていました。そうですね。今、実際には大きな疑問があります。これはAdTechを思い出させます。いい比喩だと思うんですが、AdTechでは広告が機能するかどうかを把握しようとしていましたよね。

AdTechの多くは、ここに広告があって、アトリビューション問題があるというものです。売上が発生した時、誰がその売上に責任があるのか。Yahooのバナー広告だったのか、Googleで起きた最後のクリックだったのか、あなたのマシンにCookieを詰め込んだクーポンサイトだったのか。

だからAdTechの一部は、私が広告を買っているとして、それがどう機能したかを把握することなんです。それが一部ですが、もう一部は実際に効果があったかどうかということです。AIには、AIを機能させることに関する様々なことがあります。技術的に非常に非常に困難なことです。でもそこには、実際に利益をもたらしたかどうかという疑問があります。

これがおそらくAIにとって最大の疑問です。両側に多くの神話がありますが、Laridanの起源とこの2つの類似点についてどう考えているか聞きたいですね。

Laridanの誕生と測定の重要性

確かに、90年代の広告とインターネットの成長で起きたことと、AIで見ていることには多くの類似点があります。資本市場の観点は忘れましょう。今日の出口と5年前、10年前、20年前で何が大きいと定義されるかを考えるのは面白いですね。それはそれ自体のトピックですが。

私がここに引っ越してきた時、1996年にシリコンバレーに引っ越してきて、最初のオンライン広告ネットワークの最初の人間でした。初期の頃は、ウェブサイトがあるから広告を載せようというだけでした。素晴らしい。それを規模でどうやるか。素晴らしい。どんな指標を取得すべきか。

それからComScoreやNielsenのような会社が成長するのを見ました。彼らがテレビに移行した時のように、実際にどうプランニングするか、どう支出するか、どうツールを提供するかを理解するためです。全てのお金はテレビやラジオにあって、NielsenやArbitron、製薬側のIMS Healthのようなツールがありました。テレビに広告を出す時に何を得るかを人々が理解するのを助けるツールがたくさんありました。

インターネットのためにそのスタック全体を構築しなければなりませんでした。私がいたFlycastやDoubleClickのような会社、スタックの異なる部分を構築するOmnitureのような会社、スタックの異なる部分を構築するComScoreのような会社がありました。

GoogleとFacebookはこれまでに構築された最も素晴らしい会社の2つですが、そのインフラがなければ、彼らの収益はあれほど速く成長しなかったでしょう。AIでも同じことが起こると本当に思います。

測定とガバナンスのインフラ

今、技術は信じられないほど素晴らしいです。最初のオンライン広告ネットワークの最初の人間で、25年前のComScoreの最初の2人の幹部の1人だった後でLaridanを始めることを考えていた時、私の中心的な論点はこうでした。

パートナーのジムと私は座って言いました。「テレビからデジタル広告への移行で起きたような、予算の途方もないシフトがある時、特にそれが速いペースで起きる時、クライアントサーバーからクラウドへの多くのカテゴリーで起きたような時、人々はインフラを全て再構築する必要があるんだ」と。

測定やガバナンスに関するこれらのツールを構築する素晴らしい機会があります。何かを止めることが目的ではなく、率直に言って加速させることが目的です。なぜなら、私が大企業であれば、確かに今日AIで大量に実験するつもりです。過去20年間で起きた技術的観点から最もエキサイティングなことです。素晴らしいです。素晴らしい。

でも同時に、非常に退屈だけれども重要な質問もあります。私の労働力には35,000人がいます。彼ら全員が完璧な知識と完璧なセキュリティで一度に再トレーニングされることはできません。DNO保険にどう影響するか。プロジェクトは最終的に価値があったのか。

だから私たちは、ゲートキーパーになるためではなく、この支出をもっと促進するために、測定とガバナンスのツールセットをどう構築するかという会社を始めたかったんです。成長するにつれて、私たちは全てのAI企業の最良の友人になるでしょう。

ソフトウェアが労働を食べる

おそらくどうやっているかに入れますが、ちょっとレベルセットしましょう。あなたが私にくれたこのフレーミングが大好きです。盗用させてもらいました。フレーズを盗む時は、最も誠実な形のお世辞ですから。

ソフトウェアが労働を食べるというビデオをリリースしたところです。ソフトウェアが世界を食べる。これは私たちの会社の基礎となっている論点ですが、労働を食べているんです。でもそれは実際に仕事がなくなることを意味しているわけではありません。

主に意味しているのは、人々が10倍生産的になるか、この仕事をする人を雇えないけどAIを雇えるということです。だから、ソフトウェア予算が非常に小さいけど労働予算が莫大な会社があります。私たちを会社としてワクワクさせるメガオポチュニティのステップ1は、人々が「ソフトウェアを雇い始めよう」と言うことです。でもそれは今やソフトウェア予算が莫大になるということです。

なぜなら今、100億ドルの労働予算と10億ドルのソフトウェア予算がある場合、10億ドルのソフトウェア予算を最適化しようとはしません。でも本当に「もっと人を雇う必要があるか。人々をもっと生産的にできるか」と言うでしょう。今、人々の頭を巡っているこれらのこと全てです。

これがAIソフトウェア企業のメガ成長曲線の多くをもたらしています。でも今、このチャートはもう少しバランスが取れるでしょう。確かに。100億ドルの労働のうち、80億ドルになって、今は20億ドルか10億ドルをソフトウェアに使うかもしれません。会社の純支出は実際には低くなり、会社はより収益性が高くなり、生産性の向上が山ほどあります。

でもこれは生産的なのか。私はいつも人間が生産的かどうかを知りたいんです。でもソフトウェアがもっと生産性をもたらしているかどうか、どう測定するか。だから皆がこのゴールドラッシュにワクワクしています。これらのツールを使うつもりですが、機能するのか。どれくらいうまく機能するのか。ベースラインは何か。

IT支出の爆発的増長

Chaseがソフトウェアに180億ドルを支出するなら、お金に見合う価値があるかどうかを知る必要があります。これが実際に効率的な支出かどうかを把握する必要があります。あなたのフレーミングを盗用しました。

見てください、面白いことですが、面白くないことですが、世界最大のAI企業を運営している人々や、AIに投資している世界最大の企業を運営している人々によって頻繁に言われることを聞くでしょう。彼らは「今日のグローバルIT支出は1兆ドルです。AIとエージェントのおかげで、それが10兆ドルになると思います」のようなことを言います。

それが真実か偽りかは無視しましょう。確かにそれはNvidia、OpenAI、私たちが時間を費やしている他の全てのことにとっての強気ケースです。考えてみると、確か正しく覚えていれば、JP Morgan ChaseのグローバルIT支出は180億か190億ドルの規模で、人々に年間数千億ドルを支出しています。

本当にそれについて考えると、彼らのIT支出は180億ドルから1800億ドルになるのでしょうか。今後数ヶ月でそれは起こりそうにありませんが、確実に上昇するでしょう。上昇するとしたら、CFOは何を理解する必要があるか。

同時にペースのせいで、これは皆が知っていることだと思いますが、声に出して言うことが重要だと思います。確かに何度も社会をシフトさせてきました。農場から都市へシフトしました。これらの例は全て知っています。

