ローリーン・クヌーセン氏はエンパワー・コンサルタント・グループのCTOであり、トランスフォーメーション分野の業界リーダーで、Power50メンバー、Top 100 Women in Techに選出されている。
AIがあらゆる業界を変革する中、懸念すべき傾向が現れている。企業が人件費を収益性の主な障壁と見なし、経験豊富な従業員をAIシステムに置き換えようと競争している。このアプローチは、今後10年間でAI導入の成功と壊滅的な失敗を分けるものを根本的に誤解している。
AIの可能性は確かに存在するが、それを有用にする人間の専門知識なしに導入することの危険性も同様に存在する。特に最も経験豊富な専門家を含む従業員の大部分を解雇する組織は、AI時代に向けた合理化を図っているのではない。彼らはAIが成功するために必要な基盤そのものを解体しているのだ。
バベルの塔問題
私たちは、多くの技術リーダーが議論していない重要な転換点に近づいている。AIシステム同士がまだ効果的に対話できないという問題だ。A社のAIシステムが契約書を作成してB社に送信し、B社の別のAIシステムがそれを処理する必要があるとしよう。紙の上では単純に見えることが、実際には混乱を招く。
あるシステムはデータを階層的に構造化し、別のシステムは関係型フォーマットを使用する。あるAIは「net 30」を支払い条件として解釈し、もう一方は通貨の指定がないため不完全とフラグを立てる。あるAIは2023年頃のトレーニングデータに基づく法的慣行に従い、別のAIは2024年の規制に合わせて微調整されている。結果として効率性ではなく、デジタルグリッドロックが生じる。
これは理論上の問題ではない。現在、サプライチェーン、金融サービス、医療システム、そして企業が調整された標準なしにAIを導入しているほぼすべてのB2B関係で発生している。私たちは最も先進的なツールが互いに通信できず、求めていた効率性そのものを排除するボトルネックを生み出す未来を構築している。
人間の専門知識が不可欠な理由
ここで経験豊富な専門家が不可欠となる。AI相互運用性の解決策は、より高度なアルゴリズムではなく、標準設定、品質管理、システム間の翻訳に適用される人間の知恵にある。
経験豊かな従業員は、AIが複製できないものを持っている。それは、エッジケース、業界の進化、ビジネスが実際にどのように機能するかという複雑な現実をナビゲートしてきた年月を通じて獲得した文脈的知性だ。彼らは特定の標準が存在する理由、どの慣行が普遍的か地域的か、そして自動化されたシステムが自信を持って無意味なものを生成しているときを見分ける方法を知っている。
A社のAIが混乱を招く契約文言をB社に送信した場合、問題を認識し、両方のシステムの限界を理解し、どのような標準が必要かを明確に表現できるのは、経験豊富な調達マネージャーだ。AIシステムが微妙に不正確な解釈を含む四半期報告書を作成した場合、それが取締役会に届く前に気づくのはベテランのアナリストだ。
さらに重要なことに、これらの専門家はAIシステムのトレーニング、監督、継続的な改善に不可欠だ。機械学習モデルはあなたのビジネスを魔法のように理解するわけではなく、経験豊富な人間だけが提供できる例、エッジケース、修正から学ぶ。組織の知識を解雇すれば、AIはますます浅く、エラーが発生しやすいデータで訓練されることになる。
標準化の必要性
テクノロジー業界は、AI相互運用性のための人間主導の標準開発を緊急に優先する必要がある。これは、AIシステムが出力を構造化し、入力を検証し、曖昧さを処理し、不確実性にフラグを立てる方法のフレームワークを作成することを意味する。HTTP、TCP/IPなどの基本的なインターネット標準が人間の協力から生まれたのと同様に、経験豊富な専門家が共通プロトコルを定義する業界コンソーシアムが必要だ。
これらの標準は自動的に作成されるものではなく、AIだけで生成することもできない。業界のニュアンス、それを統治する規制、実装の実用的な現実を理解する専門家が必要だ。競合する利益間の交渉ができ、共通のフレームワークについてコンセンサスを構築できる人々が必要だ。
組織は「AIスタンダードアーキテクト」のようなポジションに投資すべきだ。これは、ドメイン専門知識と技術システムの両方を理解し、AI実装が組織の境界を越えて効果的に通信できることを確保する任務を持つシニアプロフェッショナルだ。これらの役割は、コスト削減措置で排除されるのではなく、最も経験豊富な人材で埋められるべきだ。
人間性を内包したAIの構築
最も成功するAI実装は、人間を排除するものではなく、人間の判断力を増幅するものになるだろう。これは、トレーニングデータのキュレーション、出力の検証、例外処理、継続的な学習ループに人間の専門知識を組み込んだAIシステムを設計することを意味する。
「ループ内に人間がいるAI」と「人間を置き換えたAI」のモデルを考えてみよう。前者は日常的な作業を処理しながら、複雑な決定を専門家にエスカレーションするシステムを作成する。後者は、トレーニングパラメータ外のものに遭遇すると壮大に失敗する脆弱なシステムを作成する。
企業は経験豊富な従業員を置き換えるのではなく、再配置すべきだ。彼らを日常的な業務から監督、トレーニング、品質保証、AIシステムの戦略的指導へと移行させる。彼らの組織的知識は、AI拡張環境においてより価値が高まるのであって、低下するわけではない。
人材維持の競争優位性
戦略的な現実はこうだ。AIを導入しながら経験豊富な従業員を維持し、昇格させる企業は、そうでない企業に対して乗り越えられない優位性を持つだろう。彼らは確実に機能し、外部システムと通信でき、継続的に改善し、新しい状況を優雅に処理するAIシステムを持つことになる。
一方、組織の知識を解雇した組織は、エラーを永続させ、パートナーと相互運用できず、ベテラン従業員なら防げたであろう問題を修正するために高額なコンサルタントを必要とするAIシステムのサイクルに閉じ込められるだろう。
行動への呼びかけ
技術リーダーは、AIを単純な労働力置換の方程式と見なす誘惑に抵抗しなければならない。代わりに、以下のことを問うべきだ：
• 私たちのAIシステムが他のシステムとシームレスに連携できるような標準をどのように作成するか？
• どの経験豊富な専門家が私たちのAIガバナンスと品質保証をリードすべきか？
• 人間の専門知識がAIと競合するのではなく、AIを導くように役割をどのように再設計するか？
• 経験豊富な従業員が効果的なAI監督者およびトレーナーになるために必要なトレーニングは何か？
AI時代の仕事の未来は、人間かAIかの二択ではなく、人間とAIの協働にある。しかし、その未来には、AIを真に知的にする人間の専門知識を評価し、維持することが必要だ。これを理解する企業は繁栄するだろう。理解しない企業は、互いに対話できず、複雑さを処理できず、変化する世界に適応できない強力なツールを持つことになるだろう。
選択は私たちにあるが、賢明な選択をするための時間は急速に閉じつつある。
