生成AIのSIerビジネスへの影響
Git Hub Copilot を使用している人は、生成AIである程度プログラミングが自動化できることは、体験的に知っているでしょう。
また、意外に生成AIは間違いが多い事や、既存のソースコードを拡張したりメンテしたりするには、適さない事も知っていると思います。
ChatGPTや各種のCopilot を使用していると、ある程度「生成AI」の可能性と限界が直感的に分かると思います。
しかし、生成AIが今後どのように進歩する可能性があるのか、完全にプログラマーに代替する可能性はあるのか。
さらに、プログラマー以外の職業には、どの程度影響する可能性があるのか、よく分からないと思います。
先日、以下のSIer業界における生成AIの活用についての記事を読みました。
この記事を読むと、生成AIは多重請負SIer業界の全ての階層に対して大幅な生産性をもたらす事がわかります。
通常、SIer業界はユーザー企業の配下に、元請け・二次請け・三次受けという多重請負ピラミッド階層を形成して、三次受け以下はSESなど派遣やフリーランスのITエンジニアを集めてシステム開発に従事します。
SIerのシステム開発の価格制定は、「開発に必要なITエンジニアの人数」で計算します。
ユーザー企業に開発に必要な期間と人数からコストを割り出し、システム開発単価として販売納品します。
これを「人月単価」と呼びます。
ユーザー企業は、そのシステム開発に従事するITエンジニアが元請けか二次請けか三次受けか派遣かフリーランスかなど考えることもなく、「人月単価」による価格を受け入れます。
時々、末端の派遣エンジニアによる情報流出などが起きるのも、こういった大雑把な多重請負体制が原因です。
生成AIは、プログラマーの生産性を数倍に拡大します。
今のところ、プログラマーの生産性向上の話しか聞こえてきませんが、これはプログラマーが一番「生成AI」を上手く使っているからで、生成AIがプログラミングだけしか支援できないわけではありません。
上流工程から下流工程まで、業務手順さえ体系化すれば、その生産性を数倍に向上させるでしょう。
先のリンクした記事によれば、元請けの大手SIerでは、システム開発の生産性を最大7割も向上させたそうです。
これは下請けの開発社への発注を減少させても受託開発を満たせる事を意味します。
同時に、人月単価で価格を決めているわけですから、システム開発単価も生産性向上の分だけ減少します。
半分の人月でシステムが開発できるのなら、システム開発単価も半減します。
つまり、人月単価で価格決定するSIerのシステム開発事業は、生成AIで生産性が2倍になった場合、売り上げが半分になってしまいます。
SIer業界全体で考えてみると、仮に、デフレ脱却の好景気などによりSIの総需要が、8兆円から10兆円に拡大したとしても、全体の生産性が2倍になれば、SIer業界の市場規模は10兆円の半分の5兆円に縮小してしまうことになります。
実際のところ、SIer業界全体の総需要拡大の速度と、生成AIによる生産性向上による人月売上縮小の速度の、どちらが早いかは分かりません。
生成AIによる生産性向上の将来予測は、誰にもできないと思います。
先の記事によると、もう一つ生産性向上による大きな変化の可能性が書かれています。
これまで下請けだった開発業者が、生成AIによる生産性向上により、元請けSIerからの下請けではなく、直接ユーザー企業の発注を受けてシステム開発を受託する事が可能になるということです。
これまで開発者の人数が不十分で、直接案件を受託できなかった業者が生産性向上で、少人数でもシステム開発を遂行できるようになるわけです。
生成AIによる生産性向上は、全てのITベンダーの生産性を上げるわけですから、全体として開発に必要な人数は少なくて済むようになります。
システム開発案件の規模が、社会全体で縮小することになります。
ユーザーから見れば、安価になりシステム開発を発注し易くなります。
私は、SIer業界は多重請負構造がフラット化に向かうのではないかと思っています。
市場メカニズムでは商品価格が下がると商品需要が増えます。
今の日本はデフレ脱却へ近づいていて、マクロな総需要も増加に向かっています。