でも、グローバルなナレッジワーカーの労働力全体が、6ヶ月前には存在しなかった新しいツールセットで即座に再トレーニングされることを期待した時期は今までありませんでした。だから、進んでいく中で皆がこれを把握する必要がある要素があります。

企業が直面する3つの課題

会社として何から始めたか。私たちの最初のツールセットは、会社に何があって、人々がそれを直接使っているかということです。このお金を全部使いました。人々は使っているか。そして、顧客の80数パーセントが、知っていてライセンスを取得しているよりもはるかに多くのツールが従業員によって使用されていることを発見します。

ところで、それが悪いという意味ではありません。それらのツールの一部は危険で、心配すべきです。それらのツールの一部は非常に人気があるかもしれず、それらを取り込んで何が起こっているかを理解する必要があります。

でもIT的観点から、通常は組織のデータにアクセスできるソフトウェアを組織全体で使用させて、何が起こっているか全く分からないということは許さないでしょう。AIではそれをいつもやらせています。私は本当にこれを恐怖の売り込みとして顧客に言っているわけではありません。それは予想されることです。事態は急速に動いています。何が起こっているかを知る必要があります。

だから私たちは何が起こっているかというベースラインから始めます。私たちが解決しようとする第二のことは、AIサイド、エージェントサイドで、人々にこれをもっと生産的な方法で使わせる方法です。ワークフローでこれを使わせる方法です。

私はGeneral Millsかどこかでマーケターとして働いています。General Millsは私がこれらのツールを使うのをどう助けるか。従業員に関して、本当にツールの従業員使用を促進したいなら、彼らが安全だと感じさせて、愚かに見えないようにする必要があります。

彼らが自分を解雇されることなく安全に使えることを理解させる必要があります。なぜなら、22歳で高校以来ずっとこれらのツールを効果的に使ってきた人生全体でこれらのツールを使っているなら話は別です。でももし42歳の人で、20数年のキャリアがあって、毎日仕事で働いていて、家でやることもあるし、出張もあります。やらなければならないこと全てがあります。同時に、AIの専門家にならなければなりません。

本当に愚かに見えたくないし、間違ったデータを誤ってアップロードして解雇されたくないでしょう。これは実際にはAIに関する多くのEU規制がある一部の国ではより大きな問題で、それは重要です。企業の従業員として、愚かに見えたくありません。

だから、もし私がCFOなら、私たちは全てのこれらのツールを買いました。実際に何を買ったか。第一に。第二に、人々に実際にこれらのツールを使わせる方法は。エンタープライズでのこれらのツールの使用は、人々が今日思うよりも少ないからです。ところで、それは理にかなっています。

ツール採用の現実

この話を聞いている人なら誰でも、エンタープライズでのソフトウェアロールアウトに関わったことがあるなら、非常に退屈だけれども非常に重要な質問は、実際の使用をどう促進するかということです。確かに、皆がEメールを使います。人々がWorkdayを使うのは、Workdayを使わないと解雇されるからです。給料がもらえなくなります。

でもほとんどのエンタープライズソフトウェア、SharePointのようなインターネットソフトウェアは、使って欲しいと思う人口の比較的小さなセットによって使われています。だから、目標がAIツールを使って人々をもっと生産的にすることなら、実際の従業員エンゲージメントを促進したいんです。

だから私たちはそれに関するツールスイートを構築しました。それから生産性に入らなければなりません。これで人々が実際にもっと生産的になったか。私の組織は実際にもっと生産的か。

生産性測定の革新

だから今日、私はLaridanでどこに行きたいかを知っています。今日私たちが生産性サイドでやっていることについて私が好きに考えるのは、私が行きたいところまでは行っていませんが、市場に存在する何よりも確実に優れています。

だから今日私たちがやっているのは、他の誰も持っていない行動データを結びつけることです。アレックスがChat GPTのヘビーユーザーかどうか、直接的に。個人レベルではやっていませんが、ポッドキャストのためにその例を使います。なぜなら、企業が自分の従業員に対して持つ従業員プライバシーの懸念について心配しなければならないからです。

でも結局のところ、私が理解したいのは、購入したこの高価な法務ツールを使っていた法務部門のユーザーは、使っていない法務部門のユーザーよりも生産的なのかということです。なぜなら、私が確実にやったことは、opexを押し上げたことだからです。このソフトウェアを買いました。opexを押し上げました。でも彼らはもっと生産的か。ClaudeやChat GPTを使っているマーケターは実際にもっと生産的か。どう測定するか。

だから今日、私たちはこれまで生産性研究が存在してきた唯一の方法でやっています。理想的ではありませんが、ゴールドスタンダードです。McKinsey、Towers Watson、Accentureです。そして私たちはその上に、他の人が持っていない独自のデータを重ねます。それが実際の使用状況です。

だから私がそれについて考える方法は、生産性を測定する最悪の方法は、従業員に調査を送って「Chat GPTを使ってもっと生産的だと感じますか」と尋ねることです。まず第一に定義の問題があります。第二に人々はあなたが望むように答えるでしょう。でも第三に、彼らが実際にツールを使っているかどうか分かりません。

だからそれをやるより良い方法、これを何年も前にComScoreで学びました。ComScoreで私がやった多くのことの1つは、調査マーケットリサーチグループを運営したことです。ComScoreの調査が素晴らしかった理由の1つは、実際の調査回答と結びついた行動データを持っていたことです。ここでも同じことをやっています。

最終的に到達したいところは、生産性の完全な受動的測定です。その真実は、エンタープライズにとって、それには顧客からまだ得ていない追加のデータ共有のレベルが必要になるということです。最終的にはそこに到達するでしょう。

プリンシパル・エージェント問題

もう少し細かく言うと、私は弁護士です。ある大企業で働いています。生産性というのは、ある程度、1日4時間しか働かなくていいのに対して8時間働くなら、それは私にとって素晴らしいことです。勝ちのように感じます。なぜなら、プリンシパル・エージェント問題についてよく考えるからです。

誰もがエージェントで、それから企業という抽象的な存在であるプリンシパルがいます。会社の株を持っているなら、もっと収益性が高くなって欲しいと思いますが、本当に私はできるだけ少なく働いてできるだけ多く稼ぎたいんです。それが全ての個々のエージェントの仕事のようなものです。

それからこれらのツールがあります。だから理論的には、皆がもっと怠けられるなら、これらを採用するでしょう。確かに。皆が怠けたいんです。それはそうです。彼らは怠けてもっと金持ちになりたいんです。これらは普遍的な人間の条件のようなものだと思います。昇進を望む小さなセットはありますが、90%については同意します。

それは本当です。だから、もっと少ない仕事で昇進が得られるなら、人々はそれを選ぶでしょう。でも、皆がこれらのツールを使うか、子供が同じ学校に通っているので話していたこの悲しい話があります。

若い子がChat GPTでカンニングして捕まるんです。明らかに彼にとっての生産性向上ですよね。なぜなら彼を怠け者にさせて、ビデオゲームの時間でもっと金持ちにしたからです。電話を没収するまではね。でもルールのセットもあります。

ベースラインの定義と測定の課題

でもその例を取ると、個々のエージェント、つまり人間、この例では弁護士が利益を得ていることが想像できます。でもある程度、私はあなたに同じ金額を支払っていて、1日8時間働いて欲しいです。だから実際には、弁護士が何をするか分かりませんが、法的草案を起草するとして、4時間対8時間でできるようになり、4時間をゴルフで過ごすなら、あなたは大喜びです。生産性向上を得ました。

