数日前の夜、旧友と夕食を共にした。彼はソフトウェア開発者として働いており、会話はすぐに人工知能の話題へと移った。そこで彼が語った職場のマネジメント手法は、あまりに的外れで信じ難いものだった。彼の上司は開発チームに対し、AIのトークン使用量を最大化するよう指示したというのだ。昇進や長期的な雇用の安定がそれに左右されるからだという。
この方針が示していたのは、人工知能に対する誤解を超えた、はるかに深刻な問題だった。それは、リソースの消費と従業員のパフォーマンスを混同するリーダーシップ哲学の表れである。開発者にAIトークンの最大化を促して報いるのは、配送ドライバーにガソリンを最も多く消費した者を称賛するようなものだ。燃料は価値創出のコストであって、価値そのものではない。AIトークンも同じ視点で捉えるべきである。
当初、私はこれを孤立したマネジメント上の過ちだと思っていた。しかし詳しく見ていくと、テクノロジー業界全体でより広範な議論が起きていることがわかった。一部の組織はAIの使用量を生産性の指標として追跡し始めている一方、多くの組織はすでにその限界に気づき、その考え方から離れつつある。人工知能が知識労働を再構築するなか、リーダーは決定的な選択を迫られている。AIトークン消費量で従業員を評価することは、活動と価値を混同し、機能不全を招く行動を促し、組織の成功を最終的に左右する事業成果からリーダーの注意をそらす。
トークン数が測るのは活動であり、価値ではない
ビジネスの歴史には、誤ったものを測定してきたリーダーの例があふれている。メーカーは品質の重要性に気づく前に生産量を評価した。コールセンターは、初回問い合わせでの解決がより優れた顧客体験を生むと理解する前に、短い通話時間を称賛した。ソフトウェア企業はかつて、プログラマーをコード行数で評価していたが、優れた解決策は通常、より多くではなく、より少ない行数で実現されることを知った。
人工知能は、同じリーダーシップの罠を別の名前で持ち込んでいる。トークンとは、会話のなかで言語モデルがどれだけ処理したかを測るにすぎない。そこからは、創造性、エンジニアリング上の判断、協働、顧客へのインパクト、事業価値については何一つ見えてこない。開発者をトークン消費量で測るのは、テーブルを作るのに使った釘の本数で大工を評価するのと同じくらい理にかなわない。
最近の研究も、この区別を裏づけている。学術誌Nature Machine Intelligenceの論説は、組織がトークン使用量を生産性の尺度として扱うことに警鐘を鳴らし、AIは消費量で測定するのではなく、目的をもって導入されるべきだと論じている。研究者らは「tokenmaxxing（トークン最大化）」を、テクノロジーの使用と意味のある組織成果を混同する新たな例だと説明している。
学術的な証拠も同じ方向を示している。全米経済研究所（NBER）の研究者らは、AIがコーディング活動を劇的に増やす一方で、プロジェクトがテスト、統合、デプロイ、顧客への提供へと進むと、その効果ははるかに小さくなることを明らかにした。優れたソフトウェアはなお、アーキテクチャ、レビュー、協働、セキュリティ、思慮深い意思決定に依存している。AIはその道のりの一部を加速させるが、目的地に到達する責任を負うのは依然として人間なのだ。
おそらく最大の皮肉は、多くのテクノロジーリーダーがすでに不要なトークン消費の削減に取り組んでいることだ。組織は、定型的なリクエストをより小型で低コストのモデルに振り分け、より高度なシステムは複雑な業務に限定するようになっている。AP通信は最近、コンピューティングコストが上昇し続けるなか、企業がAIの使用量を最大化することから事業価値を最大化することへと関心を移していると報じた。
教訓は明快である。人工知能は極めて優れたビジネスツールだ。これまでのあらゆるツールと同様、その成功は消費するリソースではなく、生み出す価値によって測られるべきである。ティム・キアリーがForbesで述べたように、「取締役会の監視が強まる経済環境では、実証可能な事業インパクトを伴わないトークン使用は、単なる『誇示的消費』と受け取られるリスクがある」のだ。
悪い指標は悪い行動を生む
リーダーシップの成否はインセンティブによって決まる。従業員は、リーダーが測定し、評価し、称賛するものに自然と注意を向ける。良い指標は組織の優先事項を強化する。悪い指標は、従業員に成果ではなく数字の最適化を促す。
経済学者のチャールズ・グッドハートは、この原則を数十年前に説明している。ひとたび指標が目標になると、人々がスコアを改善するために行動を変えるため、その有用性は急速に低下する。ビジネスリーダーは、営業、教育、医療、製造、カスタマーサービスの分野で、このパターンが繰り返し現れるのを見てきた。人工知能は、よく知られたマネジメントの物語における最新章にすぎない。
AI消費量によって評価される開発者は、当然ながらAIをより多く消費するようになる。昇進がトークン使用量に結びついているように見えれば、より長いプロンプト、繰り返しの依頼、不要な実験、より大規模な言語モデルの使用は、たちまち合理的なキャリア選択となる。追加のやり取りはすべて運用コストを増やす一方で、より優れた製品やより満足度の高い顧客につながる保証はほとんどない。組織は、エンジニアリングの卓越性ではなく、計算活動を評価し始める。
