「ロボット排除の3原則」を破る方法

「ロボット排除の3原則」を破る方法

2013年に私は2つの文章を書きました。1つは「デジタル化できるものはすべてデジタル化される」というもので、以前はデジタル化が難しかった教室や診療所なども、今ではデジタル化の影響をますます受けています。 2 番目の文は、「知能化できるものはすべて知能化される」です。スマートフォン、センサー、ドローン、自動運転車など、多数のものにチップを搭載して知能化し、インターネットに接続できるようになります。今日私が付け加えたいのは、第 3 の波は自動化であり、自動化できるものはすべて自動化されるということです。

[[359032]]

デジタル化は経済的な脅威であり、知能化は産業上の脅威であり、自動化は個人的な脅威です。ロボットがあなたの仕事を奪いに来ます。自動化は常にあなたよりも速く、安く、正確です。機械は論理的に動作し、テクノロジーが進化するにつれて生産性が向上します。

人間の体力には限界があり、限界に達しています。生産性向上というプラットフォームでは、人々は競争上の優位性を持っていません。したがって、問題は人間が機械に置き換えられるかどうかではなく、どこで、どの程度置き換えられるかということです。

2年前、JD.comの従業員を名乗る人物がMaimaiでニュースを流した。JD.comは最近、社内メールを発行し、以下の3種類の人々を断固として排除することを目指している。1.戦闘不能な人々、戦闘能力がない、または身体的または家族的理由で戦闘できない人々を含む。2.無能な人々、つまりパフォーマンスの低い人々。3.コストパフォーマンスの低い人々。つまり、JD.com のようなインターネット企業は、怠惰な人、愚かな人、高給な人の 3 つのタイプの人材を望んでいないのです。私は冗談でこれを「ロボット排除の 3 原則」と呼んでいますが、これは JD の基準が、ロボットが置き換えることを意図している 3 種類の人間と完全に一致していることを意味します。

ここで最も危険なのは、普通の専門家ではなく、中間管理職です。なぜなら、彼の給料は比較的高く、彼の仕事は完全に代替不可能なものではないからです。もし私が上司だったら、まず彼を解雇するだろう。したがって、どの職業が自動化の影響を最も受けやすいかという質問に対する簡潔な答えは、最も高給で、最もルーチン化された職業である、ということです。

仕事は、データを扱う、物を扱う、人を扱うという 3 つのカテゴリに分けられます。これらは仕事の3要素として理解することができます。仕事の性質が複雑であればあるほど、この3要素はより絡み合い、仕事の代替可能性は低くなります。逆もまた同様です。

レストランで皿洗いをしていて、汚れた皿だけを扱っていたら、間違いなく交代されるでしょう。しかし、特許弁護士であれば、この3つの要素のすべての問題を掘り下げ、データを掘り下げ、人を掘り下げ、物を掘り下げる必要があるため、交代される可能性は比較的小さくなります。

「データ」は主に数字を扱います。会計士、保険数理士、アナリスト、コンピューター科学者は皆、データを扱っています。データの性質は数学的であるため、アルゴリズムによって簡単に自動化できます。低レベルの計算を伴うジョブは簡単に排除できます。すると、データを使ってコンテンツを作成する仕事が人気商品になるでしょう。

「物」とは、作品に関係する無生物を指します。大工、パイロット、電気技師が物を扱います。モノを扱う人は、複数のモノを組み合わせて便利なデバイスやサービスを作ることで、自分にチャンスを見つけることができます。

「ピープル」ワークとは、その名の通り、人とのやり取りが主な仕事となります。銀行の窓口係やレジ係などの低レベルのやりとりは簡単に排除されますが、心理カウンセラーや訴訟弁護士など、高度な人間によるやりとりを必要とするサービスは、自動化で置き換えることが困難です。顧客基盤と強い感情的な絆を築くことができる人は、ロボットに置き換えられる可能性が最も低いでしょう。

これら3つの要素の絡み合いを分析すると、現時点で本当に無敵になれるのは、データを活用してコンテンツを作成する方法を習得した人々であることがわかります。たとえば、コードを書くコンピューター科学者は、生のデータを意味に変換できるため、そのような人材です。別の例としては、マーケティング担当者が消費者データを販売戦略に変換する方法を知っていれば、簡単に代替されることはありません。

<<:  MLOpsの助けにより、AIは開発の黄金期を迎えることになる

>>:  従来のグラフエンジンから GNN へ: 計算グラフと機械学習の進化

推薦する

2020年のサイバーセキュリティの転換点: 人工知能

先日終了したRSAC2020カンファレンスのテーマは「ヒューマンファクター」でした。業界では、この重...

...

...

AIが監督者になる。それでも仕事をサボれるのか?

「仕事でサボるのは楽しいが、いつもサボっているのも楽しい」ということわざがあります。 [[3583...

...

ディープラーニングに新たな落とし穴が!シドニー大学は、テキストを使用して画像のマット化をガイドする新しいクロスモーダルタスクを提案しています

画像マッティングとは、画像内の正確な前景を抽出することを指します。現在の自動方法では、画像内のすべて...

製薬業界を覆すAIは「仕掛け」か「希望」か?

人工知能 (AI) は、過去 10 年ほどの間に SF の世界から現実の世界へと移行し、地球上のほぼ...

李菲菲の「具現化された知能」はどこまで進歩したのか?

2009年、当時プリンストン大学に勤務していたコンピューター科学者のフェイフェイ・リー氏が、人工知...

OpenAIのアルトマン氏、Nvidiaへの依存を減らすため中東の投資家とチップ協力について協議

1月20日、フィナンシャル・タイムズによると、OpenAIのCEOサム・アルトマン氏は、TSMCを含...

...

フェイフェイ・リーのチームの新しい研究:脳制御ロボットが家事を行い、脳コンピューターインターフェースに少ないサンプルで学習する能力を与える

将来的には、考えただけでロボットに家事を任せることができるようになるかもしれません。スタンフォード大...

北京大学の具現化知能チームは、人間のニーズに合わせてロボットをより効率的にするための需要主導型ナビゲーションを提案した。

ロボットに手伝ってもらいたい場合は、通常、より正確な指示を与える必要がありますが、指示の実際の実装は...

スマート教育を開発することの価値は何でしょうか? 5GとAIが重要な役割を果たす

国内の感染予防・抑制状況が基本的に安定してきたため、各地で大学や小中学校などで「授業再開」が実施され...

AIを活用して混雑した都市での駐車のストレスを軽減

混雑した市街地でドライバーが駐車スペースを見つけるのを助ける人工知能がバース大学で開発されている。こ...