会社は実際には利益を得ませんでした。だからあなたが本当に望むのは、両方の当事者が利益を得ることです。これはいつも難しいです。なぜなら、人々の仕事をなくす製品を売るのは非常に非常に難しいことがあるからです。

おそらくそれが最も売りにくいものです。でもこの例を取って即興で、今や4時間で8時間かかっていたことができます。でも会社は、「ああ、あなたはまだベースラインで動いていますが、実際にはこのツールで2倍やれるはずです」のようになります。

だから、ベースラインをどう定義するか。その問題にどう対処するか。どう考えているか。正しくフレーミングしていますか。

あなたは確かに特定のサイズの会社にとって正しくフレーミングしていると思います。シリコンバレーについて私たちが知っているのは、競争と株式形式の報酬のためです。4時間で8時間でできたことが終わるなら、さらに4時間働いて、それからさらに4時間働くつもりです。

それは非常に異なります。全サイズの企業の一部の労働者がいて、おそらくシリコンバレーではより大きなパーセンテージですが、GEではより小さなパーセンテージです。いつかGEのCEOになりたい人々がGEにいて、それらの人々はできるだけ多く働くでしょう。だから一部の労働者がそこにいます。

残りについては、全体的に経営がどう進化するかについて興味深い質問があります。この全ての背後にある最初の質問は、私たちが解決しようとしている最初の質問は、言ったように、人々がこれを使うか、そして企業の立場から、私たちの生産性の測定について、私たちは各顧客とそれを定義しています。

人々にpingする時の生産性の測定について、ヘビーユーザーとライトユーザーの間で生産性に違いがあるか。私たちがそれで測定したいことは、今日はやっていませんが、その後は仕事の生トン数の概念です。

最終的にはFTEの共通言語があります。私たちは皆、あなたが働き方が違うのを知っています。それでも、JP Morganを選ぶ必要はありませんが、JP MorganのCFOなら、1000 FTEが何をするか対500 FTE対2000 FTEについて基本的な馬感覚を持っています。

AIはその全てを壊すでしょう。確実に。だから今日の私たちの主な目標は、単に顧客のためのベースラインを構築することです。これは、A時点で、これらのツールを使っている人々は、使っていない人々よりも根本的にもっと生産的かということです。

その上に働いた時間の量を重ねます。かなり良いものが得られます。決して完璧ではありません。人々は休暇中です。これをグループとして測定しなければなりません。特定の人が1日病気だったり、1日飛行機に乗っていたり、1日トレーニングに参加していたりしました。

測定するのは不可能で、システム的観点から働いていなかったように見えます。彼らは実際には働いていました。トレーニングをやっていました。これを集計データとして考えてください。

データの限界と企業レベルでの測定

決してラス・フリーデンレベルで有用ではありません。実存的になると、昨日私は生産的だったか。それは知り得ません。昨日私が生産的だったかどうかは知り得ません。あなたは生産的だったと思います。私はそれ全てに賛成でした。

でも私たちが企業のシステムレベルでやろうとしているのは、これらのツールの特定の使用との相関があるかどうかを理解することです。上級サイド、ライトサイド、ヘビーサイド、ツールのヘビーユーザー、ツールのライターユーザー。ユーザーは彼らの仕事でもっと生産的だったか。従業員は彼らの仕事でもっと生産的だったか。

それからその上に、労働者のセグメントが実際に働いていた時間の量を測定します。なぜなら、もし私が今日CFOなら、目標はベンが良い仕事をしたかティナが良い仕事をしたかを理解することではないからです。

目標は、私がopexを50%多く支出するよう間違いなく求められたことを理解することです。私は何かを推進したか。それからところで、私たちが知っている興味深い質問があります。人員配置の規模についてと、人々が実際に8時間働くため、企業はもっと多くのことを成し遂げるでしょう。

時間とともに、全ての従業員が今や1日4時間働いているのではなく8時間働いていることが明らかになれば、おそらくより少ない従業員を持つことを決定するでしょう。そして残りの従業員は1日6時間働くでしょう。

次の数年で、大企業の人々が実際に半分しか働かないのを本当に見るとは思いません。個人事業主は何であれそうです。もし私が個人事業主の弁護士なら、今日の私の唯一の生産性の測定はとにかく自分自身に対してです。どれだけ一生懸命働きたいか、いくら欲しいか。

プリンシパルとエージェントの一致

プリンシパルがエージェントです。これがなぜ重要なのか、率直に言って、私はあなたがやることが大好きです。明らかに大好きです。だからここにいるんです。でもベースラインがないようなものです。これはうまく機能したか。まず、出力を定義する方法を知る必要があります。入力があり、それは主に時間とお金です。

それから出力があり、その一部は実際に出力を考え出すのがかなり複雑です。グッドハートの法則を知っていますか。

グッドハートの法則、私はこれが大好きです。測定が目標になると、ごめんなさい、測定が目標になると、もはや正確な測定ではなくなります。だから、「1日に送信されるメールの数に基づいて判断します」と言うなら、それは測定です。でもそれが目標になると、もっとメールを送りたいということになります。

測定が破損します。なぜなら、今や人々はこの目標を達成するためにもっと多くのことをすることを決定するからです。もはや客観的な測定ではありません。だから、その一部は、Harveyという製品を理解しようとしているなら。多くの人々がHarveyを愛していて、人々をもっと生産的にするようです。

でも何と比べて。だから私にとって、これに答える唯一の方法、Harveyについて話しましょう、Harveyに反対するものは何もありません、Harveyは素晴らしいと確信していますが、私にとってこれを本当に理解する唯一の方法、だからこそ伝統的な方法で企業がこれをやっているのは全く機能しないと思います。

Harveyを使う人々を調査して、生産的だったかどうか尋ねましょう。ところで、彼ら全員がイエスと言うでしょう。なぜなら、誰もそうではなかったと答えないからです。第一に、第二に私の上司が製品にお金を払いました。良い製品だったと言うつもりです。皆が普遍的にそれを嫌っていない限り、Harveyについては真実ではないと思います。なぜなら皆がHarveyを好きなようだからです。素晴らしい。

だから私が実際にできる全ては、だからこそ伝統的なこれを測定する方法は壊れていると思います。見てください、だからこそ私たちはLaridanを始めました。実際にできる全ては、人々に尋ねることなく、Harveyをこれらの人々が実際にどれだけ使用しているかを理解することです。

6人います。調査で何と言おうと、2人はログインしたことがありません。プロジェクトが期限です。1時間で期限です。追いついていると言いました。それからああ、このGoogleバックの許可を求めなければなりません。だから6人のうち2人、もちろん私が数字をでっち上げています。6人のうち2人は実際にHarveyに言われた日にサインアップして、それから全く戻りませんでした。

彼らは自分の働き方に非常に満足しています。毎日その方法で働きます。6人のうち2人がログインして少し使います。6人のうち2人がいつも使います。そのソフトウェアが価値があるかどうかを理解し始めることができる唯一の方法は、それらの人々に質問を尋ねることなく受動的にそのデータを知り、それから生産性について全員に同じ質問をして、実際に出力された仕事の量で測定することです。

