経験値だけで飯を食べている人は
人工知能によって出番がなくなる

新春対談:安宅和人×伊賀泰代【第1回】

昨年生産性が発行され、働き方改革の議論で注目されるようになった生産性について、著者の伊賀泰代氏が、マッキンゼーで同期入社だった現ヤフーCSOの安宅和人氏と対談。
マッキンゼーで生産性の概念を身につけた2人が、その問題の核心を語り合う。1回目は人工知能が生産性に与える影響について(構成・新田匡央、写真・鈴木愛子)。

人工知能ができること、できないこと

伊賀泰代(以下、伊賀):お久しぶりです。安宅さん、人工知能(AI)やビッグデータ絡みであちこちから引っ張りだこでしょ。いつもすごいなあと思いつつ、勉強させていただいてます。

安宅和人(以下、安宅):いえいえ、なんだか不思議な経緯でこうなっています(笑)。伊賀さんこそ、出す本がどれもベストセラーじゃないですか。お会いするのも久しぶりですが、こうやってじっくりお話しするのはもう何年ぶりかというくらい覚えていない。

伊賀泰代(いが・やすよ)
キャリア形成コンサルタント。兵庫県出身。一橋大学法学部を卒業後、日興證券引受本部(当時)を経て、カリフォルニア大学バークレー校ハース・スクール・オブ・ビジネスにてMBAを取得。1993年から2010年末までマッキンゼー・アンド・カンパニー、ジャパンにてコンサルタント、および、人材育成、採用マネージャーを務める。2011年に独立し、人材育成、組織運営に関わるコンサルティング業務に従事。著書に『採用基準』(2012年)『生産性』(2016年)(ともにダイヤモンド社)がある。
ウェブサイトhttp://igayasuyo.com/

伊賀:そうですね。とはいえマッキンゼー時代だってバカ話ばかりしてて、まじめに語り合ったことはあまりなかったかも。でも今日はマジメな話をしにきたので、どうぞよろしくお願いします(笑)。

 今回、『生産性』という本の中では、働き方の問題を「長時間労働の是正」といった時間の長短で捉えるのではなく、生産性の高低という軸で捉えるべきだと書きました。本質的な問題は労働時間が長いということではなく、生産性が低いまま放置されていることであり、長時間労働は問題の原因というよりその結果だからです。

 で、この生産性という話になると、これからはどうしてもAIが人間の働き方に与える影響について話が及びます。AI時代に入ると人の仕事が変わるという点について、まずは安宅さんのご意見を聞かせてください。

安宅:今は時代の変曲点であることは間違いないと思います。データがものすごい量で増え、コンピューティングパワーが上がり、データの可視化が急激に進化しています。機械学習の世界でも長年研究されてきたニューラルネットワーク、ディープラーニング(深層学習)がついに動くようになるなるなど、非常に面白い時期。これらによって、これまで自動化できなかったことが急速に自動化できるようになりつつあります。大量の情報の識別やタイムリーな予測、あるいは今まで教えられなかった暗黙知が、ゴールさえ与えれば学習できるようになりつつある。ピッキングもできるし、その延長で囲碁も打てる。これらの影響で業務の中身は確かに変わってきます。

 でも、逆に言えば、このようにちゃんと訓練された特定の目的以外は何もできない。そもそも問題解決の前に、AIはキカイに過ぎないので「生きている」からできること、自分は「どうしたい」という部分がないんです。