元請けの案件は生産性向上で縮小し、下請けは階層から外れて直接ユーザー企業の発注を受けるようになり、システムの受託開発の階層構造が単純化するのでは無いでしょうか。
ユーザー企業の内製化も生成AIにより、よりやり易くなります。
自社製品企業はより少人数でソフトウェア製品を開発できるようになります。
製品企業やSaaS企業も活性化するでしょう。
生成AIにより今までIT化できなかった仕事もIT化できるようになります。
「作業しかできない下請けは淘汰される」という意見もありますが、デフレ脱却による総需要拡大や少子化を想定していないゼロサム論の意見なので、信憑性は低いと思っています。
IT人材が大移動する事は間違い無さそうではありますが。
デフレ脱却による総需要拡大と、生成AIによる生産性向上が同時に起きるので、未来の予測がより難しくなりましたが、需要と供給が両方増えるので、IT業界の経済規模が大きくなる事は間違いないでしょう。
「生成AIで世界はこう変わる」で知ったこと
このような状況ですから、生成AIが今後どのような影響を社会にもたらすのか、気になります。
私はAIのことは何も知りません。
そこで、これから紹介するAI研究者が書いた「生成AIで世界はこう変わる」を読んでAIについて軽く調べてみました。
以下に本を読んで分かったことを要約して解説します。
生成AIは既存のAI研究の延長線上の成果物
生成AIはChatGPTの突然の登場により突発的に現れた新技術のように見えますが、その中身は従来のAI研究の延長線上にあるものだそうです。
初期のAIは1997年にチェスで人間を打ち負かしたディープブルーに代表されるように「探索と推論」を中心とした問題解決が主流でした。これが第一次AIブームです。
その後、AIに知識を与えて問題解決に応用するエキスパートシステムが第二次AIブーム。
そして、2012年ごろからディープラーニングを中心とした第三次AIブームが起きたそうです。
ディープラーニングではAIの仕組みに人間の脳の仕組みを模したニューラルネットワークを採用し、AIに知識を与える手法として、機械が自己学習する機械学習を導入しました。
整理すると初期のAIは人間がAIに知識を与える「教師あり学習」を行っていました。
その後、AIが自己学習する「機械学習」が採用され、されに加えて機械が自ら目的に対する成功と失敗の経験を積み重ねて、意志決定則(方策)を学習していく「強化学習」が導入されました。
生成AIでは、更に進歩して、「自己教師あり学習」というものを採用しているそうです。
これはAIが学習する教師データを、人間では無くAIが作成して機械学習する方式だそうです。
ChatGPTが採用しているLLM(Large Language Model)=大規模言語モデルは、元になる多数の文章をニューラルネットワークに機械学習する過程で、文章を途中まで入力した時に次に来る単語の確率を予測し、自己教師データとして学習するそうです。
ChatGPTはこの手法である単語の次に続く単語の現れる確立モデルを作成して、出力時に使用しています。
自分が出力した単語の、次に続く確率の一番高い単語を出力する事を繰り返します。
生成AIはテキストなら「言語モデル」を、画像なら「拡散モデル」というモデルで、機械学習と自己教師あり学習を行い、元になる確率モデルを作成するようです。
どちらもニューラルネットワークを用いた仕組みであり、単なる確率データベースではないようです。
確率論的な単語予測の繰り返しにより言語生成AIが実現されているので、学習データが不正確ならハルシネーションという嘘の出力をしてしまう原理的問題を抱えています。
生成AI自身は己の間違いを認識できません。
生成AIは、学習データが多ければ多いほど性能が向上します。その学習データがある程度の量を超えるとなぜかタスクの成功率が極端に向上するそうです。
これを「能力創発」と呼び、なぜそのような事が起きるのか、AI研究者達の間でも分かっていません。
ChatGPTは能力創発の結果として、あのような高性能AIが突然現れたわけです。
そしてその原因がまだ分からないというのだから驚きです。
書籍では画像の「拡散モデル」についても解説されていますが、ここでは扱いません。
生成AIにより消える仕事・残る仕事
生成AIの登場で、我々が一番気になるのが、「自分の仕事はAIに取られてしまうのか」という点でしょう。
