Original: https://www.hbs.edu/ris/PublicationFiles/24-013_d9b45b68-9e74-42d6-a1c6-c72fb70c7282.pdf
本稿の目的は、人工知能が知識労働者の生産性と質に与える影響を探り、実地実験から結論を導き出すことである。研究チームには、ハーバード・ビジネス・スクール、ペンシルベニア大学ウォートン・スクール、MITスローン経営大学院などの専門家が参加している。研究結果は、仕事の場面におけるAIの応用を理解するのに役立つだろう。
大規模言語モデル（LLM）のリリースにより、人工知能が知識労働者の生産性と品質に与える影響に注目が集まっている。LLMは知識労働者のパフォーマンス、特にイノベーション、分析、ライティングのタスクに大きな影響を与える。事前登録された無作為化対照実験により、高い人的資本を持つ専門家に対するLLMの影響を評価することができる。LLMは、さまざまな能力にわたって生産性と質を大幅に向上させる。
LLMはLLMの能力外の正答率を下げる。ユーザーは「ケンタウルス」と「サイボーグ」という2つの異なるLLM使用モードを採用し、LLMはタスクによって作業への影響が異なる「ギザギザの技術的境界線」を作り出した。LLMは、タスクによって作業への影響が異なる「不均等な技術的境界」を作り出す。
ユーザーは、タスクがLLMの能力の範囲内かどうかを判断し、LLMと効果的にコラボレーションする方法を考える必要がある。組織は、知識労働に多大な影響を与えるLLMの可能性を最大限に実現するために、人間とコンピュータのコラボレーション、新しい役割、利害関係者などを再考する必要があり、ユーザーと組織はこの影響に適応する必要がある。ケンタウロス」モデルを採用すること、すなわち、LLMと人間がそれぞれの強みに基づいて労働を分担することは、LLMの能力の範囲内および範囲を超えて、現在の実験で実証されているAIの最も効果的な利用法である。
現実的で複雑な知識集約型タスクにおけるAIのパフォーマンスへの影響
人工知能(AI)の能力により、AIが容易に実行できるタスクもあれば、現在のAIの能力を超えるタスクもある「険しいテクノロジー・フロンティア」が形成されている。AI能力のフロンティア内のタスクでは、AIを使用するアドバイザーの生産性が大幅に向上する一方、フロンティア外のタスクでは、AIの出力は不正確で、有用性が低く、人間のパフォーマンスを低下させる。フロンティアの境界を正確に把握することは難しい。このフロンティアのナビゲートに長けたプロフェッショナルは、AIを活用することで大きな生産性向上効果を得ることができる。AIの有用性はプロフェッショナルのワークフローによって変化し、フロンティア内に位置するタスクもあれば、フロンティア外に位置するタスクもある。フロンティア内のタスクでは、AIは各モデルスペシフィケーションのパフォーマンスと品質を大幅に向上させる。AIは、能力レベルによるパフォーマンスの差のバランスをとり、フロンティア内のタスクの質を向上させるようだ。AIの利用がアイデアの多様性の減少につながる可能性があるという課題は、組織にとって課題となるかもしれない。AIは、人間の認知能力や問題解決能力に大きな影響を与える可能性を秘めているようだ。AIの変革の可能性と、その能力を活用して最適な成果を達成するための洞察を提供する。迅速なアイデア創出、執筆、説得、戦略的分析、創造的な製品イノベーションなど、ハイエンドの知識労働タスクにおけるAIの能力について楽観的な見方。AIのフロンティアは依然として挑戦的であり、フロンティアに対する理解を再調整する必要がある。AIは、人間の思考や推論に関連するコストを削減する上でも同様の役割を果たす可能性があり、潜在的には広範かつ変革的な影響をもたらすだろう。
AIがアドバイザーのパフォーマンスに与える影響