最近の報道によれば、複数のテクノロジー企業がすでにこのアプローチを見直している。インフラコストの上昇により、経営幹部はシンプルな問いを突きつけられている。「AI消費量の増加は、一貫してより大きな事業価値を生むのか」という問いだ。答えはますます「ノー」に傾いているようで、多くの組織は無制限の使用ではなく、思慮深いAIガバナンスを重視するようになっている。
優れたリーダーは事業成果を測る
人工知能から最大の優位性を得ている組織には、共通する特徴がある。従業員がどれだけAIを使ったかではなく、AIが生み出した事業価値によって測定していることだ。この違いが、テクノロジーのリーダーシップとテクノロジーへの熱狂を分ける。一方はAIが使われたかを問う。もう一方は、AIが組織をより良くしたかを問う。
先進企業はすでに戦略を調整している。EYは最近、高品質な結果を出せる最小のモデルにリクエストを自動的に割り当てるインテリジェント・ルーティングシステムを導入した後、AI運用コストを大幅に削減したと報告した。この取り組みは、堅調な事業パフォーマンスを維持しながらトークン消費を減らし、無制限の使用よりも効率性の方が大きなリターンをもたらすことが多いと証明した。Business Insiderはこのアプローチを詳しく紹介している。
同じ考え方は、より広範な職場研究にも見られる。ギャラップは最近、「リーダーが明確な期待、思慮深い導入計画、マネージャーによる積極的な支援とともにAIを導入すると、従業員のエンゲージメントは大幅に高まりやすい」と認めている。人工知能が反復的な仕事を取り除き、創造性、協働、問題解決、顧客との関わりにより多くの時間を割けるようにするとき、従業員は最大の価値を生み出す。こうした成果が組織を強くする。トークン数はクラウドコンピューティングの請求額を増やすだけである。
したがって、有能な経営幹部は、なじみのあるビジネス指標を通じて人工知能を評価する。製品品質は向上したか。顧客満足度は高まったか。開発サイクルは短縮されたか。イノベーションは加速したか。収益と顧客価値が伸び続ける一方で、運用コストは低下しているか。これらの問いは、テクノロジー投資と組織パフォーマンスを結びつける。また、従業員が無意味な指標を追うのではなく、意味のある問題解決に集中するよう促す。
皮肉なことに、これは見過ごしがたい。組織はかつて、プログラマーをコード行数で測っていたが、経験によって、より少ない行数がより優れたエンジニアリングを示すことが多いと証明された。コード行数をAIトークン数に置き換えることは、新しいテクノロジーを使って同じマネジメント上の過ちを繰り返すことにほかならない。パフォーマンス指標が進化するとき、リーダーシップは前進する。古い習慣に現代的なラベルを貼るとき、リーダーシップは後れを取る。
結論
人工知能は職場を変革しているかもしれないが、有効なリーダーシップについてはほとんど何も変えていない。組織はなお、顧客の問題を解決し、製品を改善し、関係を強化し、有能な人材を育て、測定可能な価値を生み出すことで成功する。成功したテクノロジーはいずれ背景に溶け込むが、これらの基本は残り続ける。
これほど高いレベルの予測不能性に満ちた世界で、マネージャーが事業成果ではなくトークン消費量を評価することに、本当に意味があるのだろうか。それは、工場により多くの電力を使ったことを、営業チームにより長い距離を運転したことを、配送会社により多くのガソリンを燃やしたことを評価するのと変わらない。リソースは価値創出を助ける。だが、それ自体が価値になることは決してない。
AI時代にすべての経営幹部が問うべき最も重要な問いは、驚くほど単純である。私たちはテクノロジーを測っているのか、それともテクノロジーが可能にする成果を測っているのか。前者に答える組織は、ダッシュボードの最適化に何年も費やすだろう。後者に答える組織は、より強い製品、より強い文化、より強い事業を築く。結局のところ、顧客はAIトークンを購入するのではない。人々がそれを使って生み出す価値を購入するのである。
自己省察のための問い
- 私は現在、従業員の成果を評価するためにどのような指標を使っているのか。それらは活動を測っているのか、それとも意味のある事業成果を測っているのか。
- 私は意図せず、問題を解決すること、価値を生み出すこと、顧客成果を改善することではなく、ツールを使うことを従業員に評価していないか。
- もし人工知能が明日なくなったとしても、現在の評価指標は最も成果を上げている従業員をなお特定できるだろうか。できる、あるいはできない理由は何か。
- 私の組織内のどのインセンティブが、従業員に成果、品質、イノベーションの改善ではなく、指標の最適化を促す可能性があるか。
- 私は他者に印象づけるために、新しいテクノロジーの推進において品質管理を見落としていないか。
- AI時代に、判断力、創造性、協働、倫理的意思決定、リーダーシップなど、人工知能が容易には代替できないどのような能力を認め、評価すべきか。
- 1年後、私の組織が単に人工知能をより多く使っているのではなく、賢く使っていると私に確信させる証拠は何か。
