AI企業が明かした「できること」と「できないこと」
Anthropicが最近発表した研究では、LLM（大規模言語モデル）の影響を受けやすい職種を予測しています。この調査によると、マネージャー、建築家、メディア業界の従事者は、AIによる変化への対応が必要になる可能性が高いとされています。一方で、グラウンドキーパーや建設労働者、ホスピタリティ業界で働く人への影響は限定的だと予測されました。
ただし、この予測には重要な前提条件があります。Anthropicの研究は、あくまでLLMが得意とするタスクに基づいた推測であり、実際の職場での業績データではありません。つまり、理論上の可能性と実務での成果には、まだ大きなギャップがあるということです。
実際のタスクでAIエージェントをテストしたら
さらに興味深いのが、AI採用スタートアップのMercorが2月に発表した研究です。OpenAI、Anthropic、Google DeepMindのトップクラスのモデルを使って、複数のAIエージェントに実際の職場タスクを与えました。テストに使われたのは、銀行員、コンサルタント、弁護士が日常的に行う480のタスクです。
結果は予想外でした。すべてのAIエージェントが、ほぼすべての職務の完了に失敗したのです。これは、AIが単純な作業では優秀でも、複雑な判断や戦略的思考が必要な実務では、まだ人間に遠く及ばないことを示しています。
「ステップ2」が抜け落ちている問題
MIT Technology Reviewの記事は、サウスパークの「Underpants Gnomes」というエピソードを引き合いに出しています。このエピソードでは、小人たちが「ステップ1：パンツを集める、ステップ2：？、ステップ3：利益」というビジネスプランを持っていました。肝心の「どうやって実現するか」が抜けているというジョークです。
AI業界も同じような状況にあると記事は指摘します。OpenAIのチーフサイエンティストJakub Pachockiは、AIを「経済的に変革をもたらす技術」として、明るい未来を語っています。しかし、「ステップ1：AIを開発する、ステップ2：？、ステップ3：経済が変革される」という流れで、実際にどうやって変革が起きるのかが曖昧なままなのです。
AI企業や推進派は、変革後の明るい未来（ステップ3）を強調します。一方で、Pause AIなどの規制活動家は、ステップ2には何らかの規制や慎重な検討が必要だと主張しています。興味深いのは、両者とも「実現方法」の詳細については明確な答えを持っていないという点です。
コーディングは得意、戦略的判断は苦手
現時点でわかっているのは、LLMの得意不得意がはっきりしているということです。プログラミングのコードを書いたり、定型的な文章を作成したりするタスクでは、AIは非常に優秀です。実際、多くのエンジニアやライターがChatGPTやClaudeを日常的に使っています。
しかし、戦略的な判断が必要なタスク、複数の要素を総合的に考慮する必要がある仕事では、AIはまだ力不足です。例えば、クライアントの予算と要望をバランスさせながら最適な提案を作るとか、プロジェクトの優先順位を状況に応じて変えるといった判断は、人間のほうがはるかに得意なのです。
フリーランスへの影響
この研究結果は、フリーランスで働く私たちにとって、実は前向きなニュースかもしれません。単純作業はAIに任せられる一方で、複雑な判断や戦略的思考が必要な部分では、まだ人間の価値が高いということだからです。
特にコンサルタントやクリエイティブ職、マネジメント業務を行っている方は、AIをアシスタントとして使いながら、自分の判断力や経験を活かす働き方が現実的です。例えば、リサーチや下書きはAIに任せて、最終的な戦略立案や顧客対応は自分で行うといった使い分けができます。
逆に、定型的なタスクが多い仕事をしている場合は、早めにAIツールを取り入れて作業を効率化しつつ、より高度な判断が必要な業務にシフトしていく準備が必要かもしれません。ただし、Mercorの研究が示すように、AIに完全に任せられるレベルにはまだ達していないので、焦る必要はありません。
もう一つ重要なのは、AI業界の誇大広告に惑わされないことです。確かにAIは進化していますが、「すべてが自動化される」「仕事がなくなる」といった極端な予測は、現時点では現実離れしています。冷静に自分の仕事内容を見極めて、AIを道具として活用する視点が大切です。
まとめ
AI技術は確実に進化していますが、複雑な実務タスクではまだ課題が多いというのが現実です。今すぐ仕事のやり方を大きく変える必要はありませんが、AIツールを試しながら、自分の業務のどの部分で使えるか探ってみるのがおすすめです。特にコーディングや文章作成など、AIが得意な分野での活用から始めてみてください。判断が必要な部分は、引き続き自分の強みとして磨いていきましょう。
参考：MIT Technology Review（The Algorithm ニュースレター）
コメント