この本でも、その点を詳しく解説しています。
生成AIの得意不得意
従来は「特別なスキルを必要としない低賃金労働ほどITやAIで自動化され易い」と言われてきましたが、生成AIの登場によりこの常識は覆り、「高学歴高スキル者の仕事ほどAIで自動化される可能性が高い」という結果になりました。
つまり、ホワイトカラーほど生成AIの影響を受けやすく、手足を動かす肉体労働を伴う仕事ほど生成AIの影響を受けにくいそうです。
全職業の8割は何らかの影響を受け、そのうち2割は労働の半分がAIに置き換えられるほどの影響を受ける可能性があるそうです。
AIにとっては、人間が頭を使って行う高度な仕事は簡単だが、人間が特に何も考えずに簡単に行っている事は難しいそうです。
プログラミングや囲碁将棋のように高い知能を必要とする仕事はAIが得意です。
しかし、服を畳む、箸で豆をつまむ、部屋の掃除、スキップなど人間が簡単に行っている日常生活は難しいそうです。
労働置換型と労働補完型の技術
但し、「AIの影響を受ける」とは「AIによって仕事を奪われる」事を必ずしも意味しないそうです。
新しい技術と労働の関係には「労働補完型」と「労働置換型」の二種類があり、前者は労働を楽にしたり人間の生産性を上げる性質を意味します。後者は人間の労働を完全に置き換えてしまう技術的性質を意味します。
産業革命初期の紡績機は「労働置換型」で労働者が失業しましたが、第二次産業革命の電気や電動の大量生産技術は「労働補完型」で、むしろ雇用の増加に結びついています。
生成AIは、AI研究者の間でも意見が分かれていて、現状では「生成AIは労働補完型」という意見が多数派だそうです。
生成AIの経済規模
マッキンゼーの報告では、世界全体での、生成AIによる生産性向上の経済規模は670兆円規模にもなるそうで、その規模は日本のGDPよりも大きいです。
ちなみに世界全体のGDPの合計は2京円弱となります。
世界経済の生産能力を35%ほど引き上げることになります。
MITでの調査ではChatGPTを使用した仕事は、所要時間が40%短縮され、アウトプットの質が18%向上したそうです。
自動化の実例
著書の中では既に生成AI導入が進んでいるカスタマーサービスとプログラミングの実例を紹介しています。
どちらも完全自動化はできません。人間の仕事を生成AIが助ける事で生産性向上を行っています。
カスタマーサポートでは熟練者と未熟な新人による顧客サポートの質の差が縮小したそうです。未熟者のサポートの質が熟練者に近づくという意味です。熟練者の生産性はそれほど向上しないようです。
また、未熟な新人の離職率の低下に結びついているそうです。
プログラマーの仕事は、GitHub Copilotにより既に約半分自動化されており、
開発者自身も8割が生産性向上に満足しているという評価をしているそうです。
MicrosoftとMITの共同研究で、生産性がどのぐらい向上したかサーバープログラム開発で実験したところ、Copilotを使用しないチームで161分かかった仕事が、Copilotを使用したチームは71分でできたということです。
生成AIが得意する仕事なら生産性は2倍5倍10倍でも有り得るそうです。
他の分野への生成AIはまだ進んでいませんが、マーケティングや研究分野・健康管理・教育などでは活用できると筆者は予想しています。
創作への影響
小説やイラスト作成など創作への影響や「創造性」や「著作権」などの問題への解説にも詳しく言及していますが、この記事はIT関連記事ですので、省略します。
生成AIはAI版の「認知革命」
「サピエンス全史」によれば現生人類は5万年前に「認知革命」を起こし、それまでの人類では考えられない大きな集団での共同活動ができるようになりました。
「認知革命」とは「言語の獲得」や「思考や意思の疎通の革新」の事です。
現生人類はこの認知革命により大きな集団を形成できるようになり、他の種族との生存競争を勝ち抜き、急速に文明を発展されてきました。
AIでは、ディープラーニングが「眼の獲得」に該当し、生成AIが「認知革命」に該当すると表現しても良いそうです。
生成AIは、これまでの教師あり学習・機械学習・教科学習と段階的に進歩してきたAIの認知革命にも相当する画期的な進歩で、人類が認知革命以後に急速に繁栄してきたのと同様に、AI技術が進歩する可能性があるそうです。
