著者：经纬创投

誰もが「AIに仕事を奪われる」という不安に駆られるなか、「AIの教母」リー・フェイフェイが最新インタビューで時代の真実を突いた。10年後の職場に生き残るのは2つのタイプだけであり、可もなく不可もない中程度の凡庸な層は、生き残る余地がどんどん狭まっていくという。いま業界で「知能のコストがゼロに近づく」と言われていることについて、彼女は極めてミスリーディングで一面的な見方だと直言する。人間に固有の知覚、共感、空間把握、そして身体と連携した知能は、何億年もの進化を経ており、大規模モデルが容易に再現できるものではない、と。

多くの企業は三つの自動化思考の罠に陥っている。AIを人員削減の代替ツールと捉えること、ツールを導入しただけでデジタル化が実現したと見なすこと、トップダウンで「全面的なAI導入」を命じて社員をパニックに陥れることだ。本物のAI改革とは、決して人を淘汰するものではなく、人の価値を底上げすることにある。記事では、心に刺さる「バーベル効果」が提起されている。一方の端には、特定領域を深く究めた上位1%のトップ専門家がいる。彼らはAIを活用して反復作業を切り離し、代替不可能な深い判断に集中する。もう一方の端には、自らワークフローを再構築し、ツールを使いこなし、自分専用の業務システムを組み立てる複合型のゼネラリストがいる。

普通の人は技術の進化を恐れる必要はない。突破口の核心は、受け身で指示を待つだけの思考から抜け出すことにある。それでは、お楽しみください。

「AIの教母」リー・フェイフェイと、MasterClass創業者兼CEOのデビッド・ロジエが行ったポッドキャストインタビューのタイトルは、『AIの教母：10年後、生き残るのは2種類の働き手だけになる』だ。

司会者がリー・フェイフェイに、ある広く流布している言説についてどう思うか尋ねた。「産業革命は肉体労働を自動化した。そして今、AIが知的労働を自動化しようとしている。我々はどうすればいいのか？」

するとリー・フェイフェイは、こう答えた。産業革命は労働を自動化しなかった。労働をより効率的にし、規模を拡大し、労働市場を確かに変えた。だが、労働を自動化したわけではない。そして「労働には知性が伴わない」とほのめかすことなどできやしない。その前提はあまりにも的外れだ、と。

労働の形は変わったが、人間が労働に注ぎ込む判断力、すなわち職人たちが生涯をかけて積み上げた経験と直感、肉体労働の中に織り込まれた認知的判断は、決して本当の意味で自動化されたことなどなかった。

同じ誤解が、いまAIをめぐって繰り返されている。

01、「知能コストのゼロ化」は誤解だ

AI業界では最近、「知能のコストはゼロに近づきつつある」という言葉が流行っている。

リー・フェイフェイはこの言葉に真っ向から応じた。肉体労働、認知労働、感情労働。人間の活動と人間の知能は深く絡み合っている。

人間の知能は、大自然にとって依然として未解明の謎だ。我々は人間の知能の深さや微妙な部分を、まだ本当には理解していない。だから表に出て「知能のコストがゼロに近づく」などと主張する人は、みな無責任なのだ。

続けて彼女は二つ目の理由を挙げた。

たとえ言語知能だけを見ても、大規模言語モデルは確かに強力であり、「ビジネスインテリジェンスの支援、ソフトウェア工学の支援、演繹的論理推論、さらにはもっと深いタスクにおいて、すでに威力を発揮している」。

しかし、我々が比較的よく知っている言語知能以外にも、知覚知能、空間知能、身体知能、感情知能がある。そもそも創造性がどこから生まれるのかも、まだ解明されていないのだ。一人ひとりの創造性は、脳の異なる部位から、そしてその人の全人生における異なる経験の各部分から生まれてくる。

