マッキンゼー：人工知能の最大の課題と機会

最近、多くの専門家とコミュニケーションをとる中で、人工知能の3つの重要なビジネス面が徐々に明らかになってきています。

***、人工知能とは、データとさまざまなテクノロジー（パターン認識などのテクノロジー）を組み合わせて、人間の学習方法と知能をシミュレートする漠然とした大きな概念です。 「人工知能」という用語は、マーケティングやプレゼンテーションの用語としては不正確です。企業のバイヤーは、自社にとって最も意味のあるテクノロジーを深く掘り下げる必要があります。

第二に、大規模に AI を導入している企業はほとんどありません。現在、数多くのプロトタイプや概念実証が存在しますが、ほとんどの組織にとって AI はまだ新しく、実験段階にあります。たとえば、最近の SAS の調査では、「AI の導入はまだ初期段階にある」ことが示されています。

3番目に、メーカーの主張には疑いを持ってください。多くのテクノロジー企業は、AI によって自社の製品を改善し、プロセスを自動化できる領域をまだ模索中です。多くのメーカーが専門知識を獲得し、ギャップを埋めるために AI スタートアップ企業を買収しています。

[[215002]]

企業のバイヤーにとっての重要な点は、テクノロジーを学び、プロバイダーに質問し、社内のデータ サイエンスの才能を活用して AI を計画することです。人材不足は現在大きな問題です。

McKinsey Global Institute (MGI) は、人工知能が企業組織や労働力に与える影響を研究する世界有数の研究機関の 1 つです。マッキンゼーの調査では、定量分析と経営幹部や事業運営者への広範なインタビューを組み合わせて、洞察力に富んだ価値あるレポートを作成します。最近のマッキンゼーの 2 つのレポートでは、人工知能のビジネス価値と、自動化と人口動態が仕事と経済に与える影響に焦点が当てられました。

パートナーの一人であるマイケル・チュイ氏は、マッキンゼー・グローバル・インスティテュートの人工知能と関連技術の影響に関する研究の責任者であり、これらの問題に関して私が知る限り最も説得力のある人物の一人です。

チュイ氏は、私が強調したい重要な点をいくつか指摘しました。まず、組織が AI を導入する成功は、その組織の全体的なデジタル成熟度に大きく左右されます。デジタル変革を積極的に推進している企業は、AI プロジェクトが進展する可能性が高くなります。私の観点からすると、AI プロジェクトは、孤立したテクノロジー プロジェクトではなく、文化、考え方、ビジネス モデルを再考するデジタル変革の延長として考えることができます。

第二に、人工知能はさまざまな仕事に変化をもたらし、労働力の一部を再配置可能にするので、今から従業員をどのようにトレーニングしたいかを考え始める必要があります。チュイ氏は、労働力の大規模な再配置がわれわれが直面する「大きな課題」の一つになる可能性があると述べた。

彼との徹底的な会話は45分続きました。以下は、世界をリードする人工知能ビジネス研究者が今日これらの問題をどのように見ているかを述べたものです。この詳細な会話の要約は次のとおりです。

人工知能をどのように定義しますか?

これについて議論するには何時間もかかるでしょう。人工知能は機械を使って認知作業を行うものと説明されますが、すべての知能は私たちの体の一部である脳によって制限されます。したがって、多くの場合、AI 自体がロボットや自動運転車などの形で物理世界に参入することが分かっています。しかし、これは知能、そしてインスタンス化されたマシンに関するものです。

あなたの研究から得られた主な結論は何ですか?

私たちが人工知能と呼んでいるこれらの技術には、大きな可能性があります。これらのテクノロジーは私たちの生活のあらゆる側面に影響を及ぼします。理由の 1 つは、データと分析を使用して人々がすでに行っている作業の延長として、AI の潜在的な用途が多数あることです。そこで私たちは、あらゆるドメインとあらゆる機能領域にわたる AI の 500 種類のユースケースを検討しました。

