AI導入のその先へ: 人々、仕事、地域社会に及ぼす現実の影響を測定する
AIは導入されつつあるが、実際に成果を生み出しているのか?
AIの活用は、従業員や地域社会にとって実際に効果を発揮しているでしょうか。AIに多額の投資を行っているほとんどの組織は、この問いに自信を持って答えることができません。導入、普及、利用状況は測定できますが、AIが従業員の業務を改善しているか、地域社会に利益をもたらしているか、組織自体に有意義な価値を生み出しているかを測定するのは容易ではありません。
そして、それは重要な点です。現実世界への影響を示す証拠がなければ、組織は導入を成功と誤解するリスクを負います。導入率は高いものの、効果は限定的な取り組みを拡大し、意図しない結果や新たなリスクを見過ごしてしまう可能性があります。組織は、AIをどのように活用しているかだけでなく、それが人、地域社会、そして社会全体にどのような変化をもたらしているかを問われることが増えています。
この記事では、組織がどのようにして証拠に基づいてその問いに答えることができるのか、そしてより具体的には、導入指標を超えて、AIが人々、仕事、地域社会に及ぼす現実の影響を理解するにはどうすればよいのかを探ります。
AIの導入は拡大しているが、信頼は依然として不安定
イプソスとGoogleが共同で実施した調査「AI Works America」は、AIの利用と実際の成果との間に大きな隔たりがあることを浮き彫りにしています。米国の従業員の40%が職場でAIを利用していると回答したものの、AIを使いこなせると評価されたのはわずか5%でした。AIを使いこなせる従業員は、生産性の向上、時間の節約、キャリアアップといった面で、AIの恩恵を著しく実感していると報告しています。このことは、単にAIを利用しているかどうかだけでは、人々が実際に得ている成果を説明できないことを示唆しています。
同時に、AIに対する信頼は依然としてばらつきがあります。米国の労働者の3人に2人は、AIによって仕事の質が向上するどころか悪化すると考えており、AIの利用は高所得で大卒のホワイトカラー従業員に集中しています。職場でAIを使用している人の中で、最も大きな恩恵を受けているのは、AIを最も使いこなせるようになった人たちです。フランスでも同様の傾向が見られます。AIの普及が進んでいるにもかかわらず、AIに対する信頼は依然としてまちまちです。AIを全体的に肯定的に見ている人はわずか38%で、60%は不安を感じており、AIを使用する際に企業が個人情報を保護してくれると信頼している人はわずか26%です。
これらの調査結果は、AIから誰が利益を得るのかだけでなく、誰がAIを信頼するのかという点についても疑問を投げかけています。組織は、誰が利益を得るのか、誰が取り残される可能性があるのか、人々がどのような懸念を抱いているのか、そしてAIが肯定的な成果をもたらすためにどのような条件が必要なのかを理解する必要があります。
問題は職場にとどまりません。データセンターを含むAIインフラは、経済的価値を生み出す一方で、エネルギーや水の使用量、地域雇用、地域社会への影響といった懸念も引き起こします。こうした開発が受け入れられるかどうかは、経済的利益だけでなく、地域社会がその影響をどのように経験し、理解するかにも左右されます。組織は、信頼と社会的受容を形成する結果と懸念の両方を理解するための証拠を必要としています。これは、責任あるAIの重要な要素となりつつあり、組織が導入段階を超えて現実世界への影響を理解し、利益が公平に分配されるようにするのに役立ちます。
テクノロジーではなく、課題から考える
AIは、採用やサプライチェーンから医療、教育、環境モニタリング、カスタマーサービスに至るまで、ビジネスと社会のほぼあらゆる分野に影響を与えています。しかし、組織は下すべき意思決定に応じて、全く異なる課題に直面しています。
問題を効果的に絞り込むのは、テクノロジーそのものではなく、その背後にあるビジネス上の問題です。採用アルゴリズムによって50歳以上の労働者が採用されにくくなっている場合、これは主にテクノロジーの問題ではなく、公平性の問題です。住宅地の隣にデータセンターを建設することは、主にテクノロジーの問題ではなく、地域社会への影響の問題です。仕事内容の変化は、主にテクノロジーの問題ではなく、労働力の移行の問題です。