例えば：

教師が、生徒がなぜ理解できないのかを判断するとき、テキスト分析だけに頼っているわけではない。表情、声の調子、ためらいの瞬間を観察しているのだ。

チームリーダーが重要な顧客の前で、ある言葉を発するかどうかを決断しようとするとき、彼に代わって判断を下せるアルゴリズムなど存在しない。

「知能コストのゼロ化」という考えをマネジメント判断の前提にしてしまうと、それが見落とすのは、まさに人間の最も貴い部分なのだ。

02、三つのやり方に表れる自動化思考

リー・フェイフェイはインタビューのなかで、同じ立場を繰り返し明確にしている。「私は心から、AIは一つの技術だと信じています。つまり、極めて強力な『ツール』に過ぎないということです。しかしこのツールは、人類がうまく使うことで物事をより良くできるものです。同時に、その使い方に対しては非常に注意深くならなければなりません」

彼女は、さらに重要な言葉を続けた。「我々は子どもたちに、火の使い方、ナイフの使い方、インターネットの使い方を教えてきました。そして今、種として、社会として、我々はこの（どうAIを使うかという）ことを学ばなければならないのです」

ツールが「人の代替」として使われるのか、「人を引き上げるもの」として使われるのかは、技術によって決まるのではなく、それを導入する人次第なのだ。

インタビューで触れられた三つのやり方は、三つの自動化思考の慣性に相当する。

一つ目は、AIを「人員置き換え装置」として扱うことだ。

リー・フェイフェイはプロダクトマネージャーの例を挙げた。

十年前の標準的なプロダクトマネージャーは、「どちらかといえば指揮官でした。彼らはコードを書く必要はなく、通常はソフトウェアエンジニアではありませんでした」。

プロトタイプが必要ならデザイナーに依頼し、開発が必要ならエンジニアを待つ。プロトタイプができたらユーザーに投げ、フィードバックを待ち、それを統合する。「こうしたプロダクトマネジメントのライフサイクルは、典型的な企業では数カ月を要することもありました」

それが今はどうだろう？

多くのプロダクトマネージャーは今や自分でコードを書いている。プロトタイプを作るためにチームを待つ必要はない。AIを使えば、非常にシンプルなもののデザインを手伝ってもらったり、「バイブコーディング」を行ったりできる。これによって、サイクルは一気に短縮された。

しかしこれは、デザイナーやソフトウェアエンジニアを切り捨てることを意味しない。ただ時間が浮いたことで、彼らはより複雑な部分の仕事に専念できるようになったのだ。

AIは誰も置き換えてはいない。全員を一段上のステージへと押し上げているのだ。プロダクトマネージャーは「指揮官」から「実践者」へ。デザイナーとエンジニアは「実行者」から「最も難しい問題に取り組む人」へ変わった。

自動化思考のマネジャーがこの例を見たとき、第一声は「それなら将来、エンジニアの採用を二人減らせるな」になる可能性が高い。同じ事実、同じツールに対して、まったく異なる結論が導き出される。違いは技術にあるのではない。技術をどう理解するかにある。

二つ目は、「ツールを入れた」ことを「正しくやった」ことと同一視することだ。

ツールを購入し、研修を開き、社員にプロンプトの書き方を教え、教え終わったら任務完了とみなす。

リー・フェイフェイはインタビューのなかで、教育についてこう語った。教育の目標は、クローズドブック試験かオープンブック試験かということでもなければ、標準化テストの点数でもない。

教育の目標は人間を育てることだ。一人ひとりが、自分の属するコミュニティや社会にとって有意義な貢献者となり、有意義な人生を送れるようにすることだ。AIは、こうした基本的な目標を何一つ奪ってはならない。しかし、そうした目標をより良く、より効果的に達成する手助けをすべきなのだ。

「教育」を「マネジメント」に、「学生」を「チーム」に置き換えても、一語一句がそのまま当てはまる。AIを導入する目標は「ツールを入れたぞ」という事実ではない。いったいAIを使って何を再設計しようとしているのか、なのだ。

