AIはさまざまな分野に革命をもたらしています。多くの産業が日常業務において従業員を支援するためにAIを急速に導入しており、 イングランドでは150万件の雇用がこの技術に置き換えられる と予測されています。AIが人々に恩恵をもたらし、反復的で単調な作業から人間を解放する一方で、AIの急速な進歩は倫理的に問題のある「ソリューション」も生み出しており、議論に値する状況となっています。以下では、労働力管理とその周辺分野におけるAIのさまざまな応用について考察し、メリットを取り上げながら、英国および世界各地の事例を通じて、職場におけるAIが倫理的に問題がないかどうかについても検討します。
良い面
AIによる従業員コーチング
現代の目まぐるしい世界では、管理職が同時に複数の場所に存在することはできません。従業員は業務を遂行するためにメンタリングやコーチングを必要としていますが、職場の管理者が常に側にいることは現実的には不可能です。そこで、AIコーチングツールの登場は管理者と従業員の双方にとって大きな助けとなりました。AIコーチングツールはまず、各従業員がどのように特定のタスクをこなすかを観察します。 AIチャットボットがユーザー体験に合わせて調整されるように、これらのAIコーチも各従業員の業務への取り組み方の違いに適応していきます。
その具体的な例として、最近リリースされたCogitoがあります。これは従業員のタスク達成能力と業務効率の最適化を支援する職場コーチングツールです。AIと行動科学を組み合わせることで、従業員が顧客により良い電話サポートを提供できるよう支援します。顧客からの問い合わせに対応する担当者には、あらゆる方向に展開しうる電話対応を案内できるソフトウェアが必要です。このAIコーチングツールは、顧客サービスの最前線にいる担当者にリアルタイムのアドバイスを提供できます。
労働力管理を変革するAI
AIはまた、フィールドに派遣されることが多いものの、継続的な監視と支援を必要とする従業員の管理にも役立っています。 ITProPortalによると、フィールドサービス管理 （FSM）は、従業員の時間をより有効に活用するために企業に導入されています。同サイトは、英国の自動車ガラス修理会社Belronを例として挙げており、自動スケジュール最適化を導入することで当日修理件数を63%増加させ、技術者の移動時間を20%削減することに成功しました。これにより、顧客へのサービス品質が向上し、事業コストも削減されています。
この技術はさまざまな業界で導入が進んでおり、英国のフリート企業もドライバー管理の強化に活用しています。 Verizon ConnectによるビジネスGPS技術の利点に関する解説記事では、効率向上とコスト削減、ドライバーの安全性改善、リアルタイムのドライバー情報提供を通じて、道路上の従業員をどのようにサポートできるかが示されています。これにより、フリートオペレーターは各ドライバーの位置を把握し、業務効率の改善点を確認できます。特定の職種に特化した従業員管理ソフトウェアにより、遠隔地の職場における安全性の向上と計画立案が可能となります。さらに、業務負担の平準化、残業の削減、そして先述のように管理者が常には対応できないコーチングの補完にも役立っています。
悪い面
採用に現れる人間の偏見
AIは従業員採用の分野でも急速に活用されています。人事部門の従業員が数十万件の履歴書を手作業で確認する代わりに、ソフトウェアが特定の条件を満たす最適な候補者を自動的に抽出できます。AIは人間をはるかに上回る速度でデータを処理できる一方、常に中立で公正であるとは限りません。採用におけるAIは、しばしば人間の偏見を露わにします。
おそらく最も広く知られた事例はAmazon で、画期的な採用ツールが性別中立な方法で候補者を評価していないことが明らかになりました。より具体的には、Amazonのシステムはテック業界における男性優位を反映し、男性候補者の方が優遇されるよう自己学習していました。しかし、問題は性別の偏見だけにとどまりませんでした。アルゴリズムはさらに、コードを書く能力など、IT候補者に広く見られるスキルへの重み付けを低くするよう学習しました。代わりに、「captured」や「executed」など男性エンジニアの履歴書によく見られる動詞で自己アピールする候補者を優遇しました。