伊賀:たしかにそうですが、人間にもそれがない人はいるんじゃないですか? 自分がどう生きたいか、突き詰めて考えてきたことのない人・・・

安宅和人(あたか・かずと)
ヤフー株式会社チーフストラテジーオフィサー。データサイエンティスト協会理事。応用統計学会理事。東京大学大学院生物化学専攻にて修士課程修了後、マッキンゼー・アンド・カンパニーに入社。4年半の勤務後、イェール大学脳神経化学プログラムに入学。2001年春、学位取得(Ph.D.)取得。ポスドクを経て2001年末、マッキンゼー復帰に伴い帰国。マーケティング研究グループのアジア太平洋地域における中心メンバーとして、幅広い分野におけるブランド立て直し、商品・事業開発に関わる。2008年9月ヤフーへ移り、COO室長、事業戦略統括本部長を経て2012年7月より現職。事業戦略課題の解決、大型提携案件の推進に加え、市場インサイト部門、ヤフービッグデータレポート、ビッグデータ戦略などを担当。著書に『イシューからはじめよ』(英治出版)がある。

安宅:(笑)。いや、もっと根本的な観点なんです。人間には食べたいものと食べたくないものがあるけど、指示や評価指標を与えない状態ではAIにはこれが選べないんです。右に行く、左に行く、まっすぐ行く、止まる。人間は意識的であろうと無意識であろうと、これらを自分で決めている。大腸菌だってミミズだってそう。気持ちのいい空間と嫌な空間では、気持ちのいいほうに行く。生物とはそういうものです。

伊賀:ああなるほど。能力や意思の問題というより、生物としての本質の話ですね。

安宅:そう。そしてそれは、ニューロンの数とは関係なく、生命がもともと持っているものなんです。そのうえで、自分の生命にとって意味のある方向を右でもまっすぐでもなく、止まることでもなく、左に行きたいと判断する。

伊賀:ニューロンの数に関係ないとすると、生命体であればなんであれ、もともと遺伝子に持っているものだと?

安宅:僕らの場合は脳や脊髄を含む中枢神経系が判断を担っているけれど、このような中枢神経系といえるほどのものを持たない生物の場合は脳じゃない。生命は自分にとって快適なものを選ぶようにできているんです。生存本能の一種なんでしょう。そういう意思的な部分は、AIではまったく補完されないわけです。

伊賀:AIと人間の違いとして、身体性がないこと、だから死を怖れないというか、生存本能がないことなどとよく言われますが、意思的な部分も欠落してると。

安宅:そう。僕の認識では最もかけている部分は生きる個体としての身体がないことから来る意思で、次は知覚です。知覚について言えば、たとえば「色」。これは物理量ではない。色は心の中にしかないんです。単一波長ではなく3つの波長スペクトラムに反応する知覚神経から入ってきたものを、脳の回路がミックスアップしたものが「色感」として脳の中に存在している。食べ物のおいしい、まずいもそう。今まで日本料理しか食べたことがない人が初めて四川料理を食べても、はじめはよくわからないかもしれないけど、二口目には「おいしいね」と言える。これは既存の料理とその人間の知覚評価をベースに人間の知覚のホットスポットをモデリングしただけのキカイにはむずかしい。

伊賀:人間は過去のデータの蓄積がなくても知覚的に判断ができるってこと?

安宅:そうなんです、できるんです。ある日本人が過去の経験から持っている「味マップ」とは逸脱した、まったく異なる次元にあるものでも判断できるんです。その評価が、基本的に人間の身体がもたらしているものだからです。一方、身体のないAIには、それが人間のように知覚できない。すなわち人間のようには評価できないです。これは、人間と同様の知覚センサーを人と同じ密度で持っていない上、入力を人間のように統合できないということです。

伊賀:だとすると、人間はそういうAIに欠落してる部分を担当する仕事をすべしってことになるんですか?