こうした伝統的な分析方法があなた方に大きな影響を与えたと私たちは時々言います。しかし、多次元データやディープラーニング技術を追加できれば、予測精度の向上、OEE の向上、無駄の削減などが可能になり、これらのユースケースによってそれが可能になります。 AI は、分析ツールキット内の単なるもう 1 つのツールと考えることができます。これはビジネスのほぼすべての側面に影響を及ぼす広範な発見だと思います。

私の別の同僚も、人工知能を検討中または使用している顧客と直接連絡を取っていますが、私たちの理解では、人工知能はまだ非常に初期段階にあります。経済を改善する大きな可能性にもかかわらず、大規模に、または中核的なビジネスプロセスに高レベルまたは低レベルで AI を導入している企業はごくわずかです。

ますます多くの企業がこの機能を導入し、AI についてより深く学び、場合によっては難しいこともある組織のプロセスに AI を組み込むことができるようになるにつれて、状況は日々変化しています。私たちはまだ学習曲線の初期段階にあり、実際の学習曲線は非常に急峻ですが、まだ初期段階です。まだ大きな可能性を秘めていますが、まだ初期段階です。

あなたが研究している多くの業界に共通するものは何ですか?

顧客とのやりとりから価値が生まれる業界は数多くあります。小売業や消費財ビジネスを営んでいる場合、AI とその機能の価値について考えるのは理にかなっています。一方、製造業で製品の配送や出荷をしなければならない場合や物流業で、業務の効率化を目的にこの作業を行う場合は、おそらくこうした業務上のニーズの方が優先度が高いでしょう。少なくとも高レベルでは、それが AI について考える一つの方法だと思います。

私たちが見つけたもう 1 つの共通点は、次の点です。つまり、潜在的に変革的な影響を与えるテクノロジーを見つけると、「おやまあ、近道はないの? これを使えばもっと競争力を高めることができるの?」と思うことがよくあると思います。

実際、大量のトレーニング データが必要であり、デジタル変革が進行中の業界と企業、つまりコア プロセスでデジタル テクノロジーを活用してプロセス効率を向上できる企業との間には高い相関関係があることがわかりました。これは、AI への備えにも非常に関連しています。

私たちが見つけたもう一つの共通点は、デジタル化のプロセスを加速することが難しいということです。 AI に備えるには、デジタルの旅を始める必要があります。それはまた別の発見だと思います。

AI の潜在的な影響を加速させたいのであれば、デジタル化の取り組みを加速させる必要があります。

AIは従業員の問題にどのような影響を与えるのでしょうか?

潜在的な影響としては、もともと人に報酬を払って行わせていた仕事が、これらのテクノロジーによって自動化されるということが挙げられます。

私たちは、仕事だけではなく個々の活動を調べたところ、世界経済には費用がかかる活動が 2,000 種類あることがわかりました。人々の有給労働時間のほぼ半分は、理論的には既存のテクノロジーで自動化できる活動に費やされています。それは恐ろしいことのように聞こえますか？大きな割合ですが、明日失業率が50％になると予測しているわけではありません。これらの技術の開発にも時間がかかります。

肯定的なビジネスケースが必要です。自動運転車であろうと人工知能アルゴリズムであろうと、新しい技術は最初に開発されるときは常に高価です。ムーアの法則により、このコストは徐々に低下するでしょう。世界中で異なる人件費と比較する必要があります。

いずれにせよ、世界の活動の 50% は、今後 40 年間、あるいは 2055 年までに自動化されない可能性があります。しかし、私たちは20年前のシナリオと20年後のシナリオを想像します。私たちが報酬を得て行う活動の多くが自動化されることはわかっています。

そうなると、自動化できる可能性のある作業であっても、労働力に対する需要は十分にあるのだろうかという疑問が生じます。先月のレポートでは、その答えは「イエス」であると示唆されています。

さまざまな潜在的な触媒について考えてみましょう。それは、世界的な景気回復なのか、今後数十年間で10億人が消費層に入るのか、あるいは、働く人の数が減っているため厄介な問題である高齢化の問題なのか、一方で高齢化によって医療の需要が高まるのか、などです。

将来的にはインフラへの投資が増加し、それが消費層に利益をもたらすとともに、既存のインフラの修復や改善にもつながるでしょう。エネルギーミックスと効率性に変化が見られるようになるでしょう。さらに、多くの女性が自宅で行っている育児、料理、掃除など、現在は無給である大量の労働が市場に参入してくることも増えるでしょう。

