Harvard Business Review 25年1月号②：AIを最大限活用するための「3つのスキル」とは？
読書ノート182目📚
前回に続いて、今回もハーバードビジネスレビュー2025年1月号「経営課題としてのテクノロジー」から以下の5つを順に紹介していきます。
①私たちは技術の進歩をどう捉え、どのような社会を構築すべきか
マイケル・オズボーン オックスフォード大学 教授
②生成AIとの協働を実現する3つのスキル
H. ジェームズ・ウィルソン
アクセンチュア グローバル・マネジング・ディレクター
③AIがチームに加わるとパフォーマンスが落ちる
ブルース・コグー コロンビア・ビジネススクール 教授
④経営の多角化を成功へと導く5つの論点
バラット N. アナンド ハーバード・ビジネス・スクール 教授
⑤退職してからの人生をどう生きるか
テレサ M. アマビール ハーバード・ビジネス・スクール 名誉教授
2回目の今日は「生成AIとの協働を実現する3つのスキル」についてです。
今回もChatGPTに搭載されている「GPTs」を活用して、落合陽一先生の論文の読み方フォーマットで要約＆解説をしてくれる「論文要約くん」を利用しています。
論文要約：生成AIとの協働を実現する3つのスキル
1. 論文の題名と著者名、発行年
題名: 生成AIとの協働を実現する3つのスキル
– 最大のアウトプットを引き出すために
著者: H. ジェームズ・ウィルソン
（アクセンチュア：グローバル・マネジング・ディレクター）
ポール R. ドーアティ
（アクセンチュア：シニア・テクノロジー・アドバイザー）
発行年: 2024年12月5日（DHBR 2025年1月号）
2. どんなもの？
この論文は、生成AI（特に大規模言語モデル、LLM）が今後の職場で果たす役割と、それを最大限活用するための「融合力（フュージョンスキル）」について論じている。AIが単なる補助ツールではなく、人間のパートナーとして共に学び、成長する時代が到来しており、成功するためには以下の3つのスキルが不可欠だと述べている。
・賢い質問（スマート・クエスチョン）
– AIに適切なプロンプトを与えるスキル
・判断の統合（ジャッジメント・インテグレーション）
– AIの出力を人間の知見で補完・検証するスキル
・相互学習（リカーシブ・ラーニング）
– AIが組織や業務の文脈を理解できるよう育成するスキル
3. 先行研究と比べてどこがすごい？
生成AIを単なるツールとしてではなく、「共同クリエイター」として捉え、AIと人間の相互作用を最大化するための具体的なスキルセットを提唱している点が新しい。
「思考の連鎖（Chain of Thought, CoT）」の研究を活用し、プロンプトの工夫がAIの精度を向上させることを実証。
AIのハルシネーション（虚偽情報の生成）やバイアス問題に対して、検索拡張生成（RAG） の導入やヒューマン・イン・ザ・ループ（人間が介在する仕組み）の重要性を具体的に説明している。
LLMの学習プロセスを「弟子」として捉え、段階的なトレーニング方法を提案している点も斬新。
4. 技術や手法のキモはどこ？
「一歩ずつ考えよう」（Let’s think step by step）をプロンプトに加える
→ AIの論理的思考を促し、回答の正確性を3倍向上させる。
思考の連鎖（CoT）による段階的訓練
→ AIが難解な問題を解くための推論プロセスを可視化する。
検索拡張生成（RAG）を活用
→ 最新の情報をLLMに供給し、ハルシネーションを抑制する。
ヒューマン・イン・ザ・ループを導入
→ 人間の判断をAIの出力に組み込み、信頼性を高める。
AIを「弟子」として育てる
→ 企業や業界固有の知識を継続的に提供し、AIを適応させる。
5. どうやって有効だと検証した？
・「思考の連鎖」プロンプトによる数学的推論タスクの正確性向上（最大3倍）
・検索拡張生成（RAG）を導入したAIの精度向上
→ 製薬業界の例では、最新の医療データを活用することで
診断支援の正確性を大幅に向上。
・ヒューマン・イン・ザ・ループの活用
→ マーケティングや営業分野で、プロンプトを段階的に改良することで
顧客ターゲティング精度を向上。
・相互学習を活用した営業戦略の最適化
→ LLMに過去の営業データを逐次提供し、
需要予測やターゲット顧客の特定に活用。
6. 議論はある？
・AIのバイアス問題
→ AIの出力が特定のバイアスに偏らないよう、
プロンプト設計時の注意が必要。
・プライバシーとデータセキュリティ
→ 企業の機密情報をLLMに入力する際のリスクと、
その対策（ファイアウォール、社内モデルの活用）。
