ニューヨーカー：収益性のジレンマと人工知能の歴史的教訓 著者: ジョン・キャシディ 1987年のタイムズ・ブック・レビュー誌の記事で、ノーベル経済学賞受賞者のMITのロバート・ソローは、「コンピュータ時代はどこにでもある。生産性統計を除いては」とコメントしました。コンピューティング能力の急速な向上とパーソナルコンピュータの普及にもかかわらず、政府のデータは、賃金と生活水準の主要指標である労働者一人当たり総生産が10年以上停滞していることを示していました。これは「生産性パラドックス」として知られるようになりました。このパラドックスは1990年代以降も続き、学術研究において多くの議論を巻き起こしました。一部の経済学者は、新技術の管理ミスが原因だと主張し、他の経済学者は、コンピュータの経済的重要性は蒸気機関や電気といった過去の発明に比べて見劣りすると主張しました。また、統計上の誤りを原因とし、パラドックスが修正されれば解消されるだろうと考える経済学者もいました。 ソローの論文発表から約40年、そしてOpenAIがChatGPTチャットボットをリリースしてから約3年が経ち、私たちは新たな経済的パラドックスに直面しているのかもしれません。今回は生成型AIに焦点を当てています。スタンフォード大学、クレムソン大学、世界銀行の経済学者による最近の調査によると、今年の6月と7月には、労働者のほぼ半数（正確には45.6%）がAIツールを使用していました。しかし、MITメディアラボのチームによる新たな調査では、驚くべき結果が報告されています。「企業が生成型AIに300億ドルから400億ドルを投資しているにもかかわらず、95%の組織がゼロリターンを経験していることが明らかになりました。」 この調査の著者らは、公開されている300件以上のAIプロジェクトと発表を検証し、50社以上の企業幹部にインタビューを行いました。「成功したAI投資」とは、パイロット段階を終え、実際に導入され、6ヶ月後に測定可能な財務収益または大幅な生産性向上を生み出している投資と定義しました。著者らは、「AIパイロットプロジェクトが成功裏に統合され、数百万ドルの価値を生み出しているのはわずか5%であり、大多数は停滞したままで、損益計算書（P&L）に測定可能な影響を与えていない」と述べています。 調査には様々な反応が寄せられ、中には懐疑的な意見も含まれていた。「LinkedInではまるで全てが変わったかのように大々的に宣伝されていますが、実際の業務では根本的な部分は全く変わっていません」と、ある中規模製造会社のCOOは研究者に語った。「契約処理は少し速くなりましたが、それだけです。」別の回答者は、「今年は数十件のデモを見てきました。実際に役立つのは1、2件でしょう。残りは『ラッパー』（既存の技術をパッケージ化しただけで、真の革新性がない）か『科学プロジェクト』（実用化には程遠い技術探求）です。」とコメントした。 公平を期すために、レポートでは、AI投資に成功した企業もいくつかあると指摘しています。例えば、バックオフィス業務向けのカスタマイズされたツールによってもたらされた効率性について強調し、「これらの初期結果は、学習機能を備えたシステムが、特定のプロセスに合わせてカスタマイズされていれば、大規模な組織再編を行わなくても、真の価値を提供できることを示しています」と述べています。また、調査では企業が「自動化されたアウトリーチとインテリジェントなフォローアップシステムを通じて、顧客維持率と売上コンバージョン率が向上した」と報告していることにも触れており、AIシステムがマーケティングに役立つ可能性を示唆しています。 しかし、「多くの企業が大きな成果を得るのに苦労している」という見解は、多国籍コンサルティング会社Akkodisによる最近の別の調査とも一致しています。同社は2,000人以上の企業幹部に調査を実施した結果、自社のAI導入戦略に「非常に自信がある」と回答したCEOの割合が、2024年の82%から今年は49%に急落していることが分かりました。