システムの欠陥を認めながらも、多くの企業が同様の方向に進んでいます。Goldman Sachsは独自の履歴書分析ツールを開発し、候補者を最も適した部署にマッチングさせようと一歩進んだアプローチを取っています。世界最大のビジネス特化型SNSであるLinkedInも、求人への適合度に基づいてアルゴリズムで候補者をランク付けする機能を採用担当者に提供しています。ただし、偏見を軽減するための取り組みも進められている点は注目に値します。AIは人類の姿を映し出す鏡となり、一部の領域では不平等・人種差別・性差別を増幅させていますが、これは主にコーダーが技術の広範な影響を考慮していないことに起因しています。こうした偏見への対抗として、さまざまなAIアプリケーションにおける差別とバイアスの診断・最小化を支援するEtiq AIのようなアプリケーションも登場しています。
データのプライバシーとセキュリティ
AIの普及に伴い、データ需要はかつてないほど高まっています。このデータの多くは消費者から得られており、明示的な同意なしに収集されるケースもあります。そのため、AIがもたらすもう一つの問題として、データとプライバシーの問題が浮上しています。AIを活用する企業が消費者に関して保有する情報量を考えると、その影響は計り知れません。 Forbesが取り上げた調査 によると、大企業におけるデータ侵害の平均コストは世界全体で386万ドル（310万ポンド）に達しています。AIアプリケーションが情報を活用する方法に関してプライバシーと透明性を求める声が高まっていますが、技術革新のスピードは法律の対応が追いつかないほど速いようです。今後数年以内に、AIが収集・使用するデータのセキュリティとプライバシー保護を確保するための仕組みが整備されることが期待されます。
醜い面
採用を超えたAIの偏見問題
機械がより賢くなるにつれて、人間の暗黙のバイアスを吸収する能力も高まっています。採用や労働力管理を超えた領域でも、AIの醜い側面が顕在化しています。 PredPolは米国警察が使用するアルゴリズム で、犯罪の発生時期と場所を予測し、警察活動における人間のバイアスを軽減することを目的としています。しかし、このソフトウェアが、犯罪率に関係なく、人種的マイノリティの人口が多い特定の地域を不当にターゲットにするよう警察を誘導する可能性があることが明らかになりました。
同様に、顔認識技術も法執行機関や関連分野で活用されています。世界トップ3の性別認識AIは、白人男性に対しては99%の精度で性別を正しく識別できる一方、肌の色が濃い女性に対しては精度が35%まで低下しました。
急速なAI発展の倫理的側面を理解することは、採用や労働力管理といった業界の変化を把握するうえで不可欠です。ただし、AIが示す偏見の多くは人間の反応を反映したものであることを認識することが重要です。AIの限界における人間の役割を理解することが、問題解決への第一歩となります。
テクノロジーが環境に与える影響
AIアルゴリズムは、より効率的なプロセスに変換できる関連性を見つけるために休みなく稼働しています。しかし、こうした予測能力にはコストが伴います。AIの学習は非常にエネルギー集約的なプロセスです。新たな研究によると、 単一のAIモデルを学習させる際のカーボンフットプリントは284トンのCO2に相当し、これは平均的な自動車の生涯排出量の約5倍に当たります。現実世界でAIの応用が拡大するにつれて、このソフトウェアの学習に使用されるエネルギーによる環境への影響は、今後数年間でますます重大な問題となるでしょう。
まとめ
AIの台頭は、社会的善に貢献する数多くのイノベーションを生み出してきました。AIプログラムは人々が適切な仕事を見つける助けとなり、職業的な成長を支援してきました。また、ソーシャルワーカーが支援を必要とする個人を特定する助けとなり、消費者にとってより満足度の高い購買体験をもたらしてきました。
しかし、こうしたメリットにも裏面があることは否定できません。AIは特定の性別や人種に対して偏った判断をするよう学習される可能性があります。また、私たちが共有する意思のある以上の個人情報を収集することもあります。さらに、地球全体の温室効果ガス排出量を増加させる可能性さえあります。こうした状況を踏まえると、私たちは今AIに関する岐路に立っています。「良い面」と「悪い面」のどちらが技術を主導するかを決断する必要があります。問題の両面を理解することで、すべての人のより良い未来に向けて、AIをどのように発展させていくかを判断する助けとなるでしょう。
By: Jamie Briant written for Snap Out