AIはコンサルタントの成績に有意な影響を及ぼした。GPT＋オーバービューの治療は、GPTのみの治療よりも顕著なプラス効果を示した。オーバービューは "リテンション "を高め、より良いパフォーマンスと関連していた。性別、母国語の流暢さ、勤続年数、場所、テクノロジーへの開放性などの要因が結果に影響を与えた。AIツールはタスクの完了と質を有意に改善した。GPT-4は、より質の高いコンテンツを生成するのに役立つが、より均質なアウトプットをもたらす可能性もある。AIは、人間との集中的なインタラクションを必要とするタスクにおいて、パフォーマンスに利益をもたらす可能性がある。フロンティアの外側に位置するタスクにおいて、AI処理群はパフォーマンスの有意な低下を示した。フロンティアの外側に位置する実験的タスクにおいて、AI処理は正答率に有意な負の影響を与えた。フロンティアの外側に位置する実験的タスクにおいて、AI処理は被験者のタスク完了に要する時間を短縮した。フロンティアの外側に位置する実験課題において、AIを使用した被験者はより質の高い助言を提供した。高度に熟練した専門家のワークフローにおいて、AIは様々な形でパフォーマンスに影響を与える可能性がある。フロンティア内に位置するタスクでは、AIは人間のパフォーマンスを向上させることができる。フロンティアの外側に位置するタスクでは、AIへの過度の依存はミスにつながる可能性がある。AIの使用は、タスクの完了率を向上させる可能性がある。AIの使用は、コンテンツ生成の多様性を低下させる可能性がある。AIの使用は、時間の節約につながる可能性があるが、仕事の質にも影響する可能性がある。
AIが知識労働者に与える影響
調査によると、AIは知識労働者にプラスとマイナスの両方の影響を与える。
ポジティブな影響には以下が含まれる：
生産性の向上：AIを使用する知識労働者は、平均25.1%の速度向上で、より速くタスクを完了することができます。
タスクの質の向上：AIの使用は作業をスピードアップするだけでなく、仕事の質の大幅な向上にもつながり、評価は平均40%以上向上した。
特に能力の低い知識労働者にとっては、AIの支援によってパフォーマンスが大幅に向上し、最大43%のパフォーマンス向上が期待できる。
AIを活用することで、ワークフローにおける反復的で計算集約的なタスクを削減できるため、ナレッジワーカーは人間特有の能力がより必要とされるタスクに集中する時間とエネルギーを得ることができる。
悪影響は以下の通り：
例えば、AIの能力外のタスクでAIを使用した場合、アドバイザーの正答率は19ポイント低下した。
AIへの過度の依存は、知識労働者が自らの判断を放棄することにつながりかねない。これは、人間独自の判断力や創造性を必要とする業務においては特に危険である。
AIの活用は創造性の多様性を低下させる可能性があり、多様な創造性を必要とする分野にとっては潜在的な問題である。
AIの誤用や濫用には、組織や従業員が特に注意を払う必要がある倫理的・法的な影響があり得る。
生産性とタスクの質を向上させる強力なツールとして活用できる一方で、場合によってはパフォーマンスの低下にもつながりかねない。したがって、組織と従業員はAIの効果的な使い方を学ぶと同時に、その限界を認識し、不得意な業務への過度の依存を避ける必要がある。
AIが知識労働者の生産性と品質に与える影響の評価
AIが知識労働者の生産性と品質に与える影響を、2つの無作為化対照実験によって評価した。対象は、ボストン・コンサルティング・グループ（BCG）のコンサルタント758人である。これらのコンサルタントは無作為に対照群と実験群に振り分けられ、5時間以内に18の本格的なコンサルティングタスクをこなすよう求められた。タスクはAI能力の範囲をカバーし、分析的、創造的、反復的、計算集約的なタスクが含まれた。
実験では、対照グループのアドバイザーは従来のアドバイスツールや検索エンジンを使ってタスクを完了するよう求められたが、実験グループのアドバイザーはGPT-4を使って仕事を支援することが許された。研究者たちは、2つのグループ間のタスク完了度を比較することで、AIの影響を評価した。研究チームは、参加者それぞれが完了させたタスクの数、タスク完了時間、タスクの質を測定した。タスクの質は、各タスクが手作業で完了したかAIの支援で完了したかを知らない外部の専門家によって評価された。