ロジエは技術出身ではないが、彼は自分がいま取り組んでいることをこう話した。

「自分が使うアプリの大半は、自分で作っていることに気づいたんです。Claude CodeやCursorを使ってね」

「私のCEOツールスタックは、すべて自作のアプリケーションです。自分の効率化アプリも、ToDoリストアプリも自作です。アプリを作るコストは、数カ月から週末の作業へと短縮されました」

彼は技術をひけらかしているのではない。AI時代に優秀な人材とは「より上手くタスクをこなす人」ではなく、「より上手く仕事のシステムを設計できる人」なのだと暗に示しているのだ。ツールをどれだけ買い込んでも、チームに設計思考がなければ、ツールは単に電子化された旧来のプロセスに成り下がってしまう。

三つ目は、「全面的なAI導入」が単なる技術命令だと思い込むことだ。

「会社はAIを全面的に導入する」という通達を出せば、社員には「人員削減だ」と聞こえる。腰を据えて「AIを使って、これまでできなかったどんなことができるか考えてみよう」と語りかければ、社員には「もっと強くなれる」と聞こえる。

これは非常に興味深い現象だ。社員が最初に尻込みするのは、ツールの使い方がわからないからではない。マネジャーがAIに何をさせたいのか、わからないからだ。自分たちを「置き換えたい」のか、それとも「引き上げたい」のか。

同じツール、同じ予算、同じ人間。前提条件が違えば、結果はまったく変わる。

インタビュー後半、司会者から「AIについて全くの初心者が、最も簡単に入門する方法は？」と問われたリー・フェイフェイは、こう答えていた。

若者を探しに行ってください。あなたの子ども、甥や姪。25歳以下なら、その大半はすでにAIを使っています。

純粋な好奇心を持って、彼らが普段どのようにAIを使い、何をしているのか見せてもらってください。それが一体何なのか本当に理解できれば、その世界はそこまで怖いものではなくなります。

03、未来10年、職場に生き残るのは2タイプだけ

自動化思考の罠から飛び出してロジエの描く職場構造を見直せば、バーベルの両端はまったく異なる意味を帯びてくる。

ロジエはインタビューでこう語った。「私の仮説の一つは、バーベル効果が起きるということです。真の専門家になりつつある層がいる」

「そこそこのコピーライターなら、今や誰でも大規模言語モデルを使って良い仕事ができてしまいます。しかし、もし自分が世界最高のコピーライターか、上位1%に入るならば、簡単には負かせません」

「そして、もう一つの役割として見えているのは、自発性の高いゼネラリストです。彼らは多種多様なことができ、判断力と主体性において非常に強力なスキルを持っています」

バーベルの両端、一方は上位1%のトップ専門家、もう一方は同時に複数のことをこなせる自発性の高いゼネラリストだ。中間にいる「そこそこ」な人々の空間は、圧縮されつつある。

リー・フェイフェイはこの判断に同意し、さらに分析を加えた。

あなたが専門家側にいても、ゼネラリスト側にいても、主体性が必要であり、ツールを独自の、創造的で、深みのある方法で使いこなせなければならない。

バーベルの左端にいるトップ専門家は、エンハンスメントを極限まで使いこなす人たちだ。AIは彼らの反復作業の90%をふるい落とし、人間の判断力が最も必要とされる10%に集中させてくれる。彼らの価値は圧縮されるどころか、解放されているのだ。

バーベルの右端にいるゼネラリストは、自ら積極的にエンハンスメントを起こす人たちだ。自分で手を動かし、自分でツールを作り、自分でワークフローを定義する。彼らは誰かにもたらされる「強化された未来」を待っているのではない。彼ら自身がエンハンスメントの起点なのだ。

中間層の問題はスキルではなく、構えの問題だ。AIは実行レベルの「そこそこ」を極めて高い水準まで引き上げてしまった。「実行できる」というレベルにとどまっている人は、何をしようと追いつかれてしまう。

