インサイト
職場におけるAI貢献ペナルティ
あるアナリストについての話を最近読んだ。彼女は1つの課題に1年間取り組んだ。業務を行っている現場の人々と共に座り、誰も書き留めてこなかった不満を収集し、代替案を起草し、それらのどれが下流の工程に不具合をもたらすかを学び、最終的に雇用主にとって非常に価値のある変革を生み出したのだ。その1年のどこかで、彼女は数日間の起草作業にAIアシスタントを使用した。
その成果が経営陣に提出された際、彼女の上司はAIを前面に出すよう求めた。会議中、上司は彼女のプレゼンテーションを遮り、そのツールがすべてやったのだと言い放ったのだ。
私はその瞬間のことが頭から離れない。なぜなら、これは単に「ダメな上司」についての物語ではないからだ。それは、機械がプロセスのほんの一部にでも触れた途端、人間の貢献を見極める能力を失ってしまった組織についての物語なのだ。現在、この誤りが組織的・体系的なものであることを示す驚くべき量の証拠が存在する。
計4,439人の参加者を対象とした4件の事前登録済み実験において、研究者たちは、仕事でAIを使用する人々が、それを使用せずに同じ仕事をする人々よりも、自身の能力やモチベーションに関してより低い評価を予測され、実際に受けていることを発見した。このペナルティは気のせいなどではない。それは実際の求職者の評価においても現れたのだ。
3,846人の参加者を対象とした11件の実験からなる別の研究プログラムでは、評価者がAIを活用する労働者に対してより少ない賃金を支払っていることが判明した。これは、タスクの種類、雇用形態、報酬の形式を問わず、さらには出力の品質が一定に保たれている場合や統計的に統制されている場合においても同様であった。そのメカニズムは直接測定されている。人々は、AIを活用した労働者はより少ない報酬が妥当であると判断し、その判断が賃金削減のおよそ60パーセントを占めていたのである。開示に関するさらに13件の実験では、AIの使用を明言した者は、上司、部下、教授、アナリスト、クリエイターのいずれの立場であっても、そうでない者よりも信頼されなかった。その理由は正確性ではなく正当性であり、開示を行うことによってその仕事が社会的により不適切であるとみなされたのである。
ツールを採用せよ
これらを組み合わせると、組織が密かに2つの相容れない指示を出している状況が浮かび上がってくる。ツールを採用せよ。ただし、それを使用しているところを見せるな。
注意を払っている者にとって、合理的な反応は隠蔽となる。そして隠蔽には、バランスシートに決して現れないコストがかかる。誰も何が功を奏したかを共有せず、何が失敗したかを報告せず、組織にとって最も重要な新しい能力に関する集合知は、完全に水面下だけで形成されていくのだ。
その根底にある会計上の誤り
私がより興味を惹かれるのは、その根底にある会計上の誤りである。私たちは、アウトプットを測定し、そこから労力を推測する評価システムを構築してしまった。アウトプットがより迅速に届くようになると、推測のメカニズムは「貢献度が低下した」と結論付ける。しかし、先ほどのアナリストの話において、彼女が実際に貢献したことの中で、実行作業にあたる部分はほとんどなかった。彼女が貢献したのは1年の歳月をかけた注意深さである。彼女が貢献したのは、どのステークホルダーの反対意見が本質的で、どれが縄張り争いに過ぎないかを見極める知見であり、紙の上では良さそうに見える3つの代替案を排除する判断力であった。AIが起草し、彼女が決定を下したのだ。
これら2つの違いを区別できない評価システムは、まさに今、希少になりつつある能力に対する報酬を体系的に過小評価することになるだろう。
この文献における一つの希望ある発見
この分野の文献には、一つだけ希望が持てる発見がある。人間が目に見える形で関わり続け――すなわちレビューし、適応させ、文脈を整え、その結果に対する責任を引き受け続けるならば、ペナルティは大幅に和らぐのだ。このことは、人々がAIを活用した仕事の功績を認めようとしないことが問題ではないというを示唆している。問題は、AIを活用した仕事において人間が行うことの大部分が現在見えない状態にあり、組織がそれを可視化する手段を構築していないということなのだ。
それは価値観の問題ではなく、設計の課題である。すなわち、失われた時間ではなく行われた判断という観点から貢献を記述することなのだ。レビューにおいて、何を生産したかではなく、その人が何を決断したかを尋ねることである。同僚が具体的に何をもたらしたかをマネージャーが説明でき、それができなければ恥じることである。
人々が何に貢献しているかを名指しできない組織は、やがてそれに対する対価の支払いをやめるだろう。悪意からではなく、盲目さゆえに。