さらに、AIを使用したコンサルタントは、平均40%以上品質が向上した。これらの結果は、AIが知識労働者の生産性とタスクの質を大幅に改善できることを示唆している。
しかし、AIを使用したアドバイザーは、AIの能力の範囲外である特定のタスクにおいて、AIを使用しなかった対照グループよりも成績が悪いという結果も出ている。つまり、AIは生産性とタスクの質を向上させる強力なツールとして使用できるが、場合によってはパフォーマンスの低下を招く可能性もあるということだ。したがって、組織と従業員はAIの限界を認識しつつ、効果的な活用方法を学ぶ必要がある。
AIと人間の仕事を効果的に統合し、仕事の効率と質を向上させる
AIと人間の作業を効果的に統合し、生産性と品質を向上させるための戦略には、以下のようなものがある：
タスク配分戦略：AIと人間の専門分野に応じてタスクを合理的に配分する。例えば、大規模なデータ処理や分析を必要とするタスクはAIに任せ、人間は創造性や感情的知性、複雑な対人関係を必要とするタスクに集中する。
ケンタウロス：この戦略では、戦略的な意思決定や革新的な思考においては人間の優位性を保ちつつ、情報処理や言語生成などの分野でAIの強みを最大限に活用するタスクと組み合わせて人間の労働者がAIを使用する。人間のワーカーには、AIをいつ、どのように使うのが最適かを判断する能力が必要である。
サイボーグ戦略（サイボーグ）：この戦略は、人間とAIの緊密な統合を強調するもので、人間の労働者がタスクの過程でAIと継続的に相互作用し、絶え間ない実験とフィードバックを通じてAIのアウトプットを最適化することで、効率と品質を向上させる。
トレーニングと教育：AIを効果的に統合するためには、組織と従業員の双方が適切なトレーニングと教育を受け、AIの能力と限界、そしてAIの最も効果的な活用方法をよりよく理解する必要がある。
モニタリングと評価：組織はAIの使用をモニタリングし、生産性と品質への影響を定期的に評価すべきである。これは、AIの潜在的な問題を特定し、それに応じて対策を講じるのに役立つ。
倫理的・法的配慮：AIを統合するにあたり、組織は、AIの使用が顧客のプライバシー、知的財産権、その他の法律や規制を侵害しないよう、倫理的・法的な懸念を考慮する必要がある。
革新的なワークフロー：AIの能力に合わせてワークフローを再設計する。これには、AIの可能性を最大化するために既存のワークフローを見直すことが含まれる。
創造的多様性の維持：AIが特定の作業を得意とする一方で、人間の労働者は創造的多様性を維持する必要がある。
これらの戦略により、組織はAIの潜在的な悪影響を回避しながら、AIの利点をより効果的に活用することができ、その結果、生産性とタスクの質の両方を向上させることができる。
重要なポイントと結論
この文書で述べられている重要な点と結論は以下の通りである：
AIが知識労働に与える影響：AIは知識労働者の生産性とタスクの質を大幅に向上させることができる。例えば、実験では、AIを使用するコンサルタントは、AIを使用しないコントロールグループと比較して、平均12.21 TP3T多くのコンサルティングタスクを完了し、タスク完了のスピードは25.11 TP3T増加し、品質スコアは有意に高くなった。
AI活用戦略：本研究では、AI活用戦略として「ケンタウロス」（ケンタウロス戦略）と「サイボーグ」（サイボーグ戦略）の2つを挙げている。前者はAIと人間のタスクを効果的に配分できるアドバイザーを指し、後者はAIをワークフローに組み込み、AIと頻繁に対話するアドバイザーを指す。
創造的な仕事におけるAI：AIは創造的な仕事において特に優れたパフォーマンスを発揮しており、これは将来のイノベーションの組織方法に影響を与える可能性がある。しかし同時に、AIは創造的多様性の減少につながる可能性があるため、組織はAIの使用に慎重になり、創造的多様性を維持する方法を検討する必要がある。