・LLMのハルシネーション対策
→ 依然として誤った情報を生成するリスクがあるため、
厳格なチェックが不可欠。
・企業の研修不足
→ 94%の従業員が生成AIスキルの習得を希望しているが、
実際に研修を提供している企業は5%にとどまる。
7. 次に読むべき論文は？
「Human + Machine: Reimagining Work in the Age of AI」（2018, 2024新訂増補版）
→ 著者らの過去の研究で、AIと人間の協働についてより包括的に議論。
「Chain of Thought Prompting Elicits Reasoning in Large Language Models」（Jason Wei, 2022）
→ AIの推論能力向上に関する基礎研究。
「Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks」（Lewis et al., 2020）
→ RAG（検索拡張生成）手法の詳細と、その応用例。
「The Impact of AI in Predictive Analytics: Enhancing Business Decision-Making」（2023）
→ 企業がAIを活用してどのように意思決定を改善できるかを探る。
まとめ
本論文は、生成AIを単なるツールではなく「共に学び、成長するパートナー」として扱うための新しいスキルセットを提案している。
特に、「賢い質問」「判断の統合」「相互学習」という3つのスキルを活用することで、AIの可能性を最大限引き出す方法が具体的に示されている。
これからのビジネスにおいては、AIに対する理解と適応力が競争力の鍵を握る。「AIを使う側が、どれだけ賢くAIを活用できるか」が成功の分かれ目 となるだろう。
今回はアクセンチュアの二人が執筆した内容で、AIを最大限活用するために特に重要な3つのスキルとして以下が挙げられています。
・賢い質問（スマート・クエスチョン）
– AIに適切なプロンプトを与えるスキル
・判断の統合（ジャッジメント・インテグレーション）
– AIの出力を人間の知見で補完・検証するスキル
・相互学習（リカーシブ・ラーニング）
– AIが組織や業務の文脈を理解できるよう育成するスキル
生成AIのモデルは同じでも、入力する質問（プロンプト）次第で結果が大きく異なってくることはAIに詳しい方々ならご存知のことかと思います。
ちなみに余談ですが、本書でも紹介されていた回答の精度を高めるプロンプトのテクニックの一つである「思考の連鎖」（Chain of Thought）は、僕が2023年12月に受験をした生成AI検定「Generative AI Test」でも出題されていました。
もはや今では、使う生成AIのモデルは同じ、入力するプロンプトのテクニックも一通り出揃ってきた。というなかで、さらにAIを他者や他社よりも差別化して最大限活用するには？という点で、今回の内容は興味深かったです。
AIが何か特定のタスクを高精度で処理をするためには、人間のベテラン者やプロフェッショナルな人の知恵や業務内容を言語化してAIに学習をさせ、うまく動くかどうかをテストし、必要に応じてチューニングすること。
それがこの先のAI活用のステージでは求められるようです。
話は変わりますが、ちょうど先日に勉強会で教えていただいた話で、とある大手企業のコールセンター業務にAI導入をしたところ、電話での応答内容を生成AIが文字起こしをしてくれるようになり、より多くの件数のお客様対応ができるようになった。という話を聞きました。
ただ、ここには後日談があり、コールセンターへの問合せのうち、一定数は苦情やクレームなど精神的に辛い仕事もあるとのこと。そのような精神的に疲れやすい電話対応後はPCに議事録を打ち込んでいる時間が、本人にとっては心が休まる時間にもなっていたようです。
そして、議事録をAIが作成することで、人間は電話対応により多くの時間を費やせるようになった結果、クレーム対応の件数も増え、コールセンターで働く方々の精神的な疲労感が増してしまった…
ということで、数値上の生産性は高まってはいますが、働く人たちのモチベーションも加味してAI導入をするべき。（業務のどの部分をAIで支援するべきかの設計こそが大切）なのだという気付きをいただきました。
AI導入をする際には、「効率化できる余地が大きい大玉案件かどうか」に加えて、人間が奪われたくない楽しくて好きな仕事と、できれば避けたい嫌な仕事という、「仕事の楽しさ軸」でもAI導入の判定基準とする視点も大切なのかなと思い始めています。
ということで、今日はこの辺で！
それではまたー！😉✨