これらすべての要素を総合的に見て、さらにこれを AI やロボットが実行できることと比較しても、自動化の影響を相殺するにはまだやるべきことがたくさんあることがわかります。

しかし、根本的な問題は、大量失業は問題にならないと考えると、大量再配置が問題になるということです。

今後数十年間の最大の課題の 1 つは、スキルが置き換えられつつある何百万人もの労働者を、どのように再訓練するかだと考えています。経済成長を維持するためには、労働者が働き続けられるようにする必要がありますが、残念ながら、これらの人々を最初の 20 年間にわたって大規模に再訓練することは、まだ完全に解決されていない問題です。これは早急に解決しなければならない問題です。

経営者は今から従業員の再教育について考え始めるべきでしょうか、それとも時期尚早でしょうか?

この問題には今すぐ注意を払う必要があります。ただし、特に人工知能においては、多くの変化は一夜にして起こるものではありません。しかし、自動化テクノロジーをより広い視野で考えると、ロボットによるプロセス自動化であれ、製造工場、物流、配送センターにおける物理的な自動化であれ、実際にいくつかの変化が起こり始めています。これらの技術は機能しています。

これを数十年にわたる傾向と定義していますが、マクロレベルでは時間がかかりますが、個人にとってはこの変化はすぐに起こります。個々の従業員にとっては、それはすぐに起こります。さらに、再訓練には時間がかかります。私たちはこれを大きな課題だと考えています。一般的に言えば、大きな課題は一夜にして解決できるものではありません。そのため、企業は従業員の再教育の問題を継続的に検討する必要があり、従業員戦略を考え始めるときに最初に考える必要があると思います。

普遍的ベーシックインカムのアイデアはこの議論に入るでしょうか?

ユニバーサルベーシックインカム（すべての人に保証された所得）の構想には多額の資金が必要です。私は今サンフランシスコにいますが、ここでは多くの人がこの話題について話し合っており、もちろん多くの議論が繰り広げられていることに気づきました。

議論の 1 つは、機械がすべての人の仕事を奪い、大量失業が発生すると仮定した場合、すべての人が自分自身と家族を実際に支えることができるだけの十分な収入を確保する必要があるというものです。ユニバーサル・ベーシック・インカムの構想は、大規模な失業を前提としているため、それについて語るには時期尚早だと思います。私たちが実際に言っているのは、経済が十分に成長することを保証するためには、大規模な作戦ではなく、大規模な再配置が必要だということです。

私たちの見解は、過去 50 年間の経済成長を見ると、その半分は就労者の増加によるものだということです。高齢化に伴って労働力も大幅に減少するでしょう。したがって、この問題について考える際の一つの要素は、労働力が不足するという問題に直面することになるだろうということです。働くためには AI やロボットなどが必要であり、さらに経済成長を達成するためには人間の労働力も必要です。そして、UBI は大量の失業が発生するという事実に基づいていると考えているのであれば、あなたは諦めており、実際には一歩前進する必要があると思います。

一方で、AI やその他のテクノロジーの潜在的な影響を理解し、これらの追加要因と組み合わせることで、所得格差や所得不平等が拡大し続ける可能性があるため、役立つ可能性があると思います。 「ほら、人々に適切な給料を支払わなければならない」とあなたは言うかもしれません。さて、これを公共政策の観点から見ると、勤労所得税額控除のような補助金の種類を対象にすれば、その目的を果たし、人々に潜在的に追加の収入をもたらすことができるかもしれません。これらすべての可能性を考慮する必要があると思います。

さて、発展途上国向けのUBIは、人々に仕事でできることの自由度をさらに高める可能性があります。しかし先進国では、支出額とそれが人々に仕事を与えることを目的としていないという事実のせいで、それは難しいと思います。全体的に、歴史から私たちが発見したもう一つの重要な点は、今後も続くと期待される点ですが、誰もが完全に働くのをやめるとは思わない一方で、過去数十年、数世紀にわたって、週の労働時間は平均して二桁減少しているということです。

私たちみんながもっと余暇を持てるようになることを願っています。さらに、余暇は新たな活動や新たな職業を生み出します。それは私たちがやらなければならないもう一つのことなのです。私たちは新しい活動や職業を創造し続けなければなりません。 1 週間の労働時間は今後も減少し続けるか、少なくとも近い将来にはゼロにはならないでしょう。

人口動態の変化についてはどうでしょうか?

