医師も弁護士も生成AIを使いこなすべき理由
医師や弁護士などの専門家もAIの活用が求められる（写真：metamorworks / PIXTA）
生成AIが「知的生産革命」を進行させる中で、人間はAIとどのように協働していけばよいのか。生成AIがもっともらしいウソをつくこと（ハルシネーション：幻覚）は、どのように理解すればよいのか。新刊『2024年 日本はこうなる』の執筆者の一人であり、長年、人工知能（AI）研究に携わってきた筆者が、より利用価値が高まるデータと人が担うべき仕事のあり方について解説する。
AIを使いこなせる専門家が求められている？
生成AIが急速に普及し、これまで機械には代替できないと思われていた人間の「知的生産」という聖域を侵食しつつある。「AIをどう使いこなせばよいのか？」「AIによってなくなる仕事？ なくならない仕事？」という議論も活発になされるようになっている。
医者や弁護士のような専門家も同じだ。AIを使いこなせなければ生き残れないことに変わりはない。このことは、利用者（顧客）の視点で、信頼できる人間とAIの役割はどうあるべきかを考えると、よくわかるだろう。
たとえば、次の3つのうち、だれ（どれ）が信頼できるだろうか。
�� 自身の経験のみで判断する専門家
�� AIを活用できている専門家
��（専門家ではない自分が）AIを直接利用する
病気の診断をする医師や、法律の相談に応じる弁護士など、専門家とはいえ、最新知識を網羅し、見落としをゼロにするのは難しい。一方、専門家であれば、直接AIを利用するだけでは得られない、社会の中での体験に基づいた、意思決定と社会価値判断に対する支援が可能だ。つまり、AIを使いこなせる（ビジネスの）専門家が求められている。
では、その使いこなすべきAIとどう付き合えばいいのか。そのことを理解するために、いま話題の生成AIについて、その仕組みを説明することから始めよう。
「山の上に」とくれば「古い寺が」
米国OpenAI社が開発したAI自動対話プログラムChatGPTは、人工知能（AI）の開発の歴史上最もセンセーショナルな産物の一つだと言える。
2022年11月末の公開から2カ月ほどで月間利用者数が1億人を突破するなど、オンラインサービス史上最速でユーザーが増えたのだ。
ChatGPTは、人が自然な文で書いた実にさまざまな質問に対して、指示に合った自然な文で次々回答することができる。文章を出力するだけでなく、人が言葉で指示したとおりに画像や動画を生成するAIもOpenAI社を含む複数の企業が開発しており、その出力結果の品質は2022年に入って急速に高くなってきていた。
こうした人間の指示を受けて文章や画像などを出力するAIは、「生成AI」もしくは「ジェネレーティブAI」と呼ばれる。
ChatGPTのエンジンにあたる中心部分は「大規模言語モデル」と呼ばれるものだ。Large Language Modelの頭文字を取って、LLMとも呼ばれる。
LLMは、人間の書いた膨大な文章から獲得した、言葉のつながりやすさ、つまり次にくる言葉に関する確率の知識である。たとえば、「山の上に」とくれば「古い寺が」とか「雲がかかって」などの言葉やフレーズが思い浮かぶ。人間も経験からこのような言葉のつながりの知識は持っているので、自然につながる文を作っていくことができる。
しかし、LLMは人間とは比べ物にならないほどの文章量を学習している。
ChatGPTの場合、ウェブテキスト、書籍、論文などからおよそ3000億単語、書籍換算で400万冊分だ。これほど膨大であれば、思い浮かぶ言葉も桁違いに多く、人間並みかそれ以上に自然な長文も作れるだろうというのが、LLM開発の発想である。
計算の質問にも「3+4は7です」などと答えることができる。簡単な四則演算ならたいてい正しく答えられるし、もっと複雑な数学の問題を解くこともある。
しかし、LLMは電卓機能や数学の解法自体を覚えているわけではなく、数学に関する記述も含まれている世界中の文章の中の数字と単語の関係性（つながり）を学習しているにすぎない。それにもかかわらず、あたかも四則演算の概念を獲得しているかのように振る舞うことには、AIの専門家も驚きを隠せない。
もちろん、実際に概念を獲得しているわけではないので、足し算でも桁数が大きくなれば間違えるケースもある。間違え方も、足し算の答えに現れる数字の羅列の多くは合っているものの、いくつか数字が違っているという具合に、「つながり」を学習しているLLMらしいものになる。
また、歴史的なできごとを問う質問に、事実とは異なる創作物語のような回答をすることもある。こうした現象は、幻覚（ハルシネーション）と呼ばれる。しかし、幻覚を見ているのは、LLMが概念や事実を理解していると考えがちな人間のほうかもしれない。
暗黙知の言語化は、AIは人間にかなわない
LLMの学習済みの膨大なテキストデータから、事実でかつ有用な知識を引き出すことは、本来のLLMの使い方としてあまり実用的ではない。むしろ、ユーザーの保有するローカルデータを解釈させて、必要な生成タスクを実行させるという使い方が主流になるだろう。
言葉のつながりの知識は拡張されて、画像や音声などのマルチモーダルな（複数の種類の）情報との関係も柔軟に学習できるようになってきている。2024年は、マルチモーダル化とローカルデータに本格対応したLLMプラットフォームやアプリケーションが増えると予想される。
LLMとそれを活用した生成AIの発展で、自然言語（テキスト）で書かれたデータの価値が高まっている。もちろん企業には、規程、報告、設計などのドキュメント、メール、アンケートなどテキスト情報が多くあるはずだ。