安宅:うーん、それはそうなんだけれど、これはちょっと誤解を生むかも。そもそも、理想的な「AI」を体現しているものはない、というところから始めなければならないです。あえていうならば、AIは「イデア」です。人間や生命の知覚や知性の機能を部分的でも代替するようなキカイのことをAI(Artificial Intelligence。Machine Intelligenceとも)といいます。この本来の意味で言えば、本当は自動ドアだって判断してドアを開閉しているからAI。素材に合わせて洗い方を変える洗濯機もサーモスタットもAIです。今はコンピュータやソフトウェア、データの力でそれを実現しているものに閉じて語られがちですが。また、人間がおこなっている知覚と知性、これによる知的生産活動のほとんどを担えるようなAIは存在しておらず、生まれる見込みも立っていません。

伊賀:たしかに。すると今の私たちは、AIという万能感に溢れたフィクションを勝手に作り上げてて、存在しないものを念頭に「人間の仕事がなくなるかも?」という議論をしてると。そういう議論は乱暴すぎるってことですね。

安宅:そうそう。荒唐無稽な議論となります。もちろん、情報の識別や個別の事象の予測など人間より圧倒的に速く自動化できるようになったものは、どんどんキカイに任せるべき。それは絶対的な流れです。人間はいつの時代もそうしてきたし、人間が不得意なことをやらせるために数多くの道具やキカイが生み出されてきたんですから。

伊賀:産業革命期に蒸気機関車が作られた時からそれは変わらないのかも。そういう意味では現在進行形の変化も、ずっと昔から続く大きな流れのひとつだってことですね。とはいえ緩やかに変化する時期と、どーんと大きく変化する時がありますよね? エネルギー革命が起こった産業革命の初期はものすごく変化が大きかった。その「どーんと大きく変化する時期」が今また来てるってことでは?

安宅:たしかにそうです。産業革命では、200年ぐらいの時間をかけて、人間や家畜が担ってきた肉体労働と手作業を消し去った。いまでは、あえて手づくりをしているものや、細々と不定形の判断が必要な作業以外は、ほとんど何も肉体労働と手作業は残っていないですね。じゃあ僕たち人間は何をやっているかというと、かなりの時間を判断と情報処理に使っています。その部分の何割かさえも自動化できるようになってしまった。それが今起こっていることかと。

 でも、仕事の重要な部分のかなりは「対話」じゃないでしょうか。話の文脈を読んで、適切なタイミングで相手に正しく何かを投げかけること、それに対してコンテキストと次への意味合いも含めて答えることです。これが自動化される見込みは、今のところありません。まあ僕らにとって最も楽しいこともでもありますし。キカイに任せようとは思わないですよね。(笑)

データ分析の8割は、
イシューを見極めること

伊賀:「対話」? それはペッパー君と挨拶するような「会話」とは違うってこと?

安宅:たとえば、こうやってミーティングの時に話が発展するようにちゃんと質問すること。あるいは相手のうっすらと欲しているものをはっきりさせるべくいろいろな質問をして、それに対して答えていくこと。これらはすべて対話です。企画の現場であろうと、製造現場、営業現場であろうとほとんどの職場で人が行っていることのかなりの割合は対話だと思います。

 医療のような専門性の高いプロフェッショナルサービスでも、対話が基本です。お医者さんが状況を踏まえて質問を行い、これに対しての患者の答えと検査結果から診断していくことがベースであることはこれからも変わりません。ただ、そのやり方がこれからは変わっていきます。

 たとえばこの道30年、俺の言うことを聞けば病気は治るという有名な大学病院の教授と、世界中のあらゆる症例を網羅するデータを使いこなす無名の若い医師がいるとする。教授は過去の自分のかなりの量の経験に基づいた診断をするけど、若い医師は患者以外のデータやAIによる画像診断力、見落としのない確認力もフルに活用した診断をする。これらのデータ×AI活用によると、ある患者が病気Aである可能性は2%だから、まずはそれを確かめる検査をする。検査の結果、病気を特定し、ある薬を飲むことが治癒に行き着くためのベターチョイスと言ってくれる。

 2人の医師、伊賀さんだったらどっちを選びます?