最高技術責任者（CTO）の自信も低下していますが、その低下幅はそれほど大きくはありません。Akkodisの調査では、これらの変化は「デジタル化やAIプロジェクトにおける過去の期待外れの結果、導入の遅延や失敗、そして拡張性への懸念を反映している可能性がある」と述べています。 先週、MITメディアラボの研究に関するメディア報道が、NVIDIA、Meta、Palantirといった高評価のAI関連銘柄の下落と重なりました。もちろん、相関関係は因果関係とは必ずしも一致しません。OpenAIのCEO、サム・アルトマン氏の最近の発言が、この株価下落に大きく影響した可能性があります（最近の株価急騰を考えると、株価下落は避けられませんでした）。CNBCによると、アルトマン氏は記者との夕食会で、現在の株価評価は「常軌を逸している」と述べ、15秒間に「バブル」という言葉を3回も使用しました。 それでも、MITの調査は大きな注目を集めました。最初の報道に続き、多くのテクノロジー企業と関係のあるメディアラボが、ひそかに報告書へのアクセスを制限しているという報道が浮上しました。私はMITの広報部と報告書の2人の著者にメッセージを送りましたが、返答はありませんでした。 この報告書は、一部の報道が示唆するよりも微妙なニュアンスを含んでいますが、2022年11月にOpenAIがChatGPTを立ち上げて以来、テクノロジーブームを支えてきた壮大な経済的物語に間違いなく異議を唱えています。この物語を簡潔にまとめると、生成AIの広範な導入は労働者（特に知識労働者）にとって有害ですが、生産性の飛躍的な向上と大きな利益につながるため、企業とその株主にとっては非常に有益であるというものです。 なぜこのシナリオはまだ実現していないように見えるのでしょうか？考えられる理由の一つは、1980年代と90年代に見られた、不適切な管理がコンピューターの生産性向上を制限するという考え方を彷彿とさせることです。メディアラボの調査によると、AI投資において最も成功した企業の中には、ワークフローの狭い領域で高度にカスタマイズされたツールを活用しているスタートアップ企業もありました。「GenAI Divide」の反対側では、成功率の低いスタートアップ企業は「汎用ツールを開発するか、自社で機能を開発しようとしている」とされています。報告書では、成功と失敗の差は「モデルの品質や規制ではなく、むしろ（実装）方法論によって生じているようだ」とより広く指摘しています。 生成型AIの斬新さと複雑さが、一部の企業にとって導入をためらわせる要因となるのは理解できます。コンサルティング会社ガートナーの最近の調査によると、CEOの半数以下が自社のCIOを「AIの専門家」だと考えていることが明らかになりました。しかし、メディアラボのレポートで強調されたこの残念な結果には、別の説明が考えられます。多くの既存企業にとって、生成型AI（少なくとも現状では）は宣伝されているほど画期的なものではないということです。「ブレインストーミングや下書き作成には優れていますが、クライアントの好みを記憶したり、以前の編集者から学習したりすることはできません」と、メディアラボの調査回答者の1人は述べています。「同じミスを繰り返し、毎回のセッションで多くのコンテキストが必要になります。リスクの高い仕事には、知識を蓄積し、継続的に改善できるシステムが必要です。」 もちろん、多くの人がAIを有用だと考えていますし、それを裏付ける学術的な証拠もあります。2023年、MITの2人の経済学者は、ランダム化試験において、ChatGPTを体験した参加者は「専門的なライティングタスク」をより速く、より質の高い文章で完了したことを発見しました。同年、他の研究チームも、GitHubのCopilot（AIプログラミングアシスタント）を使用するプログラマーと、独自のAIツールを使用するカスタマーサポートエージェントの生産性が向上したことを発見しました。メディアラボの研究者たちは、多くの従業員がGPTやClaudeなどの個人ツールを職場で使用していることを発見しました。