AIの限界：AIを使用したアドバイザーは、AIの能力の範囲外である特定のタスクにおいて、AIを使用しなかった対照グループよりも成績が悪かったことも、この調査で判明した。これは、AIの限界と、AIへの過度の依存から生じる可能性のある問題を示している。
AIがマーケティングに与える影響：AIは、市場セグメンテーション、ターゲット市場の選定、マーケティングスローガンの開発など、マーケティング戦略の立案を支援することができる。しかし、創造的な多様性という点で、AIの潜在的な欠点にも注意を払う必要がある。
製品開発におけるAIの役割：AIは、最初のアイデアから最終的な市場投入まで、製品開発を支援することができる。例えば、AIは製品アイデアの提供、最適な製品の選択、製品プロトタイプの設計、市場セグメンテーション、マーケティング戦略の策定などを支援することができる。
AIの意思決定への影響：AIの使用は、AIへの依存度の増加や、場合によってはAIが意思決定者に自らの判断を放棄させる可能性など、人間の労働者の意思決定プロセスに影響を与える可能性がある。
市場におけるAIの潜在的競争優位性：AIは、企業が市場動向を予測し、製品設計を最適化し、生産効率を向上させるのに役立ち、その結果、市場競争で優位に立つことができる。
AIがワークフローに与える潜在的な影響：AIはワークフローを変革し、効率を高めることができる一方で、AIを効果的に活用できるよう、従業員に適切なトレーニングと教育を施す必要がある。
産業におけるAIの可能性：この調査では、AIがさまざまな産業、特に大量のデータ処理や分析を必要とする業務で利用される可能性があることを強調している。
これらの洞察や結論は、研究者の分析に基づくだけでなく、具体的な実験データや事例研究によっても裏付けられている。例えば、研究の中で言及されている無作為化比較実験、ボストン・コンサルティング・グループのコンサルタントのパフォーマンス分析、製品開発やマーケティングにおけるAIの役割に関する具体的な記述は、これらの考えを実証的に裏付けている。
AIの限界
AIの限界には次のようなものがある：
AIの誤謬傾向：AIモデルには、幻覚や自白、数学における問題や引用文献の提供における問題など、誤った結果を生み出す傾向がある。これらには、「幻覚」や「思い込み」、また数学における問題や引用の提供における問題が含まれる。例えば、この実験では、AIを使用したアドバイザーは、AIを使用しなかったコントロール・グループよりも、いくつかのタスクで正答率が低く、19ポイントも低下した。
AIの能力範囲：AIの能力は均等に分布しているわけではなく、「ギザギザの技術的フロンティア」を持っている。これは、AIがあるタスクでは非常に優れているが、他の一見似たようなタスクでは劣っていることを意味する。このため、タスクを設計する際に、AIが人間の労働者よりも著しく劣っている分野を見つけることが難しくなる可能性がある。
AIが人間の判断に与える影響：この研究では、AIを使用する際、人間の作業員がAIの出力に頼りすぎ、自らの判断を放棄してしまう可能性があることがわかった。例えば、実験では、AIが生成した不正解を人間の作業員が高く評価した。これは、AIの出力が人間の作業員の判断に影響を与える可能性があることを示唆している。
創造的多様性におけるAIの潜在的欠点：AIは創造的なタスクに優れているが、創造的多様性の減少につながる可能性がある。これは、多様な創造性を必要とする分野にとっては潜在的な問題である。
高品質のヒントの重要性
質の高いプロンプトと関わることで高い定着率が得られる」という考え方は、ChatGPTのようなAIアシスタントを活用するナレッジワーカーは、AIがより有用なコンテンツを生成するよう導く質の高いプロンプトを提供することで、生産性とタスクの質を向上させることができるかもしれないことを示唆している。この高品質なプロンプトの行動には、AIがそのコンテンツの多くを自身の回答に取り込む前に、完璧な状態に達するまで反復的に回答を改善するのを支援することも含まれるかもしれない。