エンジニアの生産性測定の事例

これら3つを一緒にすると、Harveyが有用だったかどうかの理解を形成し始めることができます。あなたと私は誰かとディスカッションしました。彼らは会社でエンジニアにインセンティブを与える方法の1つについて話していました。各エンジニアがCursor、ごめんなさい、Cloud Codeに費やす金額のリーダーボードがあります。

創業者は、最高のエンジニアの1人に行って言ったことについて話していました。「何が起こっているのか理解できません。あなたは最高のエンジニアの1人です。なぜCursorでお金を使っていないのですか。ごめんなさい、Cloud Codeではありません。なぜCursorでお金を使っていないのですか。何が起こっているのか本当に理解できません。」

だからそれは、開発者が非常に多い企業にとっての例でした。おそらく私たちは必要ありません。開発者が非常に多い企業なら、おそらくCursorに費やされた金額プラス、この人が実際に働いているかどうかについての通常の経営的理解を測定しています。

1日2時間来るなら、それで満足かもしれないし、そうでないかもしれません。それは企業固有でライフスタイル固有で文化固有になるでしょう。でもオフィスにいます。あなたがそこにいるのが見えます。Cursorに金額を使っていません。どうなってるの。

私たちにはこれらの指標があります。でも問題は、数百のAIツールの爆発があり、企業は数百の役割を持っているということです。だからこそ私たちは、MacKenzieのコーポレートヘルスインデックスやTowers WatsonやAccentureの調査を、AIに関する本当に有用なデータで置き換えようとしているんです。

でもそのCursorの例が、会社全体でできることを私の心に本当に結晶化させたと思います。これはこの人がどれだけ働いたか。だから私はその定量的な判断を持っています。管理者として定性的に、これを置き換えているわけではありません。彼らは良い仕事をしたか。それから根本的に、彼らはツールを使ったか。

これら3つを一緒にすると、それが測定を得る唯一の方法です。そして言ったように、私の小さな世界を考える時、JP Morganが本当にIT支出を180億ドルから300億ドルか400億ドルにすると思うなら、CFOは単に問題ありませんとは言わないでしょう。

今日、私たちの顧客はCIOです。時間とともに、私たちの顧客はCIOとCFOとのパートナーシップになると思います。数字が大きすぎるんです。クラウド支出のようなものです。数字があまりにも大きいので、人々は注意を払うつもりです。実験をはるかに超えています。

独立した測定者の必要性

明らかに企業自身は、何かを売ろうとしている企業に、あなたの製品は機能しますかと尋ねると、99回中99回、もちろん機能すると言うでしょう。最高です。独立した仲裁者が必要です。それがあなた方の出番です。

でも以前のこのポイントをダブルクリックすると、企業全体レベルでの強化学習のようなものです。私が探している結果は何か。時々それは明確です。もっと多くのコード行を書いて欲しい。おっと、コード行がいくつ書かれたかの測定がありますが、それが目標になると、ゴチャゴチャのコードを書いているだけになります。

営業にとっては非常に簡単です。もっと多くのものを売って欲しい。でも顧客と話してからお金を集めるまでには多くの遅延があります。だから間に目標があるかもしれないし、弁護士なら、もっと多くの契約を起草する。間に測定があるかもしれません。

だから目標をどう定義しようとするか。それらの一部は単にバックグラウンド情報のようなものだと思います。送信されているメールや送信されたSlackや編集されたGoogle Docsのようなものです。これらの非常に非常に明確な測定があります。でもそれらは必ずしも出力ではありません。

測定とバリューの証明

だから最初にあなたの測定についてのポイントに、本当の第三者測定が存在する時はいつでもこの興味深いダイナミクスがあります。ComScoreで見ましたが、第三者測定会社を構築しようとした時はいつでも皆がこれを見ています。初期のOmnitureはこれを見ました。

Googleはある時点でそれと戦って、実際にurchinを買ってGoogle Analyticsを構築しました。なぜなら、あなたがやることが実際に価値があるなら、顧客がバリューを追跡できるのは実際に良いことだと分かったからです。

だから私の一般的な見方は、今日、AI企業の多くはおそらく私たちを横目で見ていると思いますが、時間とともに、実際にバリューを提供するAIツールは確実に私たちを愛するようになると思います。本当のエンタープライズ予算のロックを解除する方法は、人々がこれらのツールが実際に価値があると信じるからです。

だから今日私たちがやっていることは、これは旅です。会社は約1年です。だから今日私たちがやっているのは、全ての顧客と協力して、見てください、ここに70年間人々が尋ねてきたゴールドスタンダードのベースライン生産性質問があります。それらには賛否両論がありますが、どこかから始めなければなりません。

ここから始めて、あなたの各部門のための指標のセットを定義しましょう。私たちが見つけたことの1つは、実際に重要だと思われることは、企業が従業員と共有する指標としてではありません。なぜならそうするとグッドハートの法則の問題があるからです。でも実地での現実として、基本的な応答性です。

法務部門にある程度のお金を使っていて、彼らが今日やっている生産性の量に満足しています。だから弁護士を解雇しようとしているのでなければ、要素があります。そうではありません。ソフトウェアのバリューをどう測定するかと主張できます。私の弁護士はもっと幸せかもしれませんが、そこには離職問題がありません。

だから率直に言って、なぜこれをすべきか。だから私たちが見つけたことの1つは、ほとんど部門間SLAのようなものです。これらのツールをロールアウトして、従業員を解雇していないなら、これを見る1つの方法は、弁護士の半分を解雇できるかということです。

企業は実際には人々を解雇するのが好きではないことが分かります。企業はしなければならない場合は人々を解雇しますが、労働力の30%を解雇することにワクワクしたCFOに会ったことがありません。

生産性の新しい指標

コールセンター以外は、話せる別の問題です。企業はコールセンターの従業員を残りの従業員とは異なる扱いをします。でもコールセンター以外では、CFOのところに行って「FPNAの人の半分を解雇できます」と言っても、ティナを解雇したくないCFOに会ったことがありません。彼はティナを知っています。ティナの夫と子供に会ったことがあります。

彼はティナを解雇したくありません。ティナにもっと幸せでもっと生産的になって欲しいです。実際に、彼女に素晴らしい仕事をして決して辞めないで欲しいです。企業は離職が好きではありません。

だから私たちが見つけた指標の1つは、人々がかなり興奮しているようなのは、これが部門間の応答性を上げたか下げたかということです。だから測定は、法務にもっと多くのことを送ることに今や快適かということでしょう。

法務部門を同じサイズに保つつもりなら、もっと多くの人々を訴え始めるつもりはありません。ここでは企業について話しています。法律事務所ではありません。そこでは生産性の異なる測定があります。利益センターではなくコストセンターです。

だから1つやることは、弁護士が今やもっと生産的なので、時間とともに他の部門が彼らにもっと多くの質問をしているか、より速く回答を得ているかということです。製品にいて、エンジニアからの入力を求めている時、彼らはもっと速く応答していますか。

それは、私たちがもっと生産的になったことを行動的に見る良い方法です。それはコード行ではありません。ところで、指標を公開して応答的であるべきだと言うなら、人々は嘘をつけます。お互いにSlackメッセージを送り合えます。

でも私がアプリとして本当に理解したいのは、どの部門がこれらのツールをもっと使ったか。そして彼らは他の部門にもっと応答的になったか。なぜなら、大企業にいる時、人々はこれを知っているからです。小企業がイノベーションでとてもうまくいく理由の1つです。これらの企業全てにとって巨大な調整問題があるだけです。