人口統計というのは面白いもので、いくつかの強力な要因を含んでいます。このトピックについては、先月発表したレポートで取り上げました。まず、各国の人口は大きく異なります。多くの国では、人口の高齢化が進んでいるという事実によって、この問題はさらに悪化しています。長年続けてきた経済成長を維持できるだけの労働力が私たちにはありません。私たちが今、両親や祖父母の世代よりも豊かな暮らしをしているのは、長年にわたる経済成長のおかげであり、その成長の半分は働く人が増えたことによるものです。

ドイツの労働力は減少しており、日本の労働力も減少しており、人口15億人の中国の労働力もまもなく減少するだろう。これらの国々には経済成長を支えるだけの労働力がまったくないのです。この点で、AI とロボットは労働力において何らかの役割を果たし、利用可能な労働力のギャップを埋めることができる可能性があります。

とはいえ、インドやアフリカ大陸の国々など、まだ発展の初期段階にある国もあり、それらの国の人口ピラミッドは大きく異なっています。私たちが心配しているのは、自動化、人工知能、そしてこれらの技術が活用されれば、これらの国々はより多くの雇用を創出する必要があるということです。私たちは何をすべきでしょうか? たとえば、インドでは依然として 1 億 5000 万人が雇用を必要としています。

私たちは、追加需要の潜在的な要因をすべて考慮し、7つを選びました。私たちは、さらに多くの要因があり、私たちのモデルでさえ限界があることを知っています。特に、まだ「若い」国や、経済成長に対する要求が高く、一人当たりの GDP が低いレベルからスタートする国ではその限界が顕著です。したがって、人材、ロボット、人工知能に対する大きな需要が生まれるでしょう。これらの国々でも、仕事の可能性は大いにあり、やるべき仕事もたくさんあると私たちは考えています。

再訓練と教育の話題に戻ります。人々にこれらの仕事をしてもらうことはできるでしょうか？ 先ほど申し上げたように、AI とロボット工学がデジタル化の基盤となるような形でこれらの技術を展開することはできるでしょうか？ 発展途上国やまだ若い国であっても、こうした他の技術を活用して生産性を高め、人々に新たな雇用を創出するためには、デジタル化の道を歩み始める必要があります。

有名な企業組織に対して、どのようなアドバイスがありますか?

最初のステップは、テクノロジーとその可能性を理解するために時間とリソースを投資することです。まず最初にすべきことは、その可能性を理解することだと思います。そして、データと分析の分野で広く効果を発揮してきたのと同じテストと学習のアプローチが、ここでも当てはまると思います。

もう 1 つのポイントは、特に機械学習とディープラーニングに優れたテクノロジーの場合です。これらの手法はトレーニング データ セットに基づいており、厳密なデータ戦略を開発することが重要だと考えています。

たとえば、私はディープラーニングと機械学習の先駆者の一人であるアンドリュー・ン氏と話す機会がありましたが、彼は、AI導入の最前線にいる企業の中には、どのようなデータを収集したりアクセスしたりすることが重要かを理解するために多くの時間と多層的な取り組みを何年も続けているところがあると話していました。彼は重要なデータを入手することを多次元のチェスゲームに例えています。

現在、業界が直面している最大の課題の一つは人材問題です。過去にはデータサイエンティストが不足していました。ある程度、私たちが話している AI ユースケースの多くは、分析ユースケースの拡張です。現在、分析能力の課題は人工知能にも拡大しており、これらの技術を深く理解している人材をめぐる競争は激化するでしょう。

もちろん、オンライン リソースを活用したり、コースを受講したりする人が増えるにつれて、この状況は変化しています。需要と供給は常に変化しています。現在、需要が非常に高いため、供給は比較的限られています。最大の課題の一つは、有能な人材の不足です。