提供された文書の中で、研究者らは実験的に、一部の参加者がAIの出力に大きく依存する傾向があること、すなわちAIが生成した大量のコンテンツを「保持」する傾向があることを観察した。このような参加者は、AIの能力と限界を理解した上で適切に設計された合図によって、AIが高品質のコンテンツを生成するよう誘導したのかもしれない。このような促し行動は、最終的なアウトプットが正確で有用なものであることを保証しつつ、AIの能力を効果的に活用することを可能にするため、高いリテンションにつながる重要な要因であると考えられる。
例えば、創造的問題解決の実験では、参加者は一連の質問を通して新しい製品アイデアを構想するよう求められたと、この文書では言及されている。研究者らは、AIを効果的に活用できた参加者は、AIが生成した内容をより多く回答に盛り込めただけでなく、この内容の質が外部の専門家からも高く評価されたことを発見した。これは、質の高いプロンプトでAIを誘導することで、創造的なタスクの生産性と結果の質を大幅に改善できることを示唆している。
しかし、研究者らは、今回の研究分析では、高い定着率が質の高いキューイング行動によるものなのか、AIへの過度の依存によるものなのかを区別できていないことも指摘している。したがって、この観察は可能性のある説明ではあるが、さらなる研究によって確認される必要がある。同時に、実務においては、AIへの過度の依存を避けつつ、AIの能力をよりよく理解し活用できるよう、従業員の適切な訓練と教育に重点を置くべきであることを示唆している。
文書に記載されたすべてのポイント
以下は、この文書で言及されているすべてのアイデアのリストである：
1.AIが知識労働者に与える影響：AIは知識労働者の生産性とタスクの質を大幅に向上させることができる。
2.AIの活用戦略：調査の中で言及された「ケンタウロス」と「サイボーグ」は、AIの活用戦略としては異なるものである。
3.創造的な仕事におけるAI：AIは創造的な仕事に特に強い。
4.AIの限界：この調査では、AIの能力の範囲外である特定のタスクについて、AIを使用しているアドバイザーはAIを使用していない対照グループよりも成績が悪いこともわかった。
5.AIがマーケティングに与える影響：AIは、市場セグメンテーション、ターゲット市場の選定、マーケティングスローガンの開発など、マーケティング戦略の立案を支援することができる。
6.製品開発におけるAIの役割：AIは、最初のアイデアから最終的な市場投入までの製品開発を支援することができる。
7.AIの意思決定への影響：AIの使用は、AIへの依存度を高めるなど、人間の労働者の意思決定プロセスに影響を与える可能性がある。
8.市場におけるAIの潜在的競争優位性：AIは企業が市場動向を予測し、製品設計を最適化し、生産性を向上させるのに役立つ。
9.AIがワークフローに与える潜在的影響：AIはワークフローを変え、効率を高めることができるが、同時に従業員の適切なトレーニングと教育が必要となる。
10.産業におけるAI応用の可能性：本調査では、様々な産業、特に大量のデータ処理と分析を必要とする業務におけるAI応用の可能性が強調された。
11.AIのエラー傾向：AIモデルには、「幻覚」や「思い込み」など、誤った結果を生み出す傾向がある。
12.AI能力の範囲：AI能力は均等に分布しておらず、「ギザギザの技術フロンティア」が存在する。
13.AIが人間の判断に与える影響：AIを使用すると、人間の労働者がAIの出力に過度に依存するようになり、自らの判断を放棄する可能性さえあるという研究結果がある。
14.創造的多様性におけるAIの潜在的欠点：AIは創造的なタスクに優れている反面、創造的多様性の低下を招く可能性がある。
15.質の高いプロンプトの重要性：ナレッジワーカーは、AIがより有用なコンテンツを生成するよう導く質の高いプロンプトを提供することで、生産性とタスクの質を向上させる。
16.保持に影響する要因：研究者らは、参加者の中にはAIの出力に大きく依存する、つまりAIが生成したコンテンツを大量に「保持」する傾向があることを観察した。