 僕は圧倒的に後者のほうがいいと思う。つまり、すべての仕事はデータやコンピューティングパワーやAIなどの力を使う人と、それらをまったく使わない人に分岐すると思うんです。たとえば目の前の物を何かに映しとるときに、スマホで撮るか、版画の型を彫るかの違い。ただ、現在の日本の医学教育だと後者のようなお医者さんを育てる仕組みがほぼ全くない。バイオインフォマティクスの専門家すら非常に少ない。カルテの全電子化と、医療機関を超えた統合もできていない。本当は前者の教授のような経験と、データやキカイの力を解き放つ力の両方を持っている人を育て、その方々を支える仕組みを作らなければいけないのですが。

伊賀:私も間違いなく後者を選びますね。だってビッグデータやAIを使いこなせば、生身の人間ひとりでは一生かかっても絶対に読み込めない数の論文や症例を分析できるわけですから。

 でもね。前者の著名な大学教授である医師にとっては、自分自身の過去の経験こそが自分の武器であり競争力の源泉なんですよね。

 それで思い出したのは、鉄道や地下鉄の中吊り広告の話です。あれって廃止するって話もあったんですよね。デジタルサイネージっていう電子パネルの広告に統一するという話が。そもそも紙の中刷り広告って、今でも人間が手でポスターを取り替えてるでしょ。東京なんて膨大な数の車両が走ってるのに、それらをすべて毎週、取り替える必要がある。ものすごく手間のかかる広告です。でも、紙の中吊りポスターを廃止したいと言ったら、広告主や業界から反対の声が上がる。

 ずっと昔から中吊り広告で販促をしてきた業界にとっては、「こういう中吊り広告をこれだけの量の出したらこれくらいの販促効果がある」みたいな強固な経験値がある。それが紙からディスプレイ、静止画から動画になったら、またゼロからデータを蓄積しなければならない。すでに「今まではこれで成功してきた」という経験値があるのに、新たに膨大なデータを分析して新たに効果のある広告形態を見つけに行くなんて大変すぎる。

 さっきの医療の話と同じで、過去に強固な成功体験があり、それが競争力の源になってる人や企業にとっては、たとえ圧倒的に生産性が高くなるかもと思えることでも、新しいものには移行したくないっていう気持ちが働くんだと思うんです。

安宅:とてもよくわかる。ただ、この流れは不可避。繰り返すけど、この先はデータの力を使える人と使えない人がはっきり別れてくることになる。そして最終的には、データの力を解き放てることは単なる基本要件になり、感じる力、見る力、人に伝える力のようなものが、人間の能力の中心として重視されるようになっていくと思う。

伊賀:だとすると、人間にとって重要な仕事はある意味、対極にあるような2つの仕事に収束するってことかな。1つは膨大なデータやを集め、AIを使いこなして分析しまくるスキル。そしてもう1つは、そういうのとはまったく関係ない「感じる力」的なソフトスキル。

 あれ? これってまさに安宅さんと私の持ってる能力じゃない?(笑)。 データをトコトン使いこなせる安宅さんと、データについては全然わからないけど、ソフトスキルを駆使して生き延びそうな私(笑)。

 でも安宅さんの言う「感じる力」、「見る力」って、いわゆる「地頭」とは違いますよね?

安宅:本当は同じはずだけれど、世の中的に言われている話とはかなり違う。地頭の議論は、少なくとも3つの話が混ざっていると認識しています。1つは異質なものを切り分けて判断する力。グルーピングというか、ある種の分析力。2つ目は構造的にものを考え、複数の次元にあることを同時に多層的、立体的に考える力。複数のレイヤーをつなぎ合わせて考える力、ある種のメタ思考と言ってもいいです。一つの層だけでしか対象を見れない人は、どれほどスッキリものを考えていても地頭がいいとはいえない。そしてもう1つは、これら多面的な情報を感じ、意味合いを突き詰める力。要するにそれは何かをどこまで深く理解できるかという力。あえて言うと、感じる力、見る力は2つ目と3つ目の力になるでしょう。