今後のAI技術の進歩は、従来の常識では考えられない速度で進歩する可能性があると言います。
現実に、最近イラスト生成やアニメーション生成を行うAIの進歩が、想像を絶する速度で進んでいます。
先日、OpenAIのSora による高精度アニメーションが話題になったところです。
ちょうどGPT4が発表されてから1年目になる昨日の時点で、次々と新しい画期的な生成AIが登場しています。
GPT5の登場も噂されています。
確かにこの本の著者の言う通り、生成AIはAIの「認知革命」だという説明にも説得力があります。
その内容が全て把握できないぐらい次々と生成AIの新技術が実現していて、今後どうなるのか予想が付きません。
今後も加速度的な進歩が続くように見えます。
生成AIのIT業界とユーザー企業への影響
GitHub Copilot を中心とした開発支援生成AIの生産性向上は、プログラミングの部分しか調査されていませんが、書籍の解説では約2倍の生産性向上が起きます。
これはソフトウェア開発を、6人チームでやっている事を、3人でできるようになるという事になります。
ソフトウェア開発はプログラミングだけではありません。要求分析・要件定義・設計・テストなど多岐にわたります。
ただ、生成AIがプログラミングにしか使われていないのは、ただ「プログラミングにしか活用していないだけ」に過ぎず、私は上流工程にも応用可能だと思います。
日本の業務システム開発は、上流工程がプログラミングほど体系化されていないから、生成AIを導入できないだけで、体系化すれば充分に生成AIを導入できると思います。
それどころか、ユーザー企業の業務にも生成AIが導入可能だと思いますので、おそらく上流工程から下流工程まで全ての工程で生成AIによる生産性向上が起きるでしょう。
先のSIerによる生成AI導入事例では、最大7割の生産性向上をもたらしたそうですが、全ての工程を体系化する事ができれば、生産性は2倍ぐらいにはなると思います。
世間の生成AIへの勘違い
世間では、「プログラマーは生成AIで失業する」と言っている人達が増えました。
彼らはプログラマーの仕事がどんなものか知りません。
また、おそらくChatGPTやGitHub Copilotなど生成AIのサービスを使用した事も無いでしょう。
実際にChatGPTやGitHub Copilotなどを使用して開発をやってみた人なら分かると思いますが、生成AIの質問への回答は意外に間違いが多いですので、その結果には人間のレビューが欠かせません。
生成AIだけに任せておいても動くソフトウェアは開発できません。
また、私がやらせてみた範囲では、データモデリングやクラス構成などアーキテクチャ設計の工程は、まだまだ生成AIには任せられません。
生成AI自身が大量の計算機資源を消費する為か、数千文字程度の情報しか扱って貰えません。
なので、ある程度以上複雑なシステム設計は、任せられないのが実状です。
また、同じ原因で
既存のソフトウェアのソースコードを修正したり拡張したりする事も現状ではできません。仕様変更や機能拡張のような作業は人間でなければ今のところできないです。
これらは、将来の生成AIの進歩で解消される可能性は充分にあります。
しかし、今はできません。
生成AIには、先に説明したハルシネーションという問題があり、その成果物には必ず人間の見直しが必要となります。
ハルシネーションを防ぐ術は、現状では存在しません。
これは生成AIが作り出すプログラムなど成果物は、全て人間のレビューが必要である事を意味し、それが生成AIによる生産性向上のボトルネックになる事がわかります。
人間のレビューの速度を超えて、成果物を生産する事はできません。
世間の人々の生成AIに対する過大評価は、ハルシネーションのレビュー確認の必然性を失念している点にあります。
生成AIが潜在的にハルシネーションの問題を抱えている以上、完全に人間に取って代わることは無いです。
また、逆に過小評価の部分は、生成AIがプログラミング以外の様々な広い範囲の業務に応用可能だという事を失念している点です。
おそらく、財務会計や営業・マーケティング、顧客サポート、工業製品や建築物の設計など多くの分野の仕事に、生成AIを導入して生産性の向上を満たす事ができるでしょう。
