知識労働者の生産性を高めるジェネレーティブAI

最新の絶え間ない革新的な技術の進歩は、人工知能（AI）、ロボティクス、ブロックチェーン、プログラム可能な生物学などの分野によって牽引されている。これらの技術は、小規模から大規模まで、さまざまな業界を変革している。

特に、ジェネレーティブAIは、知識労働者の日常業務を変えている。プログラミング、デザイン、エンジニアリング、執筆などの専門家が多い業界では、ジェネレーティブAIが知識労働者の生産性を高めていることは明らかだ。

しかし、ジェネレーティブAIとは何なのか、それが知識労働者にとって重要な理由は何なのか？詳しく見てみよう。

ジェネレーティブAIとは

ジェネレーティブAIは、人工知能アルゴリズムを使用して、テキスト、ビデオ、オーディオ、画像などの新しいコンテンツを作成する。人間が書いたプロンプトに基づいて自動的に生成される。

最も著名なAI生成ツールと製品には、

• ChatGPT – オープンAIによって開発された、非常に詳細でパーソナライズされた応答を提供できるインテリジェントなAIチャットボット。
• DALL-E 2, Stable Diffusion, & Midjourney – これらはAI駆動の画像生成ツールである。
• Meta – これはAI駆動のビデオ生成ツールであり、テキストプロンプトからビデオを生成できる。
• Codex – プログラマーが数秒以内に複数のプログラミング言語でコードを生成できるようにする。

さて、ジェネレーティブAIが知識労働者に与える影響を見てみましょう。

ジェネレーティブAIが知識労働者の生産性を高める方法

ARKのBig Ideas 2023レポートによると、AIは2030年までに知識労働者の生産性を4倍以上に高めることが予測されている。このレポートは、100%の採用率で、AIは約200兆ドルの労働生産性をもたらす可能性があり、総AI支出は3.1兆ドルになるということを示唆している。ベンダーがAIベースの製品によって生み出される価値の10%のみを抽出できれば、2030年には約1.4兆ドルの収益と9兆ドルの企業価値を得ることができる。

AI市場予測2030。出典：ARKのBig Ideas 2023

コンテンツライター、デベロッパー、デザイナーなどの知識労働者の生産性を高めるために、AI生成ツールがどのように貢献しているかを見てみましょう。

1. 知識労働者：コンテンツライター＆エディター

現代のビジネスでは、聴衆を引き付けるために、研究と執筆が必要なコンテンツが必要です。ここでジェネレーティブAIがコンテンツライターとエディターの仕事を容易にするのです。

ChatGPTのようなインテリジェントなAIチャットボットの登場により、コンテンツの作成が容易になり、コストも低くなりました。ARKのBig Ideas 2023レポートによると、ChatGPTの1回のクエリあたりの推論コストは、2022年には約0.01ドルでした。10億回のクエリの場合、推論コストは1億ドルになります。2030年までに、このコストは650ドルに低下する予想です。

このようなコストの低下により、AIコンテンツツールの大量採用が可能になります。例えば、2030年までに、ChatGPTのようなアプリケーションは、Google検索の規模に匹敵し、1日8.5億の検索を処理できるようになる予想です。したがって、コンテンツ分野の知識労働者は、日常業務でジェネレーティブAIを活用しやすくなります。

2. 知識労働者：ソフトウェアエンジニア＆デベロッパー

ソフトウェア開発サイクルが複雑で長いため、ソフトウェアの管理と展開には、専門的でスキルを持ったデベロッパーとプログラマーのチームが必要です。ジェネレーティブAIのコーディングツールであるCodexやCopilotは、知識労働者にとってソフトウェア開発を容易で生産的なものにします。

実際に、ARKのBig Ideas 2023レポートによると、AIコーディングアシスタントは、コーディングタスクの完了時間を半分に短縮することができます。2030年までに、AIコーディングアシスタントは、ソフトウェアエンジニアの出力を10倍に増やすことができるでしょう。

コーディングタスクの完了時間。出典：ARKのBig Ideas 2023

3. 知識労働者：ビジュアルアーティスト＆デザイナー

アーティストやデザイナーと呼ばれる知識労働者のグループも、ジェネレーティブAIの影響を受けています。彼らのタスクには、ビジュアルコンセプト、グラフィック、イラスト、クリエイティブなUIの作成が含まれます。

革新的なジェネレーティブ画像モデルであるDALL-E2、Stable Diffusion、Midjourneyにより、デザイナーの生産性が大幅に高まりました。例えば、人間が5時間かけて作成し、150ドルかかるグラフィックデザインは、ジェネレーティブ画像モデルを使用して、1分以内に8セントで作成できます。

