デジタル変革、人工知能、そして生産性の問題

企業がデジタル変革を進める際に、生成 AI がいかにして企業の生産性を向上させることができるかについては、多くの議論がなされています。しかし、あまりにも急いで行動すると事態が悪化する可能性があります。

生成型 AI の時代は、生産性を劇的に向上させるという期待をもたらします。私はその可能性を確かに理解しています。なぜなら、私はこのコラムを書くためにその形式を使用しており、それは私が書こうとしている次の単語をかなりうまく予測してくれるからです。しかし、この機能を最大限に活用するには、右矢印キーを押し続ける必要があり、これにより速度がかなり低下することにも気付きました。私が使用しているキーボードは自動補完をサポートしていないため、通常は単語全体を入力します。

つまり、入力速度が速くなる（約束）代わりに、入力フローが中断され、矢印キーを押すときに右手の位置を変えなければならなかったため、効率に悪影響を及ぼしました（現実）。

この AI ツールを機能させるには、キーボードを変更するだけでなく、単語全体を入力するのではなく正しい矢印キーを使用するように自分自身を再トレーニングする必要がありました。

クリティカルパス

プロセスの最適化について学ぶとき、「クリティカル パス」と呼ばれる概念がよく議論されます。これはプロセスのパスであり、何かがどれだけ早く達成できるかを定義します。クリティカル パスの外側にあるものを改善しても、プロセスが完了する速度は影響を受けないクリティカル パスによって制限されるため、生産性の向上は期待できません。

これは、生成 AI に対する著者の最初の反応に見られました。彼らは週に数百冊という驚異的なペースで本を出版することができますが、最も重要なのは編集です。すでに疲れ果てていた編集者たちは、何百もの原稿の到着を処理することができませんでした。多くの出版社は、原稿を適時に編集できないため、原稿の受付を停止しなければなりませんでした。

より良い計画としては、まず何らかの方法で編集を自動化することだが、それには原稿が出版社の方針に準拠していることを確認するために AI をさらにトレーニングする必要があり、その作業はまだ行われていない。

最初に最初のクリティカル パスを変更したとしても、他の依存関係が見つかり、それが新しいクリティカル パスになり、新しいパスも改善されるまで、メリットが大幅に制限される可能性があります。

生産性の測定：自動車と人

私は車が好きです。車の場合、ダイノと呼ばれる機械で性能を測定しますが、馬力だけでは性能が決まらないことがすぐにわかります。車は依然としてトラック上で運転され、パワーを道路に伝達する必要があります。トラクション、サスペンション、ドライバーのスキル、重量、駆動輪の位置、加速時の重量移動、傾斜、空力、熱、コンポーネントの信頼性はすべて、同様に重要な役割を果たします。パフォーマンスを真にテストできるのは、馬力やトルクではなく、車がどれだけ競争力があるかです。

人間に比べれば、車は単純です。人々は、自分ではコントロールできないさまざまなタスクを抱えています。受信メール、予期しない質問、プロジェクトについて話し合う必要がある同僚、気を散らすもの（たくさんあります）、さまざまな質のマネージャーなど、これらすべてが生産性に影響を与える可能性があります。

あるいは、COVID-19パンデミック中に何が起こったか考えてみてください。当初、私たちは、気が散ることが少ないので、オフィスで働くよりも自宅で働くほうが生産性が高くなるだろうと考えていました。従業員が長時間労働し、ワークライフバランスが崩れ、燃え尽きるか仕事を辞めるケースが増えています。また、集中力が高く、内向的で、仕事で有能な人は、実際には家庭でもより良い成果を上げていることもわかりました。社交スキルが低い人、新入社員、集中力が低く仕事のスキルが弱い人は、パフォーマンスが低下します。

従業員に対して画一的なアプローチは機能しません。人はそれぞれ異なるため、部門の生産性に関する議論では、職場のダイナミクス（場所を問わず）と各従業員の独自の性質を考慮する必要があります。覚えておいてください。生産性に重点を置いた変更の目的は、生産性の向上であり、新たな問題の解決ではありません。

AI の取り組みをどこに重点を置くべきでしょうか?

生産性向上に関しては、まず何を改善する必要があるかを分析し、クリティカルパスを特定し、最小のコストで生産性に最大の影響を与える計画を策定する必要があります。しかし、多くの企業は、この初期の測定や理解を行わずに開始することが多く、生産性向上の目標が達成されないことがよくあります。

さらに、生産性を高める取り組みは事態を悪化させる可能性が高い。数年前、私のクライアントの 1 社が「生産性の問題」を抱えていたため、「Back to Basics」というプログラムを導入しました。これは、従業員が仕事をさぼっていると経営陣が考えたため、従業員が出勤と退勤を記録する必要があったというものです。その結果、生産性が壊滅的に低下します。怠けたい人は早く帰宅する代わりに仕事を怠け、仕事を終わらせるために長時間働いている人は9時から5時まで働き始めるからです。すぐに、優秀な人材は、自分たちをもっと信頼してくれる企業で仕事を探し始めました。

つまり、問題を効果的に解決するには、その問題を十分に理解する必要があります。生成 AI はこの問題の解決に役立つ可能性がありますが、この重大な問題を解決するためにこのテクノロジーを適用した人はまだいません。従業員が誰で、何をしていて、どのようにそれを行っているかを理解しなければ、デジタル変革や生成 AI を使用して従業員を突然改善することはできません。悪化させてしまう可能性が高くなります。