私たちはこれを知っています。シリコンバレーでは、これらの企業をからかうのは楽しいです。でも実際には、全ての起業家の秘密の夢は、巨大な官僚的企業を持つほど大きくなることです。もちろん、Googleは30年前に巨大な官僚機構を持つことを計画していませんでした。彼らは非常に成功したので、今や巨大な官僚機構を持っているだけです。

エンタープライズAIの現状

それは、おそらくエンタープライズにおけるAIの現状への良い導入です。全体を回って、350人と話しました。主要企業のIT責任者350人にインタビューしました。全範囲にわたって。シリコンバレーの企業だけではありませんでした。

正直に言うと、私の全キャリアは基本的に、Carbonで友人を助けるのに数年を費やし、Wine.comを修正しようとするのに1年を費やしましたが、それ以外は、私の全キャリアは大企業、主に大企業か古い企業にソフトウェアを販売することでした。

Fortune 500にいるなら、99%の確率で20年以上古いでしょう。だから1000人以上の従業員がいる誰かに売ろうとしているなら、彼らはほぼ定義上、古い企業です。

だから、何を学んだかのハイライトを教えてもらえますか。私たちはいくつかの異なることを見ました。人々は以前にこれを見たことがあります。私はこれを考えません。人々がこれをクリックベイトの恐怖を煽るものに変えるのを見るでしょう。私は本当にそのようには考えていません。

だから、まず第一に、私たちが見たのは、Gartnerから知っています。エンタープライズAIに7000億ドルが費やされています。非常に非常に速く成長しています。速く成長し続けるでしょう。私たちが見つけたことの1つは、話を聞いたリーダーの約70%が、ここでお金を無駄にしていると確信していると言ったことです。

非常に速く費やされています。ところで、私たちを恥じるべきです。そもそもこれを測定するシステムが全くありませんでした。レポートに戻りますが、今日顧客と話していました。なぜ彼らを顧客として署名したか。彼らはPE企業が所有する非常に収益性の高いビジネスで、PE所有者は今年やらなければならない5つのことを彼らに与えました。

5つのうちの1つは、組織全体でAIを採用することでした。彼は言いました。「取締役会に入るたびに、他の4つの指標については、それらのレポートに対してどうなっているかの報告があります。」でもAIについては、購入したものの量しかありません。

だから、はい、はい、素晴らしくやっています。でも大きなAIファミリーがあることが分かりました。これら全てを採用しました。全て素晴らしいです。でも実際にそれをやりたいことが分かりました。

だから私たちが見つけたのは、これらのリーダーは、彼らのプロジェクトの70%が失敗しているかどうかに関係なく、彼らが正しいかもしれません。それは巨大な問題です。彼らがそのように感じるのは、そもそもそれを把握するシステムが全くないからです。

誰も広告支出の75%が失敗していると信じていません。それは彼らの広告プランナーがAI購入者よりも賢いからではありません。この広告キャンペーンを購入する時、このお金を使う時、このアプリインストールをする時、何であれ、実際に私にバリューをもたらしたかどうかを理解するのを助ける20年のシステムがあるからです。

AIでは実際にそれがありません。言ったように、非常に非常に特定の垂直以外では。だから本当に、私たちが見つけた最大のことは、3つのことでした。1つ、AI支出を見ました。2つ、言ったように、彼らはAIプロジェクトの70数パーセントが無駄だと信じています。

でも私たちが見つけた他のことは、基本的に80、85%、覚えていませんが、話を聞いた企業の80、85%が、次の18ヶ月でリーダーになるか取り残されるかしかないと本当に信じていると言ったことです。

だから私が思うことの1つは、この巨大な予算のロックが解除された理由の1つは、これらのエンタープライズに途方もない不安があるということです。このものを採用しなければ負けるつもりです。だからそれを速く採用しています。それが成功しているかどうか特に考えがありません。従業員は実際にそれを使っていません。

ところで、この全てのAIについて企業で忘れられたグループがあります。前の会社から、私たちは非常に非常に大きなHRテクノロジー企業を構築しました。人事部長に売り込んで、会社の全従業員に触れましたが、人事部長に売り込みました。

古い顧客の多くと話す時、彼らは今日本当に私たちの顧客ではありませんが、影響力のある人々です。これらの大企業全てで彼ら全員が言うのは、「従業員は本当に心配しています。仕事を失うことを心配しているというわけではありません。AIと経済などについての基本レベルの心配があります。仕事を失うことを心配しているというわけでもありません。」

毎日新しいシステムを使うよう言われているだけです。一般的に、大企業で働いているなら、年に1つか2つの新しいシステムイニシアチブがあります。今、20の新しいツールがあります。

彼らは知りません、彼らは何をすることが許されているか知りません、トレーニングがありません。実際にこれらのツールを人々に使わせる方法は。だから、奇妙な、ほぼ完璧な嵐があります。だからこそ私たちはLaridanにワクワクしています。だからこそあなたはLaridanにワクワクしています。

予算の途方もない成長があり、それが機能していないという途方もない不安があり、何をすることが許されているかについての従業員からの途方もない不安があります。

だから私たちがやろうとしているのは、その全てを解決するとは思いません。それを言うのは馬鹿げたことです。でも私はそれ全てを本当に助けると思います。そもそもこれを測定する計画は何か。誰かがそれを使ったか。彼らがそうした時、もっと生産的になったか。もっと使うためのツールをどう与えるか。

生産性のアンロックと拡散

最後のポイントも非常に興味深いです。なぜなら、それは機能したか、どれくらいうまく機能したか、測定は何か、測定が目標にならないようにすることを確認する、話したばかりの全てのことです。

それから数学の宿題でカンニングした息子の比喩を使うと、会社の中のゴーゲッターのような人々がいます。これが実際に私がAIがアンダーハイプだと確信している理由です。

私たちには小さなグループチャットがあって、「これは全部オーバーハイプで、ゼロになる」って言う別の友達がいます。完全に。私がAIを使うたびに、素晴らしいです。なぜなら、拡散していないからです。

19歳の子供か、13歳の息子のようで、「通常宿題に2時間かかります。今は1秒かかります」って感じです。明らかにそれは悪いです。彼をその使用として使っていません。だからiPhoneを没収しました。

でもこれらの生産性のアンロックがあって、おそらくトップダウンでは起こらないでしょう。確かに。会社の誰かのようなものです。時には、人間の行動を過度に単純化したくありませんが、怠け者でいたい、金持ちになりたいという感じです。

これらが人々を動機づけている2つのことです。もっと怠けられて、もっと金持ちになれるようにするツールを見つけました。それは実際に会社を助けます。数学ではなく、カンニングではありませんよね。

上司がこれには8時間かかると思っていたことを知っています。5秒でやる方法を見つけました。ところで、本当に良いです。本当に良いです。起こりうる最悪のことは、これは話したばかりの全ての逆です。起こりうる最悪のことは、その男がそれを秘密にしておくことです。

なぜなら、これを使うことが許されているか怖いかもしれないからです。でもやるべきことは、これはAIがアンダーハイプから正しくハイプされ、正しく拡散される方法です。全ての大企業に誰かがいて、8時間かかっていたことを1分でできることを理解しました。