伊賀:前著の『採用基準』の中で、マッキンゼーでもっとも優秀と言われるのは、分析力に優れた人のことじゃないと書いたんです。能力には2つの方向があって、1つは深く掘る力で、もう一つが構築する力。一般的には分析に強い人のことを優秀と思いがちだけど、本当の意味で頭が良いというのは、構築型の能力を持った人だと思うんです。それは今回の本、『生産性』のなかでビジネスイノベーションと呼んでいる仕組みみたいなものを考えつく人。

 社会制度でいえば、たとえば株式会社制度や貨幣制度みたいなのを最初に考えついた人って、構築型の能力を持ってる人なんですよね。みんなが物々交換をしてる時代に、「物々交換なんて不便すぎる。貨幣制度を作ってすべてのモノの価値を貨幣という統一単位で表せば、まったく異なるものの取引が容易になる。価値自体の貸し借りも可能になる。遠くにいる人にも価値を移転できるようになる。こういう制度をつくれば、この問題とあの問題とあっちの問題が一挙に解決できるじゃないか!」と思いついた人ってすごいですよね。そういう人が本当の意味で頭のいい人だと思う。

 そのうえ分析に関しては、今後はAIが勝手に分析してくれる、みたいなことも起こり始めるわけで、今後はさらに構築型の能力が重視されるようになると思うんです。

安宅:分析的な思考力があるという前提であれば、構築型の重要性については確かにです。ただAIが勝手に分析してくれるということは定型的なもの以外についてはかなり希望薄です。

 分析力についてもう少し言うと、分析力の強さの根っこにあるものはよく言われているような数字のハンドリング能力ではありません。分析力の根幹は、「何を言うことに価値があるかを見出す力」あるいは「何にケリをつけることに価値があるかを見出す力」です。そしてそれにそって見出すべきポイントを定量的、分析可能な軸に整理できる力。これらが分析力の85%ぐらいを占めている。そしてこの大半が近い将来キカイ化される見込みは極めて薄いです。

伊賀:計算そのものではなく、分析の肝を見極める力がある人ってことですね。分析プロセスそのものの設計能力とか。

安宅:そう。仮説の中で何が「要」となって検証されなければならないか、つまりイシューです。仮説の中の論理のへそが見える人。この1点のケリがつくと、残りのすべての点のケリがつくというポイントが見える人ですね。

伊賀:そこが見えない人は、延々と働くことになる。しかも、ものすごい長時間、働いているにもかかわらず価値あるアウトプットが出してこれない・・・

安宅:その通り。機械の力を使っても、そこが見えないまま自動化が行われてしまうと、ろくでもないアウトプットが出てくる可能性があります。へそを見極める人が生産性を高めて、イシュードリブンにならなくちゃいけない。

伊賀:そのヘソを見極められるかどうかが生産性を左右する。だからイシューを正しく見極めることこそが究極の生産性の向上方法だってことになるんですね。

第2回へつづく。

【著作紹介】

イシューからはじめよ―知的生産の「シンプルな本質」
(安宅和人:著)

MECE、フレームワーク、ピラミッド構造、フェルミ推定…目的から理解する知的生産の全体観。「脳科学×戦略コンサル×ヤフー」トリプルキャリアが生み出した究極の問題設定&解決法。コンサルタント、研究者、マーケター、プランナー…「生み出す変化」で稼ぐ、プロフェッショナルのための思考術。

ご購入はこちらから!
Amazon.co.jp][紀伊國屋書店][楽天ブックス

生産性―マッキンゼーが組織と人材に求め続けるもの
(伊賀泰代:著)

「成長するとは、生産性が上がること」元マッキンゼーの人材育成マネジャーが明かす生産性の上げ方。『採用基準』から4年。いま「働き方改革」で最も重視すべきものを問う。

ご購入はこちらから!
Amazon.co.jp][紀伊國屋書店][楽天ブックス