AIソフトウェアと数十兆ドルの生産性の問い

AIがソフトウェアを書く能力で劇的に向上したら、ビジネスリーダーは今日何を変えるべきか？私の答えは、成果物の確認と維持に必要な作業を含め、完全なビジネスプロセスをどう改善するかを測定することだ。

AIは年間の世界経済生産に20兆〜30兆米ドルを追加できるだろうか？イーロン・マスクはこの概算を提示し、AIがほぼあらゆるデジタルタスクをこなし、Stockfishレベルのコーディング能力に達するという予測とともに述べた。これらの主張は、ナレッジワークの経済における大きな変化を示唆するため注目を集めた。

これらは野心的な予測であり、確立された結果ではない。ビジネスリーダーは、大きな生産性向上の可能性と、AIがあらゆるデジタルタスクを信頼できる形で提供できるという証拠を区別すべきだ。投資判断には、組織が実際に行っている仕事からの証拠が必要だ。

Stockfishの比較が示すこと

Stockfishはオープンソースのチェスエンジンで、世界最強の一つだ。この比較は実際の可能性を示している：機械は要求の厳しい知的作業で人間を上回ることができる。しかし、この類比だけでは、AIがいつすべてのソフトウェアエンジニアを上回るかを確立できない。

チェスには固定されたルール、見える盤面、明確な目標がある。エンタープライズソフトウェアには不完全な要件、変化するポリシー、レガシーシステム、競合するステークホルダーの優先順位が含まれる。プログラムは間違ったビジネス問題を解きながらテストに合格することがあり得る。

コードを生成することはエンジニアリングの一部だ。何を構築するかを決定し、アクセスを制御し、セキュリティを確認し、安全に展開し、ユーザーをサポートすることは、結果の一部であり続ける。非常に有能なAIでも、間違いを検出し責任を割り当てられるプロセスが必要だ。

経済的主張を理解する

年間経済生産の水準が20〜30％上昇することは、毎年20〜30％成長することとは異なる。この規模の主張には、採用、信頼性、投資、利益実現に必要な時間についての明示的な仮定が必要だ。それらの割合を20兆〜30兆ドルと組み合わせると、おおよそ100兆ドルの出発経済が示唆される。

比較のために、ゴールドマン・サックスは2023年に、生成AIが世界のGDPを約7％、すなわちほぼ7兆ドル押し上げ、10年間で生産性成長を1.5パーセントポイント高めるというシナリオを公表した。それは条件付きの予測であり、測定された結果や将来の利益の上限ではない。マスクのより大きな推定を独立に裏付けるものではない。

企業レベルでは、有用な計算はより単純だ：純価値＝追加の有用な生産物と実現した節約の価値、マイナスAIコスト、統合、レビュー、手戻り、エラーによる損失。節約された時間は、組織がそれを生産的に使えるときにのみ財務的価値となる。

利点とコスト

速度対検証。AIはドラフト作成、コーディング、分析を短縮できるかもしれない。リーダーは結果を生み出すのに節約された時間とともに、結果を確認するのに必要な時間を測定すべきだ。

低い生産コスト対新しい運用コスト。最初のバージョンを作ることは安くなるかもしれない。モデルの使用、統合、監視、修正は依然として金とスタッフの時間を消費する。

より広いアクセス対依存。より小さなチームが以前は自らのリソースを超えていた仕事を引き受けられるかもしれない。単一のプロバイダーへの依存は、価格、可用性、モデルの変更の管理を難しくする可能性がある。

より大きな能力対労働力の混乱。スタッフは顧客のニーズや難しい決定により多くの時間を費やせるかもしれない。企業はまた、変化する役割、再訓練、日常的な学習タスクが自動化される可能性のある若手従業員の育成を計画する必要がある。

実践的なエンタープライズの例

注文追跡サービスを構築する仮想の倉庫業を考えてみよう。AIはインターフェースの草案を作成し、データベースクエリを提案し、テストケースを生成できる。チームは依然として、どの顧客がどの注文を見られるか、在庫の不一致がどう処理されるか、サービスが既存のシステムと連携するかを確認する必要がある。

意味のある比較は、承認されたリリースあたりのコストと使用中のパフォーマンスだ。納期、欠陥、サポートリクエスト、顧客の結果を測定せよ。より多くの本番インシデントを生む速い初稿は、全体の価値を下げる可能性がある。

同じ原則がカスタマーサービスにも適用される。単純なリクエストの自動化は応答時間を改善できるかもしれない。不明確なケースには、関連するコンテキストを保持したまま人につながる信頼できる経路が必要だ。

CEOとCTOがすべきこと

CEOは、識別可能なコストと明確な顧客成果を持つプロセスを一つ選ぶべきだ。ベースラインを確立し、限定されたパイロットを実行し、どの改善が拡大を正当化するかを事前に合意せよ。実装コストとスタッフの責任の変更を含めよ。

CTOは、自社のシステムからの代表的な作業で提案されたモデルを評価すべきだ。正確性、セキュリティ、プライバシー、障害からの回復、既存サービスとの互換性を確認せよ。変更を提案する許可と実行する許可を分離せよ。

重要なアクションについては、承認の責任者を定義し、監査証跡を保持せよ。パフォーマンスが低下したときに変更を元に戻し、アクセスを制限し、自動化を停止する能力を維持せよ。

サプライヤーへの依存を見直し、スタッフに成果物に異議を唱える訓練をせよ。レビューとサポートのコスト後も測定された利益がプラスのままである場合に展開を拡大せよ。世界的な経済予測はシナリオ計画に情報を提供し、地域の証拠が投資を導くべきだ。

リーダーシップの決断

AIはデジタルワークの経済を大きく変えるかもしれない。規模とタイミングは依然として不確実だ。私の助言は、今すぐそれを責任を持って評価し採用する能力を構築し、証拠が強まるにつれて投資を増やすことだ。

あなたの組織で最初にどのプロセスをテストするか、そしてAIが永続的なビジネス価値を生み出したとあなたを納得させる証拠は何か？

数学的に考えよう。知的にエンジニアリングしよう。戦略的に導こう。責任を持って作ろう。グローバルにスケールしよう。人工知能を通じて真のビジネス価値を生み出そう。

#ArtificialIntelligence #AIStrategy #EnterpriseAI #SoftwareEngineering #Productivity #BusinessLeadership

LinkedInでケシャヴァン・ティアガラジャによって最初に公開された。LinkedInで原文を読もう。 [1]