この人をヒーローにして、これを記念して、会社全体に押し出す必要があります。だからどうやってやるか。

AI エンゲージメントの実践

これが、AIエンゲージメントサイドでやっていることについての私のポイントです。それは素晴らしい質問です。これは、皆の利益が一致している分野の1つです。一生懸命働いている従業員は認識を愛しています。ところで、同僚にキャッチアップして欲しいです。

怖がっている従業員はサポートとトレーニングを望んでいます。ところで、企業は実際に従業員にもっと生産的になって欲しいです。人々のサブセットがツイートするのは楽しいことだと知っていますが、言ったように、私は30年間CEOにものを売ることを費やして、朝起きてより小さな会社を運営したいCEOを見つけたことがありません。

もっと多くの従業員ともっと多くの利益が欲しいです。もっと多くの収益が欲しいです。でも一般的な信念に反して、彼らはもっと多くの従業員が欲しいです。彼らは大企業を運営するのが好きです。

ラリー・ペイジがいつかGoogleが100万人の従業員を持つ計画について話している古いインタビューを見つけることができます。彼は自動運転車について多くの時間を費やして、駐車場の車を動かしていました。これはリモートワークの前です。

文字通り100万人の従業員は全ての車をどこに駐車するつもりでしたか。それを15年前に読んだのを覚えています。私の心の奥底に残っています。より小さな会社を運営したいCEOに会ったことがありません。

ところで、全く関係ないポイントですが、資本市場の理由の1つです。コングロマリットのCEOに会ったことがあるなら、彼らは決してコングロマリットを分割したくありません。なぜなら彼らは大企業を運営するのが好きだからです。もっと楽しいです。私は会社を成長させてきました。大きい時の方が楽しいです。それは超クールです。

だから従業員の立場から、私たちがこのNexus製品で構築したのは、効果的に製品です。逸話を使います。7月に英国にいて、たくさんのセールスコールに行きました。非常に大きな非常に規制されたヨーロッパの銀行で誰かと話していました。世界で最も規制された人々の中で、新しい技術を採用するのが最も遅いです。正当な理由のためです。

彼らは私に話していました。28歳の男性がいました。投資銀行でどのレベルになるか覚えていません。ディレクターとしましょう。でも28歳の男性がChat GPTを本当に本当に上手く使っていました。投資銀行サイドで。

彼らは彼に30枚のスライドデッキを作ってもらい、投資銀行の全員のためにグローバルコールを行い、この男性がChat GPTの使い方について1時間かけて人々を案内しました。

彼にとってはとてもクールだったと確信していますが、それは馬鹿げています。それは世界を変える技術を人々に採用してもらうことを期待する馬鹿げた方法です。

やるべき別の馬鹿げたことは、HRが購入するLMSコースを買いに行くことです。LMSの秘密は、やらなければ仕事を失うことや、セクハラトレーニング、HIPPAトレーニング、特定のこと以外は、誰もやりません。ただ行きません。

だから実際にこれらのツールを人々に使わせる方法、これが以前からの私のポイントです。彼らを助けたいです。愚かに見えないこと、解雇されないことを知ること。

だから私たちが効果的にやったのは、モデルの周りに存在するこれらのラッパーを構築したことです。だから人々にClaudeやGeminiやChat GPTを使うよう言いません。

それから私たちが構築した他のことは、人々が解雇されることも心配しているからです。経済のため、AIのため、何であれ、新しいツールだから解雇されたくないです。ヨーロッパの銀行について話している時、多くの規制があって、それは正当な懸念です。従業員が間違ったことをしたら、罰金を科されます。彼らを解雇するかどうかは忘れてください。これらの企業は罰金を科されたくありません。

だから私たちがやった他のことは、基本的に独自のカスタマイズされたLlamaモデルをトレーニングして、違法な質問や会社が望まないことを尋ねることから人々をブロックすることです。

ここではハッカーについて話していません。会社の真の悪いアクターには十分なセキュリティソリューションがあります。本当に話しているのは、大企業で人事部のピープルオペレーションにいるx%の人々です。労働力分析をすることになっています。

Chat GPTに入って、人種と性別を含む完全な従業員データベースをロードすることが許されていますか。分かりません。解雇されたくないです。多分許されているし、多分許されていません。ところで、企業が従業員に言うのは義務だと思います。ここに安全な空間があります。

ここでできることは何もあなたを解雇させません。だから、ああ、アレックス、あなたはそれをアップロードすることが許されていません。社会保障データがあります。それを共有しないでください。そのプロンプトを尋ねることは許されていません。なぜならヨーロッパでは、AIを使って従業員レビューを書くことが許されていないからです。

それが良い法律か悪い法律か分かりません。私が法律を書いたわけではありません。でもEU AI規制を見て、自分たちに言う企業があります。規制の私たちの読みは、起訴するつもりはありません。規制の私たちの読みは、違法だと信じているし、従業員がAIツールを使って従業員レビューをしたら罰金を科されるということです。

だから素晴らしい、ヨーロッパベースの企業で、従業員にAIを使って欲しいなら、それらのユースケースに使うことからブロックしなければなりません。

だから私たちが構築しようとしたのは、ほとんどこのハーネスのようなものです。もっと生産的になれます。愚かに見えません。もっと生産的になります。解雇される間違いは犯しません。

だから私たちが見つけたのは、それが実際にもっとAI使用を促進することです。文字通り誰も驚きません。企業の立場から、何が欲しいか。A、使用が欲しいです。B、私の会社で本当に機能するもののIPを構築したいです。完全なアンロックです。

コーディングサイドでも同じです。Cursorは平凡なエンジニアを優秀にしましたが、素晴らしいエンジニアを神にしました。だから私たちの目標は、この全てでもっと生産的になるのをどう助けるか。Cursorをもっと効果的に、Harveyをもっと効果的に使うのをどう助けるか。全てのLLMをもっと効果的に使うことから始めました。

仕事の未来についての哲学的考察

少し哲学的かもしれませんが、仕事の未来について話せますか。なぜならある程度、測定者であるなら、測定は必然的に少し目標になるでしょう。

アメリカ人の97、98%が憲法が批准された時に農民で、彼ら全員がトラクターや肥料やこれらの全てのもののような厄介なもののために仕事を失ったことを人々に思い出させるのが好きです。

平均余命は35歳くらいだったと思います。ほとんどの子供が出産時かその直後に死にました。物事は変わりました。でもこれが技術があなたにもたらすものです。誰もこれに対する答えを知りませんが、あなたはAI生産性と人間の生産性、そしてAIと人間が一緒に働くことを測定する責任者の会社を担当していることを考えると。

物事がどれくらい速く変わるかのタイムテーブルは何だと思いますか。純粋な新しい仕事が作られるのを見るつもりですか。ところで、これらの1つ1つの背後には、以前には存在しなかった様々な仕事が始まります。

だからそれが質問の第2部かもしれません。なぜなら、今私たちが持っている仕事、ポッドキャストを撮影するようなものは、200年前には仕事ではありませんでした。誰も考えることさえできなかった非常に多くの仕事があります。

だからどこに向かっていると思うか、そしてどんなタイプの、ニュアンスをつけるかもしれませんが、この新しいものの中と周りでどんなタイプの将来の仕事が見えますか。

AIのために大規模な失業があるとは全く信じていません。率直に言って、歴史を通して見てきたこと、つまり資本主義のためです。

私の2つの選択肢が、基本的な生産性レベルを維持できるけれど従業員の束を解雇してもっと収益性を高くできるなら、それは短期的には良い考えです。PE企業がそこにいるなら、小規模に収益性のある企業の束を買い回って、従業員の半分を解雇してもっと収益性を高くするのはおそらく良い考えです。