「生成AIで世界はこう変わる」の中でも「全職業の8割は何らかの影響を受け、そのうち2割は労働の半分がAIに置き換えられるほどの影響を受ける」とあります。
過小評価について言えば「肉体労働は生成AIの影響を受けない」というのもあります。
実は、先日OpenAIから以下のようなロボットの発表がありました。
生成AIの技術を人型ロボットに搭載し、ロボットが雑然とした状況で、自ら判断し、人間と対話しながら作業をするという、画期的なロボット技術です。
これが実現すると、人間の肉体労働も生成AIで自動化できます。
このロボットがいつリリースされるかわかりませんが、数年の内に市場に登場するでしょう。
人型ロボットについては、日本企業を含むいくつかの企業が販売を計画していますから、「肉体労働はAIの影響を受けない」という話は、今では信憑性が疑わしいと思います。
自動運転車や宅配ドローンもあります。
こうなると「全業種の8割」と言わず、肉体労働を含む全ての仕事が影響を受けると考えるのが、現実的でしょう。
ただ、先に説明したようにハルシネーションの問題は、ロボットにも当てはまるので、人間の監督は必要です。
人手不足と生産性向上
以前「デフレ脱却」について解説しました。
今の日本経済は、デフレ脱却の直前にあり、雇用が増えて、労働市場が新たな労働者を供給できなくなる「完全雇用状態」に近づいています。
現時点でも人手不足ですが、これから更に大半の業種で人手不足が深刻化します。
これは好景気による人手不足なので、国家と国民にとっては良い事ですので、政府はさらに好景気と人手不足を進める政策を推進します。
現在、ITエンジニアの求人倍率は、5倍から10倍ぐらいを長期間推移しており、求人件数は今でも上昇中です。
MicrosoftとMITの共同調査によれば、生成AIによる生産性向上は、2倍程度になる事が分かっています。
ただ、これは生成AIを上手に使い熟せる場合の話で、日本のSIerが生成AIを導入したケースでは生産性向上は3割から最大7割程度になります。
日本のIT人材の人手不足は20万・30万人という規模なので、生成AIの活用で人手不足が解消されるのか微妙なところです。
これにマクロ経済政策による総需要の拡大と、少子化による生産年齢人口の減少が重なります。
生成AIで生産性を3割向上できれば、ギリギリ今の生産能力を維持できるといったところでしょうか。
これも数年後には生産性を5割向上してギリギリとなるでしょう。
また、デフレ脱却をしますと、マクロ経済状況に新しい性質が現れます。
それは「セイの法則」という性質です。
デフレ脱却しますと、総需要が潜在供給能力を上回るインフレ経済になります。
総需要の方が大きいマクロ経済状況で、生産性向上により供給能力が増加しますと、その増加した供給量の分だけGDP(総需要)が成長します。
需要不足のデフレ経済では、生産能力が増えると生産余剰が増えて、余剰分の生産に関わっていた労働者が失業します。
しかし、インフレ経済では生産能力が増えても、増えた分だけ売上が増加し、雇用は減りません。
インフレ目標の2%以上を達成していなくても、1.9%程度のインフレ経済なら年内に達成できそうな雲行きです。
このタイミングで生成AIが登場したのは、日本経済にとっては幸運だったと言えるでしょう。
生成AIの導入による生産性向上と、デフレ等の需要不足が重なると、ITエンジニアが多数失業する事になりますが、今のところそうなる様子は見られません。
この辺は、SNSなどでも「AIでエンジニアは要らなくなるぞ」と煽っている人々が沢山いるので、いろいろ事実に基づいて反論したいところですが、別の記事で書きたいと思います。
私はAIは全くの素人で機械学習や強化学習などの言葉の意味も分かりませんでした。
「生成AIで世界はこう変わる」には、生成AIを理解する為の基礎知識の解説が網羅されていて、この本を読んだだけで、大雑把に世界で生成AIの影響により何がどう影響しているのか、またこれからどうなるのか、ある程度予想ができるようになった気がします。
少なくとも原理原則のようなものは、理解できます。
「生成AIで、将来失業するかも知れない」と言った不安を抱えている人は、取りあえずこの本を読んでみる事をお勧めします。
知識を得ると少しは落ち着きますよ。
