大川：さて、今回は電力、金融、医療、情報といった4つの産業を具体的に研究したわけですが、それぞれの分野の具体的な課題をお示しください。

ベイリー博士：医療分野では、AIを活用した画像診断の読み取り、医師へ診断や治療の提案を行う技術が著しい進展を遂げています。AIは新薬開発においても有用性が示されています。しかし、医療従事者が従来の方法からの変更に抵抗を示すため、AI導入には課題が存在しています。さらに、患者と医療提供者双方が、誤りを犯す可能性があるAIプログラムに対して疑念を抱いています。病院経営者は、収益増加やコスト削減という形で報われることを確信しなければ、AIプログラムへの大規模な投資は行わないでしょう。

金融分野では、資産価格の動向を予測するため機械学習が長年活用されてきました。最近では、AIが貸付ポートフォリオの問題点をチェックしたり、貸付申請の審査を支援したりする役割も果たしています。AIは規制遵守の確認にも役立ちます。金融分野におけるAIの課題の一つは、市場参加者が互いに先んじようとするため、社会全体への利益がほとんどない点です。もう一つの課題は、AIを効果的に活用するためのリソースやスキルが不足している小規模な銀行がまだ多く存在することです。

電力分野では、最も効率的な方法で発電し、停電を回避できるスマートグリッドへの移行をAIが支援しています。化石燃料から風力や太陽光発電への移行に伴い、需要と供給のバランスを保つことが課題となっていますが、AIはこの点でも役立ちます。AIは予防保全にも活用でき、問題を引き起こす前に潜在的な故障を未然に防ぐことができます。AIの最大の課題は、巨大サーバーファームが莫大な電力を消費することで、技術自体が生み出すエネルギー需要の急増です。我々の評価では、発電施設への投資と効率化により、業界はこの新たな需要に対応できると考えられます。

情報分野は多岐にわたり、我々は産業のうちの特定領域に焦点を当てています。AIの成功の一つは、コンピュータコードの記述にあります。コードの記述は時間のかかるプロセスで、高度なスキルを持つ人材が必要なため企業にとって大きなコストでした。大規模言語モデルは既存のコード数億行を学習し、そのライブラリを活用して新しいアプリケーションのコードを構成できます。AIは優秀なプログラマーのチームを置き換えることはありませんが、ルーティン作業のコード作成需要を減らし、結果的にプログラマーの需要を減少させ、失業が発生する可能性もあります。AI開発が進む別の分野は、顧客の問合せ対応です。これも労働需要を減らし、混乱を引き起こす可能性があります。顧客対応におけるAIの活用課題として、顧客が一般的に機械との会話に抵抗感を持つ点が挙げられるでしょう。

大川： ありがとうございました。革命的な技術の社会実装に当たっては人間の心理に着目する必要性がありますね。

次の質問です。かつてのIT革命が経済成長や生産性向上といった効果を発揮するまでには長い時間がかかりました。生成AIも同様に時間がかかるとすると、その過去に学び、時間を短縮するための対策としてどんなことが考えられますか？

ベイリー博士：過去の技術革命から教訓を学ぶことは極めて重要です。過去の技術革新、特にIT革命との類似点や相違点を理解することは、生成AIが広範な経済に与える影響を予測する上で役立つでしょう。

IT革命と同様、生成AIは汎用技術の特徴を示しており、特に「知識経済」と呼ばれる分野において、幅広い業種や職種に及ぶ生産性向上が実現する可能性が非常に高いと考えられます。しかし、顕著な違いにより生成AIは生産性への影響を加速させる可能性があります。IT革命では、初期投資が大幅に必要なケース（例えば、1970年代の最初の消費者向け個人用コンピュータであるKenbak-1は、当時約750ドル、現在では約5,000ドルに相当）がありましたが、生成AIは通常、初期資本が低額です。既存の資本ストック上で構築され運用されるため、消費者や企業として生成AIを利用する際のコストは低く、参入障壁を低下させ、広範な採用を加速する可能性があります。

さらに、生成AIは利用者が使いやすいインターフェースにシームレスに統合されるのに対し、コンピュータは当初、PCの構文や論理の知識が必要であり、業務用ソフトウェアが導入されるまで広く普及しませんでした。例えば、既存のソフトウェア構造に直接重ね合わせて機能するコパイロットツールは、コーディングやコンテンツ作成などの複雑なタスクを簡素化し、初心者でも迅速にスキルの習得可能にします。このアクセシビリティは、IT技術が歴史的に必要とした広範なスキルアップと対照的です。これにより、生成AIの経済的影響が加速する可能性もあります。

最後に、ITが主に事務職や製造業の役割を変革したのに対し、生成AIはグラフィックデザイナーやライターなど、コンピュータへのアウトソーシングが困難とされてきた芸術的な要件を持つ多様なホワイトカラーやクリエイティブ職にも影響を及ぼす可能性があります。これらの変化が果たして人間の労働を補完するのか置換するのか、まだ不明確です。しかし、生成AIの急速な普及とアクセス可能性を考慮すると、生産性や雇用動態への影響は、過去の技術革命よりも早く顕在化することは合理的に予想できるでしょう。

大川： なるほどIT革命との違いは圧倒的なスピードということですね。

ベイリー博士：生成AIは急速に進化しており、積極的な準備が不可欠です。最初の重要なステップは、単純にAIツールを使い始めることです。ニュースで生成AIに関する情報を得ることは文脈を理解するのに役立ちますが、実際の操作を通じたAIの利用経験は、実践的なAIの強みと限界を明確化するのに役立ちます。AIネイティブ企業、つまりこれらの技術と並行して成長しているような企業では、実用可能なユースケースを特定するプロセスがよりスムーズに進むでしょう。一方、伝統的な企業は、継続的な実験と学習を通じて適切な応用事例を発見していくことになります。

同様に重要なのは、生成AIの課題や進化を続ける特質に対応するため、組織の柔軟性と適応能力を維持することです。例えば、広範な導入が必ずしもすべてのユースケースでコスト削減や利益向上をもたらすわけではありません。国勢調査局の最近の調査では、AIを活用している企業の約7社に1社がAIプロジェクトを放棄または「廃止」したとしています。これは、コスト効果が高く効率的に拡張できるAIアプリケーションを実現することの難しさを反映しており、組織計画における迅速性や対応力の重要性を強調しています。

大川： 生成AIを効果的に活用するためには組織の柔軟性や適応能力の向上、そして迅速な行動が求められるとのご指摘はとても参考になります。ベイリー博士、大変貴重でわかりやすいご説明に感謝いたします。これからも、素晴らしい研究を期待しております。