AIは時間短縮を約束していました。しかし、もしそれがまず私たちの時間を奪っているとしたら？

人工知能（AI）が約束する、かつて数時間かかっていた作業を数分で完了させるという魅力は、抗いがたいものがあります。 しかし、ライセンス購入から生産性向上までの間には、多くの企業が見過ごしている段階が存在します。それは、AIの活用方法を学ぶことにもコストがかかるという事実です。 ツールの試用に費やす時間。繰り返さなければならないプロンプト。タスクに適していなかったモデル。まず理解せずに自動化しようとするプロセス。トークン消費。解決策に至らないまま終わる実験。 「Líder Roundtable sobre Inteligencia Artificial」の専門家テーブルで、SL Global Energyの創設者兼CEOであるMáximo Hernández氏、ISA Sistemas AvanzadosのディレクターであるIsmael Prieto氏、CEOS LógicaのCEOであるAlan Gibrán Ávalos氏は、組織内で顕在化し始めているパラドックスについて議論しました。それは、生産性向上を目的として作られたツールが、方向性を持たない導入によって一時的に生産性を低下させる可能性があるということです。

好奇心にもコストがかかる Máximo Hernández氏は、以前のテーブルで未解決のままだった懸念事項、すなわち、人々がこれらの新しいツールを使いこなせるようになるまでの生産性はどうなるのか、という点を取り上げました。 あらゆるテクノロジーの導入には学習曲線が伴います。 Hernández氏は、1990年代における企業向けEメールの普及を例に挙げました。今日では不可欠と思われるそれも、習慣、プロセス、働き方の変革を必要としたのです。 AIでも同様のことが起こっていますが、その速度ははるかに速いです。 しかし、現在ではほぼすべての従業員がすぐに実験を開始できるという違いがあります。 そして、実験は必要です。 問題は、その実験で何を目指すのかが定義されていない場合に生じます。 ある人は、AIを使って、すでに知っている手順を使えばより早く達成できたであろう結果を得るために、何時間も費やす可能性があります。 また、適切なコンテキストを提供せずにタスクを解決しようとして、技術リソースを消費する人もいるでしょう。 学習には価値がありますが、リソースも消費します。

AIの購入は生産性の購入ではない Hernández氏は、従業員全体に均一な研修を実施した後、AIを活用した多数のプロジェクト開発を開始したある企業の事例を語りました。 そのプロセス中に問題が発生しました。一部のユーザーは、求めていた結果を得られないまま、利用可能な容量を急速に消費していたのです。 必ずしもテクノロジーに不具合があったわけではありません。 彼らはまだ、その使い方を学んでいる最中でした。 単純に見える指示でも、複数のステップ、十分なコンテキスト、問題の理解、そして適切なモデルの選択が必要となる場合があります。 したがって、企業がプラットフォームを契約したからといって、生産性が自動的に現れるわけではありません。 まず、それを使用する能力を開発する必要があります。

応答にはいくらかかるのか？ この学習曲線に加えて、多くの組織にとって比較的新しい変数があります。それは、モデルを利用するコストです。 Alan Gibrán Ávalos氏は、いわゆるトークンエコノミーを提起しました。 すべてのモデルのコストが同じではありません。 すべてのタスクで同じ容量が必要なわけでもありません。 単純な問題を解決するために過度に強力なツールを選択すると、運用コストが無用に増加する可能性があります。 Ismael Prieto氏は、一部の組織では、当初想定していた節約額以上にトークン消費に費やすことになる可能性さえあると指摘しました。 これにより、AIに関する基本的な問いかけの1つが変わります。 もはや、「AIで何ができるか？」と尋ねるだけでは不十分です。 「それにはいくらかかるのか、そしてどのような価値を生み出しているのか？」と尋ねることも必要になるでしょう。

節約は必ずしも人員削減を意味しない さらに、AIの投資対効果を人員削減の観点のみで測定するリスクも存在します。 Prieto氏は、異なる視点を提示しました。 テクノロジーは、プロセスの改善、売上の増加、オペレーションの加速、分析能力の向上、あるいはよりインパクトのある活動のための時間の解放を可能にすることで、価値を生み出すことができます。 たとえ一人の人員も削減しなくても、導入は成功する可能性があります。 本当の問いは、組織が既存のリソースでより多くの価値を得られているかどうかです。

実験はするべきだが、方向性を持って 解決策は、実験を停止することでもありません。 この速度で進化するテクノロジーは、試行、学習、修正を強制します。 しかし、実験することと、単に無計画にツールを使用することの間には違いがあります。 方向性を持って実験するとは、目標を設定し、ユースケースを選択し、人々を訓練し、結果を測定し、どのプラクティスを拡大する価値があるかを決定することを意味します。 それはまた、一定期間、学習曲線が存在することを受け入れることも意味します。 AIは膨大な時間を節約することができます。 しかし、それを達成する前に、企業は「何に使う価値があり、何にないのか」という、一見単純なことを学ぶ必要があるのです。

初出：「Líder Empresarial」