経営幹部はAIがもたらす生産性向上の可能性に期待を寄せている。スタンフォード大学の研究によると、生成AIを使用する労働者はタスクを3倍速く完了し、90分の作業をわずか30分に短縮した。テクノロジーベンダーはこの「生産性の3倍化」を武器に、ビジネスリーダーに対し、AI主導の効率化ブームに乗り遅れる余裕はないと説得している。単純計算では、タスクにかかる時間が3分の1になれば、必要な人員も3分の1で済むことになる。
魅力的な方程式だが、これには重大な欠陥がある。
私は最近、ChatGPTを使ってLinkedIn投稿用のコミック・ストリップを作成した。数分以内に、印象的な作品ができあがった。私には多少の芸術的才能があるが、このパネルと視覚的スタイルをこれほど迅速に制作することはできなかっただろう。
最初の高揚感の後、私はコミックの微妙な欠陥に気づいた。必要なものの60％は完成していたが、さらにプロンプトを重ねてもギャップは埋まらないことに気づいた。少なくとも、タイムリーには埋まらない。そこで私はPhotoshopの知識を活用し、不要な要素を削除し、構図の問題を修正した。これで約85％に到達した。
1つのパネルには、前のパネルでのオブジェクトの形状（ボックスの寸法）と一致しないという問題が残っていた。そのパネルの一部を描き直すこともできたが、LinkedIn投稿のためにその労力をかける価値はあるだろうか。おそらくないので、私は85％の状態で公開した。
この経験は、AIに関する大胆な生産性向上の主張が期待外れに終わる理由を明らかにしている。AIツールは誰もが数分で60％に到達できる。この場合、Photoshopのスキルを持たない人でも、根気強く反復的なプロンプトを通じて70〜75％まで押し上げることはできるだろうが、それには大幅に長い時間がかかる。私のデザインの専門知識は、より高い品質基準に到達することだけでなく、それを効率的に達成することにあった。
スタンフォード大学の研究では、労働者がAIを適用したのはタスクの約3分の1のみだった。ボトルネックは最初の草稿を作成することではない。AIはそれに優れている。課題は、その草稿を効果的で出荷可能なものに洗練することであり、これにはAIが提供できない専門知識と人間の判断が必要だ。十分な領域の専門知識がなければ、労働者は何が良いものか、何が効果的かさえ分からず、AIで達成できることが制限される。
多くのリーダーは、AIと生産性について高くつく間違いを犯している。彼らは、生産性向上が作業全体に均等に分散されると想定しているが、実際には最初の段階に大きく集中している。
AIの生産性向上における4つのゾーン
これがどこでどのように展開されるかを理解するために、私はプロセスを0％（何も作成されていない）から100％（卓越性）の間の4つの明確なゾーンにマッピングした。各ゾーンには異なる能力が必要であり、専門知識がスピードと品質にどのように影響するかを示している。
ローンチ（0％→60％）
この最初のゾーンが生産性向上の誇大宣伝を推進している。プロンプトを提供すると、数分以内にツールが最初の草稿を生成する。ウェブサイトのコピー、ビジネスプレゼンテーション、ソフトウェアコードのプロトタイプ、または私の場合はコミック・ストリップだ。専門家はより良いプロンプトを作成し、60％により速く到達するかもしれないが、初心者でも単純な反復を通じてそこに到達する。AIがほとんどの作業を行い、誰もがこの閾値にはるかに速く到達する。これが能力の平等という錯覚を生み出す。
リワーク（60％→80％）
出荷可能なものを生産するには、人間が主導権を握り、最初の出力を編集しなければならない。作業は事実の検証、目的への内容の整合、声のパーソナライズ、レイアウトや構図の問題の修正から始まる。初心者はプロンプトを通じて洗練を続けなければならない。これは遅く反復的なプロセスであり、せっかちな人は早期に放棄するかもしれない。専門家は他のツールとスキルを展開して、はるかに迅速に調整を行うことができる。私のコミック・ストリップの例では、ChatGPTに特定の要素を調整させようとして他の何かを壊すことなく、Photoshopを使用して修正を行った。