4. 知識労働者：ミュージシャン＆サウンドエンジニア

ジェネレーティブAIは、音楽トラックの作曲とミックスを容易にします。例えば、GoogleのAudioLMは、リアルなピアノ音楽を作成し、不完全なアコースティックトーンを完成させることができます。Googleはまた、テキストの説明に基づいて美しいメロディーを生成できるMusicLMという音楽生成モデルも開発しています。

2020年、Open AIは、ジャンル、芸術家、歌詞を入力として新しい音楽サンプルを生成するJukeboxという音楽生成ツールを発表しました。以前、Open AIはGPT-2ベースのMuseNetモデルをリリースしました。これは、10種類の楽器を使用して4分間の音楽曲を生成できます。

ジェネレーティブオーディオモデルはまだ初期段階ですが、ミュージシャンやサウンドエンジニアの生産性を高めるための余地は、将来的にさらに拡大するでしょう。

5. 知識労働者：YouTuber＆ビデオコンテンツクリエイター

ビデオコンテンツは急成長しています。2022年には約5100万のYouTubeチャンネルがありました。ビデオコンテンツの制作には、録音、編集、イラストやサウンドの追加、プリプロダクションやポストプロダクションなどの複数の段階があります。

ジェネレーティブAIビデオプラットフォームは、ビデオコンテンツの生成を容易にします。ツールとしては、Synthesia.ioやPictoryがあります。これらの最先端のAIプラットフォームを使用すると、コンテンツクリエイターはスクリプトからビデオを作成できます。ナレーターとビデオ背景を追加して、プロフェッショナルなビデオを作成できます。

2022年9月、Meta AIは、テキストプロンプトから高品質のビデオクリップを生成できるMake-A-Videoプラットフォームをリリースしました。これは、パブリックに利用可能なデータセットを使用してビデオパターンを学習しました。ユニークなビデオを生成できます。これには、色、キャラクター、風景が含まれます。

将来的に、より質の高いコンテンツを短時間で作成できるようになり、YouTuberやビデオコンテンツクリエイターの生産性が向上するでしょう。

知識労働者にとってのジェネレーティブAIの利点と欠点

知識労働者にとって、ジェネレーティブAIがもたらすさまざまな利点と欠点を見てみましょう。

知識労働者にとってのジェネレーティブAIの利点

1. 合成データ生成：革新的なAIモデルをトレーニングするには、多量のデータセットが必要です。ジェネレーティブAIはこの問題を解決できます。2025年までに、ジェネレーティブAIは2023年の1%から10%に増加し、すべてのデータの10%を占めることが予測されています。したがって、データサイエンティストやAI専門家は、データ収集の課題に直面することはありません。
2. 低コスト：ガートナーによると、2024年までに、低コード/ノーコード開発プラットフォームの約50%が「テキストからコード」機能を提供する予定です。デベロッパーにとっては、最小限の努力とコストで、より多くの機能を実現できることを意味します。

知識労働者にとってのジェネレーティブAIの欠点

1. 合成コンテンツの検出：ジェネレーティブAIは生産性を高めますが、ジェネレーティブAIコンテンツを検出して人間が作成したコンテンツと区別することは、研究や学術分野で深刻な問題になるでしょう。2024年までに、欧州連合は、AI生成アーティファクトの「ウォーターマーキング」を義務付ける法律を制定する予定です。
2. 失業：ジェネレーティブAIが「過度に」賢くなる場合、デベロッパーは失業する可能性があります。ガートナーによると、2025年までに、20%の手続きコード専門家は、新しいスキルを身に付ける必要があります。ジェネレーティブAIが彼らの主要なスキルセットを取り過ぎるからです。

ジェネレーティブAIモデルの構築コスト

ジェネレーティブAIは、AIの最も革新的な分野です。現在、ジェネレーティブAIモデルのトレーニングコストは高額ですが、徐々に低下しています。例えば、GPT-3のトレーニングコストは2020年に460万ドルでしたが、2022年には45万ドルに低下しました。

GPT-3のトレーニングコスト。出典：ARKのBig Ideas 2023

ARKのBig Ideas 2023レポートによると、2030年までに、GPT-3よりも57倍多くのパラメータを持つAIモデルを、60万ドルでトレーニングできる可能性があります。これは、AIモデルのトレーニングコストが低下することにより実現可能になります。Wrightの法則によると、AIの相対コンピュートユニット（RCU）生産コストとソフトウェアコストは、年間で57%と47%低下するため、2030年までにトレーニングコストが70%低下することになります。

AIトレーニングハードウェアコスト。出典：ARKのBig Ideas 2023

すべての革新的なAI技術について最新情報を入手するには、unite.aiを訪問してください。