17.創造的問題解決におけるAIの役割：AIは、市場セグメンテーション、ターゲット市場の選択、マーケティングスローガンの開発など、マーケティング戦略の立案を支援することができる。
18.製品開発におけるAIの役割：AIは、最初のアイデアから最終的な市場投入までの製品開発を支援することができる。
19.AIがマーケティングに与える影響：AIは、市場セグメンテーション、ターゲット市場の選定、マーケティングスローガンの開発など、マーケティング戦略の立案を支援することができる。
20.製品開発におけるAIの役割：AIは、最初のアイデアから最終的な市場投入までの製品開発を支援することができる。
21.AIの意思決定への影響：AIの使用は、AIへの依存度を高めるなど、人間の労働者の意思決定プロセスに影響を与える可能性がある。
22.市場におけるAIの潜在的競争優位性：AIは企業が市場動向を予測し、製品設計を最適化し、生産性を向上させるのに役立つ。
23.AIがワークフローに与える潜在的影響：AIはワークフローを変え、効率を高めることができるが、同時に従業員の適切なトレーニングと教育が必要となる。
24.産業界におけるAI活用の可能性：本調査では、様々な産業界、特に大量のデータ処理や分析を必要とする業務におけるAI活用の可能性が強調された。
25.AIのエラー傾向：AIモデルには、「幻覚」や「思い込み」など、誤った結果を生み出す傾向がある。
26.AI能力の範囲：AI能力は均等に分布しておらず、「ギザギザの技術フロンティア」が存在する。
27.AIが人間の判断に与える影響：AIを使用する際、人間の労働者がAIのアウトプットに過度に依存するようになり、自らの判断を放棄する可能性さえあるという研究結果がある。
28.創造的な多様性におけるAIの潜在的欠点：AIは創造的なタスクに優れているが、創造的な多様性を低下させる可能性がある。
29.質の高いプロンプトの重要性：ナレッジワーカーは、AIがより有用なコンテンツを生成するよう導く質の高いプロンプトを提供することで、生産性とタスクの質を向上させる。
30.保持に影響する要因：研究者らは、参加者の中にはAIの出力に大きく依存する、つまりAIが生成したコンテンツを大量に「保持」する傾向があることを観察した。
これらの視点は、AIがナレッジワーカー、マーケティング、製品開発、その他多くの分野に与える潜在的な影響や、AIを使用する際の限界や注意すべき戦略などを網羅している。
LLMのリリースとインパクト
LLM（大規模言語モデル）のリリースにより、人工知能が知識労働者の生産性と質に与える影響に注目が集まっている。LLMは知識労働者のパフォーマンス、特にイノベーション、分析、ライティング作業に大きな影響を与える。高い人的資本を持つ専門家に対するLLMの影響を評価するため、研究者は事前登録された無作為化対照実験を行った。実験の結果、LLMはコンピテンシーの範囲内では生産性と品質を有意に向上させるが、コンピテンシーの範囲外では正しさを低下させることが示された。
ユーザーは「ケンタウルス」と「サイボーグ」という2つの異なるLLMの使用モードを採用し、タスクによって作業に異なる影響を与える「ギザギザの技術的境界」を作り出している。LLMは、タスクによって作業への影響が異なる「ギザギザの技術的境界」を作り出す。ユーザーは、タスクがLLMの能力の範囲内かどうかを判断し、LLMと効果的にコラボレーションする方法を考える必要がある。組織は、LLMの可能性を最大限に発揮するために、人間とコンピュータのコラボレーション、新しい役割、利害関係者などを再考する必要がある。
LLMは知識労働に多大な影響を与え、ユーザーと組織は適応する必要がある。LLMと人間がそれぞれの強みに基づいて仕事を分担する「ケンタウロス」モデルを採用することは、LLMの能力の範囲内および範囲を超えて、現在の実験で実証されているAIの最も効果的な利用法である。
ランダム化比較実験法