しかし、これまで横断的な操作はせいぜいキーワードに基づく検索程度で、本来ユーザーがやりたいこととのギャップは大きかった。現場での作業や運用のノウハウの多くが言語化されず、内輪の人間だけがわかっていればよいだろうということで、暗黙知のままになっていることも多い。自然言語で書かれたシステム要求仕様書と、それを実装したはずのプログラムとの間の整合性も、開発や改良を行ううちに失われがちだった。
こうした人間とシステムの間のコミュニケーションギャップは、LLMと生成AIによって埋められることになるだろう。
暗黙知が言語化できれば、それに基づいた質問への回答や、プログラム言語への変換などが可能になる。暗黙知の言語化作業は、人間同士の何気ない会話や行動を観察することが必要で、AIはまだ人間にはかなわない。それでも自社の強みや課題を言語化することさえできれば、AIを用いて強化や解決に導くことが可能になってきたと言える。
この知的生産プロセスがAIに置き換わる
LLMの持つ卓越した言語能力は、これまでの生産性の低い長時間作業から人間を解放し、知的生産力の強化に役立つ。
知的生産性に関しては、日本には、半世紀以上前に今でも通用する実用的手法を提案した優れた先人たちがいる。川喜田二郎氏の有名な発想法「KJ法」や梅棹忠夫氏の「知的生産の技術」に共通するのは、「断片化」と「組み換え」のプロセスだ。
頭に浮かぶことを言語化する際、文章のようにまとまった形ではなく、小さなメモに書くように断片化して記録する。そして、それらを眺めて、組み換え、良い組み合わせを考える過程で、新たな価値に気づくというものだ。
さらにここでは、人間と社会（組織）での意思決定と評価まで含めることにして、知的生産を循環する4つのプロセスと定義する。
�� 断片化して記録する
�� 良い組み合わせを探る
�� 生産物を作る・決める
�� 社会価値を判断する
つまり、知的生産のプロセスとは、上記の� 銑い侶�り返しとなる。この知的生産プロセスの一部が、生成AIの登場で、人間からAIに置き換わる可能性がある。
「�｜琶匆修靴撞�録する」と「�⇔匹ち箸濆腓錣擦鮹気襦廚�AIに置き換わるのは、生成AIのLLMの本質的な能力が、断片化と組み換えそのものであることからも明らかであろう。良い組み合わせを探る過程も、ユーザーが簡単な言語的な指示をすることによって、LLMがやって見せてくれる。
生成AIがナレッジマネジメントを支える
これまでインターネットの検索がいくら高速にできても、人間の知的生産力を上げることに直接役立つわけではなかった。文章、図、プログラム、人間がこれまで発明・発見してきた事柄など、すべてを断片化して、さまざまな組み換えを試す。このプロセスに生成AIを活用することで、新しいアイデアにつながりやすくなる。
このプロセスは、野中郁次郎氏と竹内弘高氏の提唱したナレッジマネジメントのフレームワーク、SECI（セキ）モデル（共同化→表出化→連結化→内面化）における「連結化」に相当する。さらに、それ以外の「共同化」「表出化」「内面化」というプロセスにおいても、LLM・生成AIが今後大いに役に立つだろう。
AIチャットボットが複数人の会話を聞いていて、話を進めたり、必要な情報提供をしたりすることも、今なら十分可能だ。会話の表出化（言語化）については、オンライン会議の音声をテキスト化して議論を要約する機能として、すでにマイクロソフトなどの製品レベルで提供されている。内面化では、アイデアからリアリティのある映像や音声を生成して、さまざま体験ができる環境が今後求められるであろう。
知的生産プロセスの後半、「��生産物を作る・決める」と「�ぜ匆餡礎佑鯣獣任垢襦廚蓮�個人の意思決定と社会的評価であり、本来AIに代替させる意味はないはずだ。しかし、これらのプロセスもAIに任せたいと考えるユースケースは存在する。
たとえば、採用や入札など、自身の意思よりも、評価する側の社会（組織）の目を気にする場合である。つまり、AIが先回りして社会の評価を予測して（�ぁ法�評価が高そうな候補者の採用を決める（��）という流れだ。
そうなると、AIが生成して、かつAIが選んだものが世の中にあふれる。実際、AIが生成したコンテンツはネット上に増え続けており、2026年までに全体の約9割に達するとの予測もある。LLMが生成したものを学習データとして再び学習すると、LLMの性能は確実に落ちることも知られている。
信頼できるのは「AIを使いこなす専門家」
AIが支援しても最後は人間が決めて、質の良いアウトプットを作り、そのアウトプットを人間社会が評価するというプロセスが、AIにとっても健全なのだ。つまり、この意思決定と社会価値判断という領域とその支援については、まだ人間によってなされる仕事が重要だと言える。
冒頭の「3つのうち、だれ（どれ）が信頼できるだろうか」という問いへの答えは、��AIを活用できている専門家であり、これからの専門家は、AIをうまく使いこなしていくことが求められる。
進化するAIは、これまでうまく扱えなかった言葉やイメージのような情報に、確実にパワーを与えている。特定領域の専門家の暗黙知をいち早く言語化できれば、LLMを活用して、新たなナレッジ提供型のサービスも可能だろう。
一方、人間の役割は、企業や地域などさまざまなレベルで、社会との接点を活かすことにある。企業も個人も、これからの時代、AIとの協働に必要な「言葉にする力」と「評価する力」を磨くことが求められるだろう。
（梅木 秀雄 ： 三菱UFJリサーチ＆コンサルティング テクノロジー・エバンジェリスト／ココロミルラボ室長）