質問を正しく設定することで、何を測定する必要があるのか、そして組織がより良い意思決定を行うためにどのような証拠が必要なのかが明確になります。
問題の本質を捉える: 導入データは影響を示すデータではない
組織におけるAIの活用状況を測定する既存の手法のほとんどは、導入状況と意識に焦点を当てています。具体的には、利用状況の追跡、エンゲージメント指標、意識調査、自己申告による生産性評価などが挙げられます。これらは、人々がAIを使用しているかどうか、またそれについてどのように感じているかを組織が理解するのに役立ちますが、人々の仕事、地域社会、日常生活において実際に何が変化したかを把握することはできません。
特に自己申告による指標には限界があります。経営幹部にAIによって人員削減ができたか、あるいは従業員にAIによって業務効率が向上したかを尋ねても、それは必ずしも成果を示すものではなく、認識を捉えているに過ぎません。こうした認識には、実際に何が変化したかを示す根拠ではなく、AIに対する思い込みが反映されている可能性もあります。
AIは人々の仕事、地域社会、そして機会に実際にどのような変化をもたらしたのか、そして誰が恩恵を受け、誰が不利益を被っているのでしょうか。これらの発展はどこへ向かっているのか、どのような予期せぬ結果が生じているのか、そして人々、地域社会、組織にとってどのような行動が成果を向上させるのでしょうか。これらの問いに答えるには、複数の情報源を組み合わせる必要があります。何が変化したかを示す定量的データと、これらの変化が実際にどのように経験されているかを説明する直接的な対話や観察結果です。両方を検討することで、どちらか一方だけを見るよりもはるかに包括的な全体像を把握できます。
AIは新たな状況をもたらすものの、測定に関する課題は全く新しいものではありません。イプソスはこれまで、地域開発、持続可能性、人権といった分野に同様のインパクト測定手法を適用し、何が、誰にとって、どのような結果をもたらしたのかを理解できるよう支援してきました。
関連するイプソスの調査:
|
今後、探求する可能性のある測定領域:
|
では、何をすべきか?インサイトを行動につなげる
組織が導入指標の先へ進み、AIの導入が実際に人々にどのような影響を与えているかを把握しようとする場合、以下の3つのステップから始めることができます。
- 評価が最も重要となる領域を特定しましょう。AIのユースケースをマッピングし、採用システム、人材管理ツール、大規模インフラ投資など、ビジネスパフォーマンス、従業員、地域社会に最も大きな影響を与える可能性のあるものを優先的に検討します。
- 利用状況だけでなく、その先を測定しましょう。運用指標と独立した定量的・定性的な調査を組み合わせることで、何が、誰にとって、なぜ変化したのかを理解できます。信頼、公平性、従業員の経験、予期せぬ結果といった成果も考慮に入れましょう。
- 根拠を行動につなげましょう。調査結果を活用して、AIが価値を生み出している領域、リスクや不平等が生じている領域、そして人々、地域社会、組織にとってより良い結果をもたらすために何を変える必要があるのかを特定しましょう。
組織は今日、AIに関するあらゆる答えを持っている必要はありません。しかし、AIが採用、人材管理、顧客体験、インフラに組み込まれるにつれて、その影響を理解することがますます重要になってくるでしょう。
つまり、導入率や生産性に関する主張だけにとらわれず、実際に何が起こっているのかを理解する必要があるということです。人々の働き方がどのように変化しているのか、地域社会にどのような影響が出ているのか、誰が恩恵を受けているのか、そしてどのような懸念が残っているのかを把握しなければなりません。こうした理解がなければ、組織はAIの価値と影響について不完全な認識に基づいて意思決定を行うリスクを負うことになります。
Impact Evaluation, Public Affairs, US
Impact Evaluation, Public Affairs, France