この研究では、高い人的資本を持つ専門家に対するLLMの影響を評価するために、事前登録された無作為化比較試験アプローチを用いた。実験には、ボストン・コンサルティング・グループのコンサルタント758人が参加し、18の本格的なコンサルティング・タスクをこなすよう求められた。実験グループはLLMを利用してタスク完了を支援し、対照グループは従来の方法を用いた。研究者たちは、2つのグループのタスク完了度を比較することで、LLMの影響を評価した。
その結果、LLMを利用した知識労働者は、LLMを利用しなかった対照群に比べて、平均12.2%多くタスクを完了し、タスク完了のスピードは25.1%増加した。さらに、LLMを利用したコンサルタントは、平均40%以上の品質評価の改善を伴うタスクを作成した。431 TP3T向上した。
しかし、この研究では、LLMを使用したコンサルタントは、LLMの能力の範囲外である特定のタスクにおいて、LLMを使用しなかった対照グループのパフォーマンスをむしろ下回ることもわかった。つまり、LLMは生産性とタスクの質を向上させる強力なツールとして使えるが、場合によってはパフォーマンスの低下にもつながるということだ。したがって、組織と従業員は、LLMの限界を認識しつつ、LLMの効果的な使い方を学ぶ必要がある。
AIと人間の仕事を効果的に統合するには
AIと人間の作業を効果的に統合し、生産性と品質を向上させるためには、以下の戦略を採用することができる：
1.タスク配分戦略：AIと人間の専門分野に応じてタスクを合理的に配分する。例えば、大量のデータ処理や分析を必要とするタスクはAIに任せ、人間は創造性や感情的知性、複雑な対人関係を必要とするタスクに集中する。
2.ケンタウロス：この戦略では、戦略的意思決定や革新的思考においては人間の優位性を保ちつつ、情報処理や言語生成におけるAIの強みを最大限に活用するために、人間のワーカーがAIをタスクと組み合わせて使用する。人間のワーカーには、AIをいつ、どのように使うのが最適かを判断する能力が必要である。
3.サイボーグ戦略（サイボーグ）：この戦略は、人間とAIの緊密な統合を重視するもので、人間の作業員がタスクの過程でAIと継続的に対話し、継続的な実験とフィードバックを通じてAIのアウトプットを最適化することで、効率と品質を向上させる。
4.トレーニングと教育：AIを効果的に統合するためには、組織と従業員の双方が適切なトレーニングと教育を受け、AIの能力と限界、AIの最も効果的な活用方法をよりよく理解する必要がある。
5.モニタリングと評価：組織はAIの使用をモニターし、生産性と品質への影響を定期的に評価すべきである。これは、AIの潜在的な問題を特定し、それに応じて対策を講じるのに役立つ。
6.倫理的・法的配慮：AIを統合するにあたり、組織はAIの利用が顧客のプライバシー、知的財産権、その他の法規制を侵害しないよう、倫理的・法的問題を考慮する必要がある。
7.革新的ワークフロー：AIの能力に合わせてワークフローを再設計する。これには、AIの可能性を最大化するために既存のワークフローを見直すことが含まれる。
8.創造的多様性の維持：AIが得意とする業務がある一方で、AIへの過度の依存が創造性の枯渇につながらないよう、人間の労働者は創造的多様性を維持する必要がある。
これらの戦略により、組織はAIの潜在的な悪影響を回避しながら、AIの利点をより効果的に活用することができ、その結果、生産性とタスクの質の両方を向上させることができる。
評決を下す
LLMのリリースは知識労働者に生産性と品質の向上をもたらしたが、限界とリスクもある。LLMをより有効に活用するためには、ユーザーや組織は、LLMを効果的に活用する方法を学ぶだけでなく、人間とコンピュータのコラボレーション、新たな役割、利害関係者などを再考するなど、適切な戦略を採用する必要がある。また、AI利用による悪影響を避けるため、AIの倫理的・法的側面に焦点を当てる必要もある。AIの潜在的なリスクを十分に理解し、それに対処してこそ、AIの利点をよりよく活用し、効率と質の両方を達成することができるのである。