この報告書では、この現象を「シャドーAIエコノミー」と呼び、「その投資収益率（ROI）」は雇用主がスポンサーとなったプロジェクトを上回ることが多いと述べています。しかし、疑問は残り、企業幹部はおそらくより頻繁に問うことになるだろう。なぜ多くの企業がこれらのメリットを最終的な（企業）利益に結び付けていないのだろうか？ 問題の一因は、生成型AIは魅力的であるものの、その適用範囲が経済の多くの分野に限られていることにあるのかもしれません。レジャー・ホスピタリティ業界、小売業、建設業、不動産業、そして介護業界（子供、高齢者、病弱者の介護）――これらの業界は合計で約5,000万人のアメリカ人を雇用していますが、AIによる変革の直接的な対象とは考えられません。 もう一つ注目すべき重要な点は、AIが経済全体に広く普及するには、長いプロセスが必要になる可能性が高いということです。シリコンバレーでは「素早く行動し、物事を壊す」という傾向があります。しかし、経済史が示すように、最も革新的な技術、つまり経済学者が「汎用技術」と呼ぶものでさえ、それに伴うインフラ、スキル、そして製品が開発されて初めて、その潜在能力を最大限に発揮することができます。そして、これは長いプロセスになり得ます。スコットランドの発明家ジェームズ・ワットは1769年に円筒形の蒸気機関を発明しました。30年後も、イギリスのほとんどの綿糸工場は、蒸気機関用の石炭の輸送が困難だったこともあり、依然として水車で稼働していました。この状況は、19世紀初頭に蒸気機関車が開発されるまで変わりませんでした。電気の普及もまた遅く、経済全体にわたる生産性の向上にすぐにはつながりませんでした。ソローが指摘するように、コンピューターの発展も同じパターンを辿ってきました。 （1996年から2003年にかけて、米国経済全体の生産性の伸びはようやく加速したが、多くの経済学者はこれを情報技術の遅延効果によるものとした。しかしその後、成長率は低下した。） 経済学者たちは、新しい技術は既存の業務慣行への統合が困難で、破壊的なため、生産性の伸びを阻害するケースもあると主張しています。生産性の向上は後になって初めて明らかになることもあり、これは「Jカーブ」と呼ばれるパターンです（Jカーブとは、新しい技術の導入時に、高コスト、適応時間、プロセス再構築のために生産性が当初低下することを指します。その後、技術が成熟し、それを支えるインフラが改善されると、生産性が急速に上昇し、Jカーブの上昇部分を形成します）。今年初め、異なる機関の4人の経済学者が、米国の製造業は現在、AIに関する「Jカーブ」の減少側にある可能性があると主張する論文を発表しました。国勢調査局と共同で企業レベルのAI導入データを収集した結果、「短期的なパフォーマンスの低下が長期的な利益に先行する」という証拠を発見したと経済学者たちは述べています。この研究の著者の一人であるトロント大学のクリスティーナ・マケルヘラン教授は、MITスローン経営大学院で発表された関連記事の中で、「AIはプラグアンドプレイではない。システム全体の変化が必要であり、このプロセスは特に既存企業にとって摩擦を生み出すだろう」と述べている。 表面的には、この議論は企業にとって楽観的に思える。しかし、AIによってスキルを再現できる労働者にとっては必ずしも楽観的ではない。（一部の初心者プログラマーが既に気づいているように、後者は警戒する十分な理由がある。）テクノロジーのJカーブでは、「摩擦」を克服すれば生産性は飛躍的に向上する。しかし、このカーブの道のりは長くなる可能性があるため、誰が勝者で誰が敗者になるかを予測することは困難である。インターネットの商業化の波の中で、最終的な勝者の多くは2000年のドットコムバブル崩壊後に現れた。（Googleは1998年に設立されたが、上場したのは2004年。Facebookは2004年、Airbnbは2008年に設立された。）歴史は必ずしも繰り返されるわけではない。しかし、AIの波に乗っている投資家にとっては、保有株の一部を売却することが賢明な選択かもしれない。♦