でもそれはPE企業がとにかく非競争的企業に対して長い間やってきたことです。それでも雇用は増加しました。過去40年間、常に機能があったと主張できます。目標が業績不振の企業を取ってたくさんの従業員を解雇することであるPE企業があったと主張できます。

そしてそれがPE企業がやってきたこと、AIが理論的にできることだとしましょう。それでも雇用は増加しました。だから私はAIを買いません。それは哲学的です。私は測定会社を構築しているので特別な専門知識はありませんが、通りの向かいのあなたの競合相手がそれらの従業員全員を解雇しないつもりだから買いません。

彼はただそれらの従業員でもっと多くをするつもりで、あなたのビジネスを殺すつもりです。これはジェフ・ベゾスの「あなたのマージンは私の機会」という線です。AIがあなたのマージンを押し上げるつもりの程度まで、それは全てのあなたの競合相手がより収益性が低く、あなたと競争する機会になるでしょう。

だからいくつかの非常にニッチな独占的な、皆を解雇できる、1人の会社のようなものを除いて。10億の収益をあげる1人の女性の会社を持つことになるでしょうか、おそらく。でも今日、Joe Roganポッドキャストで働く人はそれほど多くないと思います。

Ben Thompson Incorporatedで働く人はそれほど多くないと想像します。それでもそれらはかなり収益性の高いビジネスだと想像します。私が言えるベストは。だからそれは素晴らしいことで、もっと成功するソロ起業家になる機会がたくさんあるでしょう。私は間違いなくもっと多くの起業家がいると信じます。

でも非常に高いレベルで、Fortune 500が今日よりも30年後に少ない人々を雇用するとは信じません。なぜなら全ての人々を削減しようとする人々はもはやFortune 500にいないからです。

だから私は単に、私たちが競争的世界に住んでいるためです。証拠をまだ見ていません。経済がゼロサムであるという証拠をまだ見ていません。多分、そう主張できます。でも証拠をまだ見ていません。GDPは増加し続けます。場所によってはもっとゆっくり、他の場所ではもっと速く増加しますが、一般的に成長しています。

雇用は一般的に成長しています。今回が違うと信じる理由が分かりません。なぜなら競争的観点から、技術は違います。技術は素晴らしいです。でも根本的にほぼ確実に起こることは。

興味深い理論的質問があります。それはもっとアイビーリーグの大学院の議論のようなものです。社会として、皆が同意して半分しか働かず、今日と同じくらい生産的だったら、もっと楽しくないですか。分かりません、多分。

でもそれは人間の本性ではありません。だから私はそれが真実だとさえ確信していません。タイラー・コーエンの、本当に重要なのは成長だけだというポイントを信じる傾向があります。

だから私の一般的な見方は、VCとしてのあなたは、会社の1つがここに来て「1億の収益に達しました。AIツールが非常に良いので、従業員の90%を解雇して、9000万の利益を上げるつもりです」と言っても、決してワクワクしないということです。

その起業家にワクワクしないでしょう。なぜならSequoiaがその会社の直接の競合相手に資金提供するつもりで、雇用を続けるつもりで、10%のマージンで満足してあなたの会社を破壊するつもりだと知っているからです。私たち皆これを知っています。

だから私は、AIについての楽しい見出しがたくさんあって、それから仕事を奪うという反論があって、ああ最近の子供たちという反論があります。分かりません。私たち皆これを知っています。これを見てきました。テレビが出た時、読書の終わりだという記事を見つけることができます。新聞が出た時、会話の終わりでした。

だから新しいツールが出てくることは怖いと思います。どこでも全てのナレッジワーカーのグローバル全体に影響を与えています。

新しい職業の誕生

ポッドキャスターになる機会があると思います。おそらくもっと多くの配管工がいるでしょう。データセンターの構築に関する多くの雇用があるでしょう。エンジニアの全セットがいるでしょう。多分もっと多くの宇宙飛行士が必要になるでしょう。

イーロンは火星に行くと言っています。誰かが宇宙ステーションのトイレを洗わなければなりません。誰かが飛行機を操縦しなければなりません、宇宙ステーションへの船を操縦しなければなりません。自動運転、自動運転宇宙船。

だから、ところで、私が間違っていることが判明する可能性があります。その場合、分かりません、多分もっと多くの時間を休暇で過ごすでしょう。

興味深いです。この経済学者エド・グレイザーと話しました。ハーバードにいると思います。彼にこの質問をしました。仕事に何が起こるか、他の全てとどう比較するか。「本当に興味深いのは、これがおそらく初めて、失業が超教育を受けたホワイトカラーが負担する可能性があることです。」

だから皆が怖がります。でも彼は実際にそれについて異なるフレーミングを持っていました。はい、同意します。でもほとんど同語反復的に、超教育を受けた人々は超教育を受けています。

だから自分自身を立て直して他のことをできるはずです。対して、以前の全てのこれらの革命では、本当にスキルがない誰かのようなものです。ただスキルなしで仕事に現れて、給料をもらいました。

膨大な労働力不足がある時、そのように見える多くの仕事があります。だから1849年にカリフォルニアで何かをやっていたなら、ブームです。人間です。ピッチを持った誰かが必要です。これをやってください。あのラインが見えますか。まっすぐにしてください。

でも違うのは、はい、一部の人々にとっては怖いですが、今のところ全てのことと、多分ロボットは将来もっとうまく機能するでしょうが、今のところ全てはビット操作で、ホワイトカラーの超教育を受けた人々を追いかけているか拡張しています。彼らが超教育を受けているという事実によって。

デトロイトに何が起こったかのようなことを意味しないかもしれません。それは実際には自動化についてではありませんでした。それは日本人がより良い車を作ったからでした。それが起こった多くの理由がありました。

でも非常に非常に高給の仕事を持っていたけど実際にはそれほど多くのスキルを持っていなかった誰かとどうするか、そして今彼らはその仕事を失いました。スキルがないので、別の仕事を見つけることができません。対して、高いスキルがあるなら、他にやることを見つけるでしょう。

要素があると思います。見てください、かなり高学歴の一定の人々がいることは確かです。彼らは良いクラスにいました。それが何を意味するにせよ良い学校に入りました。良い仕事を得ました。20代はかなり一生懸命働き、30代は少し働かず、40代はさらに少し働きませんでしたが、かなりよく給料をもらっています。

それらの人々はおそらく今日少し不快です。なぜなら彼らのキャリアは、率直に言って、単に継続的教育を必要とするいくつかの職業があるからです。

ところで、電気技師や配管工や医者や弁護士なら、これらの職業の一部は単に一定の維持と一定の教育を必要とします。多くの職業ではそれは真実ではありません。40か50になって、良い仕事を続けることができるけど、実際には多くの新しいことを学ぶ必要がない多くの仕事があります。あなたがやっていることをやって良い仕事を続けることができて、多くの新しいことを学ぶ必要がありません。

それはおそらく非常に不快です。それらの人々にとって非常に不快であることを認めます。でもあなたのポイントに、彼らは教育を受けています。スキルを持っています。もっと多くの知識経済があります。