フォージ（80％→90％）
ここで、洗練するだけでなく、創造しなければならない地点に到達する。私のコミックでは、これは視覚的なストーリーを完成させるために追加のオブジェクトを描くことを意味した。マーケターにとっては、AIが知らない実世界のケーススタディに基づいて追加の段落を加えることかもしれない。開発者にとっては、AIがアクセスできない社内のレガシーシステムとのカスタム統合を手作業でコーディングすることだ。AIが持たないコンテキスト、知識、能力を必要とするため、ここでは生産性向上が消失する。AIツールはプロセスを支援できるかもしれないが、専門家にとっても作業は時間がかかり、必要なスキルを持たない初心者にとってはしばしば不可能だ。
サミット（90％→100％）
最後のゾーンは専門知識によって制限され、かつオプションである。非常に良いものから卓越したものへと押し上げるには、深い専門スキルが必要だ。しかし、それは適切な技術的能力を持つことだけではなく、何が十分に良いか、いつ卓越性が実際に重要かを見極めることだ。人間の判断が、努力が価値あるものかどうか、無意味な完璧さを追求しているかどうかを決定する。私のコミック・ストリップでは、1つのパネルに不一致があった。オブジェクトが他のパネルでの外観と一致していなかった。AI生成のスタイルに合わせて描き直すには、不確実な結果で数時間かかっただろう。私はそれが必要ないと判断し、85％の状態で公開した。そのLinkedIn投稿は、2025年で2番目に人気のある投稿となった。
これが実際に何を意味するかを考えてみよう。異なる専門知識レベルの労働者が各ゾーンを移動するのにかかる時間を考えてみる。
注意しなければ、その影響は厳しいものになる可能性がある。専門家は、開始から完璧まで全体の旅を約3時間半で完了する。中級の労働者は6時間を必要とし、卓越性には到達できない。初心者は？60〜70％に到達するだけで4時間を費やす可能性があり、持っていない専門知識なしにはそれ以上進むことができない。
より洗練されたAIが初期のゾーンを圧縮できたとしても、後期のゾーンで必要とされる専門知識を排除することはできない。これが「3倍の生産性向上は3分の1の人員に等しい」という方程式が崩壊する理由だ。専門家を削減すると、スピードを失うだけでなく、ゾーン3と4に完全に到達する能力を失う。作業は60〜70％で停滞し、より多くの出力を意味するが、出荷可能なものは少なくなる。生産性向上はローンチ段階に集中しているが、ビジネス価値は専門知識が依然として結果を定義する後期のゾーンで創出される。
AI主導の生産性向上による人員削減を計算することは魅力的だが、AIが実際にどのように機能するかについての基本的な真実を見落としている。Anthropic経済指数の最近の研究は、ユーザーのプロンプトの洗練度とAIの応答の洗練度との間にほぼ完全な相関（r＞0.92）があることを明らかにしている。人間がAIをどのように指示するかが、AIがどれだけ効果的であり得るか、何を達成できるかを決定する。プロセスのあらゆる段階で。専門知識は、AIから何を引き出せるか、その出力で何を達成できるかの両方を形作る。
将来のAIの改善が後期のゾーンへの影響を拡大する可能性があると主張する人もいるだろう。生成AIツールがこれらの後期段階でより有能になっても、専門知識の優位性は消えない。専門家は、何を求めるべきか、それをどのように評価するか、どのように最終化するかを知っているため、より良い出力をより速く引き出す。より良いAIツールは能力のギャップを埋めるのではなく、さらに増幅する。最も賢明な組織は、専門知識を排除するのではなく、集団的専門知識を増幅するためにAIを展開する方法を見つけ出すだろう。間違えたら？あなたの「3倍の生産性向上」は、出荷できない、または出荷すべきでない作業の洪水になる。