しかし、「AIの使い方を指示されるのを待つ」状態から「自分で手を動かして何ができるかやってみよう」に切り替えるだけで、中間層にも自らをバーベルのどちらかの端へと押し上げるチャンスが生まれる。

リー・フェイフェイもこの切り替えについて特にこう語っている。「『起業家』という言葉は、大部分において『主体性』の同義語です」と。

04、なぜエンハンスメントは単なる希望的観測ではないのか？

誰かがこう尋ねるかもしれません：もし技術がさらに進歩して、人間の判断力、創造力、感情的知性までもすべて自動化されてしまったら？

Fei-Fei Liはインタビューの中で、同じ問題について科学的なバージョンを長々と語った。彼女の会社と研究方向は空間的知能（Spatial Intelligence）だ。

空間的知能とは、理解、推論、生成、インタラクションの4つである。

それは、今日私たち人間が3D（三次元）環境で示しているさまざまな能力をカバーしている。

第一に、何が起きているのかを理解できること。

第二に、推論できること。

第三に、生成できること。

第四に、最後だが同じくらい重要なのがインタラクションだ。

Fei-Fei Liはバスケットボールのシュートの例を挙げた。

シュートという動作そのものも、極めて複雑な知能の瞬間であり、言語的推論が関与している。なぜなら、アスリートとして、そのシュートが決まったかどうかを鋭く認識し、それが試合やその瞬間にとって何を意味するかを理解するからだ。

それと同時に、コート全体を見渡し、他の選手の位置を把握し、ゴールを狙うことは、深い空間性を伴う。そして、身体を調整し、どうやってその動きを行うかを知っていることは、深い物理性を伴う。

言語、空間、身体という三つの知能は、シュートの一瞬のうちに同時に働き、相互に連携している。「まず言語、次に空間、さらに身体」という流れ作業ではない。

そして私たちが生活の中で行うことの大半は、実は言語的知能、空間的知能、身体的知能の混合なのだ。それらは高度に補完し合い、共に連携して働く。

それからFei-Fei Liは、進化論的な見地からの判断を示した。空間的知能が成熟するまでに、進化は5億年以上かかった。言語的知能にかかった時間はそれよりずっと短い。つまりこれは極めて深層的で、古く、根源的な知能能力であり、動物も人間も備えている。

これらの判断を総合すると、同じことを指し示している。今日、AIが本当に加速できるのは、言語レベルのタスクだ。レポート作成、資料調査、データ分析、コーディング、画像生成などがそれにあたる。

それは、人により多くの時間とエネルギーを与え、言語以外のことに取り組ませる。判断、創造、共感、曖昧な領域での意思決定、プレッシャーの下で冷静さを保つこと、さまざまなシグナルが矛盾するときに最も重要なものを見極めることなどだ。

拡張（Augmentation）は、願望でもなければ、価値観の選択でもない。それは、技術発展のこの段階における、一つの科学的な判断なのだ。すなわち、人間にはAIがまだ追いつけないものがたくさんある。

拡張のフレームワークを用いれば、省かれるのは反復的な労働であり、得られるのは解放された専門的判断である。

Fei-Fei Liはインタビューで、すべてのAIマネジメントの意思決定の試金石となりうる一言を述べた。私たちは子どもたちに、火の使い方、刃物の使い方、そしてインターネットの使い方を教えてきた。今、一つの種として、一つの社会として、私たちはAIの使い方を学ばなければならない。

キーワードは「学ぶ」ではなく、「私たち」だ。従業員に独りで学ばせるのでもなく、IT部門に導入させるのでもない。マネージャーとチームが共に、AIを皆で理解すべきものと捉え、それを使って一人ひとりを一段上へ押し上げるのだ。

Bitmineが再び約16万枚のETHをステーキング、累計ステーキング量は488万枚に

人気記事