だから、文字通りこのデトロイトの家があるという問題は必ずしもありません。仕事は今ノックスビルにあります。日本は忘れましょう。仕事は今ノックスビルにあります。ノックスビルに引っ越したくありません。移動性と住宅コストなどについての全てのデータを知っています。

だから確かに、でも結局のところ、あなたのポイントに、はい、おそらくゆっくり働き、自分自身を押すことが少なかった一定の人々がいて、今彼らは自分自身をもっと押さなければなりません。それはただ、私がいつも冗談を言うのは、使う会社は言いませんが、これについて話している時のLaridanのセールスピッチの一部です。

従業員と話す時、あなたの平均的な従業員は42歳のアソシエイトブランドマネージャーで、AIから何を望むか尋ねると、彼らはそれが消えることを望んでいます。彼らの第一のリスク、願いは、それがただ消えることでしょう。昨日が好きだから。

でもAIを消させる力があれば多くのお金を稼ぐでしょう。超大きな恐喝ビジネス。でもその力はありません。だからできる全ては、これらをより良く使うためのツールを与え、もっと生産的になるのを助け、あなたがマネージャーとして、チームがこれらのツールをより良く使っているかどうかを理解するのを助けることです。

私のマクロポイントは、大規模な大量失業が本当にあるとは信じません。個人が自分自身をもっと押さなければならないかもしれません。確かにそうです。それらの一部はそれについて悲しむでしょう。

エンターテインメント業界でも同じことが真実です。仕事が移動し、仕事がシフトし、人々は以前のように映画を見ず、テレビシーズンは以前は22エピソードだったのに、今は消費者の好みが変わったからです。Law & Orderでパートを持つことは、おそらく不快です。無頓着ではありません。

確かに、私の人生に否定的に影響を与える多くの方法があります。でも彼らがもっと多くなることを買いません。

新たな経済ダイナミクス

これの多くは実際にAIに先立ちます。Waste ManagementのCEOとの素晴らしい記事やインタビューがあります。Chat GPTが出る前です。彼は「MBAを持っていてオフィスで働きたい人から毎日履歴書をもらいます。彼らは自分自身に対して交渉しています。価格がどんどん下がります。」と言っていました。

すべての空きに対して100件の応募か何か忘れましたが。トラックドライバーを雇う必要があります。自動運転だけではなく、実際にゴミを集める誰かが必要です。それはWaste Managementがやることです。年間15万ドルで。見つけられません。

だから物事がどう反転したかは興味深いです。でも私がほぼ主張するもう1つのことは、今職場に拡散する点でのAIの問題の多くは、ほとんど製品マーケティング問題です。

AIは何でもできます。でも私は何でも探していません。私は何でもできますと言います。あなたは私は必要ありませんと言います。いいえ、この1つのことを非常に非常にうまくできます。ああ、あなたはそれをやりますか。

それはこの明確化のようなものが必要だと思います。本当に超成長したものは、AIがあって全てをやります。ああ、コーディングを助けます。もっと良くコーディングするのを助けます。このチャットボットがあります。

長い長い昔、面白いのは年を取ると、長い長い昔、ComScoreの最初の人間だったと言いました。ComScoreを知らない人のために、基本的にインターネットで起こっている全てのデータを持っていました。

創業者たちは真の天才で、基本的にインターネットのどこでも起こっている全てを知っていました。初期の頃の私たちのセールスピッチは、全てを知っていますというものでした。明らかに違いますが、基本的に全てを知っています。何を知りたいですかのようなものでした。

それがあまり良いセールスピッチではないことが判明しました。時々誤ってこれを知る必要がある誰かに出くわします。ああ神様、これを知る必要があります。あなたはできますか。私たちはイエス、できますと言います。それで終わりです。

でもそれをリアルタイムで理解できるセラーは数人しかいないことが判明しました。それから、日本におけるVisaとMastercardと他のもののマーケットシェアを教えることができると言うと判明しました。VisaはそれをVisa対Mastercard対その他を本当に知りたいです。

でもオンラインでの研究におけるあなたの製薬の薬対他のもののシェアも教えることができます。彼らもそれを知りたいことが判明しました。間違っていると思いますが、Fordがブリヂストンのタイヤが燃えるという巨大な問題を抱えていた後。

従業員がフォワードの検索がブリヂストンのために悪化したかどうかを本当に知りたいことが判明しました。だから人々はこれらの特定のことを知りたいです。言ったように、これは正しい考え方だと思います。製品マーケティング問題があります。

見てください、だからこそ私たちは何が起こっているかに非常に集中しています。彼らはもっと生産的ですか。もっと使わせる方法は。実際に多くのことができますが、そのように売ることはできません。それはもっと一般的な起業家のアドバイスのようなものですが、人々がどう使うか分からない素晴らしいものを構築することは、ほとんど機能しないことが判明しています。Chat GPTである場合を除いて、100万回に1回は機能します。

マジックとプロダクトマーケティング

FacebookとChat GPTがあります。魔法です。誰かに手品を見せるか、誰かを中毒にするかです。どちらがどちらを指しているか推測してください。でもSeinfeldを見たことがあるなら、Jerryが父親にSharp Wizardを買う素晴らしいエピソードがあります。1990年代の初期のPalm Pilotのようなものでした。

それは全てをやりました。これらのアプリケーションを実行できました。Jerryが父親に説明しようとしています。「よく分かりません。何をしますか。」「ここを見て。チップ計算機がある。」

それから友達全員に説明します。「見て、私の息子、コメディアンで、うまくいっています。チップ計算機をくれました。」Jerryは「いいえ、他のこともします。」

他のことをする会社にとってしばしば苛立たしいことになります。なぜなら、このもっと広い水平なプラットフォームを持つことを望むからです。でも私たちが本当に必要なのは、もっと多くのこれらのチップ計算機のようなものです。

時間が分かります。ええ、ありがとうございます。でも実際になぜ私たちは、話していない何かはありますか、得られる小さな独白のようなものはありますか。

終わりに

いいえ、2つの考えを残します。1つは会話で出した何かに関連していて、1つはLaridanに関連しています。だから見てください、私の一般的な見方は、予算の巨大なシフトを見る時はいつでも、非常に重要だけれども非常に退屈なツールのセットを構築するつもりだということです。

実際に何が起こっているか。人々はもっと生産的ですか。もっと使わせる方法は。そこには大量のビジネスがあります。それからハーバードの教授に関連しない考えを残します。

言ったように、私たちの子供は同じ学校に通っていて、私の長男は12年生で、大学に入ったばかりです。第一志望に入って、自分自身を非常に誇りに思っています。非常に高い評価の学校で、私は彼のために非常に幸せです。

彼は家に帰って言いました。「お父さん、このランキングを見て。」異なるランキングを示すU.S. News & World Reportの新しいランキングを私に見せました。名前はヘンリーです。「ヘンリー、あなたを非常に誇りに思います。多くの異なる年にわたって多くの異なるランキングがあるでしょう。確実に知らなければならないことが1つだけあります。ランキングが何を言おうと、皆が1位はハーバードだと知っています。だからどうでもいいんです。興奮しないでください。何を言おうと、あなたの学校をどこに置こうと、皆がランキングが何であれ、ハーバードが1位だといつも知っています。私はハーバードに行きませんでした。」

コメント

タイトルとURLをコピーしました