MITの研究によると、生成AIを活用した研究者の生産性は大幅に向上するが、下位の研究者には恩恵が少ないことが明らかに。特に評価能力が影響を与える。
実験は221チーム、1,018人の研究者を対象に行われ、生成AIツールとしてグラフニューラルネットワーク（GNN）が使用されました。
このツールは、既存の材料の構造と特性を学習し、特定の性質を持つ新しい材料の「レシピ」を生成する能力を持っています。
研究者たちは、AIを活用することで新材料の発見が44％増加し、特許申請が39％増加、新製品プロトタイプの開発が17％増加、研究開発の効率性が13-15％向上するという成果を上げました。
また、AIによって発見された材料は、既存の材料よりも独創的な構造を持つことが示されました。
興味深いのは、AI導入前に研究者がアイデア生成に費やしていた時間が39％から16％に減少し、AIが生成した材料を評価する作業が23％から40％に増加した点です。
しかし、上位10％の生産性の高い研究者は81％の成果増加を達成した一方で、下位3分の1の研究者はほとんど恩恵を受けられなかったことが明らかになりました。
この差は、AIが提案する材料の評価能力の違いに起因しているとされています。
さらに、82％の研究者が仕事の満足度の低下を報告し、スキルの未活用や創造性の低下、反復作業の増加が主な理由として挙げられています。
このように、生成AIの導入は生産性向上に寄与する一方で、研究者の仕事の質に影響を与えることも示唆されています。
参考リンクhttps://news.yahoo.co.jp/articles/be2958d289e1cf0c144d2d39a63ef3047d0edec0
生成AIの導入に関するコメントでは、研究者の生産性向上についての意見が多く寄せられましたが、特に上位層の生産性向上には限界があるという指摘が目立ちました。
具体的には、単純な生成AIを活用した場合、下位層の生産性は向上するものの、上位層は伸びなかったという研究結果も存在したことが示されました。
また、同じ生成AIでも、テキスト生成だけを利用する場合と高度なAIを利用する場合では、得られる恩恵が異なるという意見もありました。
これにより、プロダクトの多様性が重要であることが強調されていました。
さらに、過去のIT活用の経験から、上位層が新しい技術を効果的に活用する一方で、一般社員がそれに追いつかない現状が指摘され、技術の活用が生産性向上に寄与する一方で、格差が広がる可能性があることが懸念されていました。
技術の進化に伴い、特に日本においてはデジタル化への抵抗感が根強いことが問題視され、今後の研究や技術導入における国や企業の取り組みが重要であるとの意見も見られました。
ネットコメントを一部抜粋
単純な生成AIを活用した場合、この研究結果とは逆に、下位層の生産性が上がる一方で上位層は伸びなかったという研究結果もありました。
AIに限らず大体こういう傾向になるよね。
スマホだって使い倒している人間は0.1%にも満たず、多くはパカパカケータイの時と全く同じ機能しか使っていない。
タイトルを言い換えれば上位2/3は生産性が向上するわけで、無いより有った方が良いということだよね？
米国での研究結果で、日本でも同じ結果得られるのか知りたい。