Return to Video

知能機械の時代に、どう仕事のスキルを身に付けるか？

  • 0:01 - 0:03
    午前6時30分
  • 0:04 - 0:08
    クリスティンは担当の前立腺患者を
    手術室に連れて行くところでした
  • 0:10 - 0:12
    彼女は研修医で
    外科専門医を目指しています
  • 0:12 - 0:14
    今は学ぶことが仕事です
  • 0:15 - 0:19
    今日行われる 勃起機能を残すための
    非常に繊細な神経温存の摘出手術を
  • 0:19 - 0:23
    彼女はぜひとも自ら
    執刀したいと望んでいます
  • 0:24 - 0:27
    しかし それができるかは指導医次第で
    その指導医はまだ来ていません
  • 0:28 - 0:30
    彼女と手術スタッフは患者を麻酔で眠らせ
  • 0:30 - 0:34
    最初の20センチの下腹部切開を
    彼女が主導します
  • 0:35 - 0:39
    切開部をクランプで固定すると
    彼女は看護師に指導医を呼ぶように指示します
  • 0:40 - 0:42
    彼が到着し 手術着に着替えると
  • 0:42 - 0:48
    その時点から クリスティンと指導医の
    ４本の手はほとんど患者の体内で
  • 0:49 - 0:52
    指導医の下でクリスティンが
    進めていきます
  • 0:53 - 0:58
    前立腺の摘出が終わると―
    指導医は神経温存術を少しさせてくれましたー
  • 0:58 - 0:59
    彼は術衣を脱ぎ
  • 0:59 - 1:00
    書類を書き始めます
  • 1:01 - 1:06
    8時15分には
    クリスティンは縫合にかかります
  • 1:07 - 1:09
    それを肩越しに覗き込んでいた
    若手研修医に
  • 1:09 - 1:12
    彼女は縫合の最後を任せます
  • 1:13 - 1:16
    クリスティンは満足です
  • 1:16 - 1:18
    患者も容態を回復するでしょう
  • 1:18 - 1:21
    そして外科医として彼女は
    6時30分時点より明らかに成長しています
  • 1:22 - 1:25
    これは極端な事例でしたが
  • 1:25 - 1:29
    仕事の覚え方は多くの場合
    クリスティンと同じでしょう
  • 1:30 - 1:32
    熟練者を少し観察し
  • 1:32 - 1:35
    仕事の中でも
    簡単でリスクの少ないことをやってみて
  • 1:35 - 1:37
    熟練者が指導して
    もう大丈夫と判断したら
  • 1:37 - 1:39
    リスクが高く困難な作業に進むのです
  • 1:40 - 1:43
    私はずっと こうした学びに
    魅了されてきました
  • 1:43 - 1:47
    私たちを人間たらしめる
    根本的なものと感じていたのです
  • 1:48 - 1:53
    見習い コーチング メンターシップ
    OJTなど呼び方は様々です
  • 1:54 - 1:57
    外科医の間では「見る、する、教える」
    と言われています
  • 1:58 - 1:59
    どれもプロセスは同じで
  • 1:59 - 2:03
    もう何千年も世界中でスキル習得は
    主にその方法でされてきました
  • 2:04 - 2:09
    でも今 私たちは
    それを阻むような形でAIを使っています
  • 2:10 - 2:12
    生産性向上のため
    自らの学びを犠牲にしているのです
  • 2:13 - 2:16
    MIT研究時代に外科で
    この事象を初めて確認しました
  • 2:16 - 2:19
    しかし現在では様々な産業で
    様々なAIにより
  • 2:19 - 2:22
    どこででも起きているとの
    確証を得ています
  • 2:23 - 2:26
    もし何もしなかったら
  • 2:26 - 2:31
    AIを扱おうとしている
    ほとんどの人が壁にぶつかります
  • 2:33 - 2:35
    先ほどの外科手術で考えてみましょう
  • 2:36 - 2:38
    ６か月後
  • 2:38 - 2:43
    同じ午前6時30分に クリスティンが
    別の前立腺患者を運び込む先は
  • 2:43 - 2:46
    ロボット化された手術室です
  • 2:48 - 2:49
    指導医の主導で
  • 2:49 - 2:52
    ４本のアームがある数百キロのロボットを
    患者に取り付けます
  • 2:53 - 2:55
    指導医とクリスティンは２人とも術衣を脱ぎ
  • 2:55 - 2:58
    ３、４メートル離れた制御台に向かいます
  • 2:59 - 3:03
    クリスティンは見ているだけです
  • 3:04 - 3:07
    このロボットがあれば 指導医は
    すべての処置を単独でできますので
  • 3:07 - 3:09
    基本的に彼がすべてを行います
  • 3:10 - 3:12
    彼女に練習が必要なことは分かっています
  • 3:12 - 3:14
    彼女にさせたいのですが
  • 3:14 - 3:18
    彼女にさせると時間もかかり
    ミスが増えるため
  • 3:18 - 3:19
    患者を優先しているのです
  • 3:20 - 3:25
    この担当割では神経近傍の執刀をできる望みは
    クリスティンにはありませんでした
  • 3:25 - 3:30
    ４時間の手術で15分操作できれば
    ラッキーと言ったところです
  • 3:30 - 3:33
    彼女がうっかり間違えると
    指導医が画面にタッチして
  • 3:33 - 3:36
    また ただ見るだけになってしまい
  • 3:37 - 3:40
    教室の隅に立たされたような
    気分になるのです
  • 3:42 - 3:45
    ロボットと仕事に関する
    過去８年に行ったすべての研究は
  • 3:45 - 3:47
    この重大で未解決の問題に
    端を発しています
  • 3:47 - 3:50
    知能機械の時代に働く方法を
    どのように習得するのか？
  • 3:51 - 3:57
    これを探るため ２年半の間
    何十人もの研修医と外科医が
  • 3:57 - 4:00
    従来の手術とロボット支援手術を
    するのを観察して聴取し
  • 4:00 - 4:03
    技術習得を目指す研修医と
    色々話をしました
  • 4:04 - 4:08
    全米のトップ18の教育病院を調べましたが
  • 4:08 - 4:09
    どこでも話は一緒でした
  • 4:10 - 4:12
    ほとんどの研修医は
    クリスティンと同じ状況でした
  • 4:13 - 4:15
    「見る」機会は多いものの
  • 4:16 - 4:18
    「する」機会はほとんどありませんでした
  • 4:18 - 4:21
    実際に苦闘することができず
    習得できていなかったのです
  • 4:21 - 4:25
    これは外科医にはとても重大な事実ですが
    一般的な広がりも知る必要がありました
  • 4:25 - 4:29
    AIの利用が仕事の学習を阻害する例は
    他にもあるのでしょうか？
  • 4:30 - 4:35
    それを見出すため 私は小規模ながら拡大中の
    若手研究者グループと連携しました
  • 4:35 - 4:38
    彼らは AIが使われる仕事について
    現場調査をしていました
  • 4:38 - 4:41
    スタートアップ企業や警備
    投資銀行 オンライン教育など
  • 4:41 - 4:44
    多彩な職場環境を対象としたものです
  • 4:44 - 4:49
    私のように最低でも１年間
    何百時間もの観察と聴取を行い
  • 4:50 - 4:53
    調査対象者のそばで一緒に
    働くこともしばしばでした
  • 4:54 - 4:57
    互いのデータを共有し
    私は規則性がないか調べました
  • 4:58 - 5:03
    業界や職種やAIの種類に拠らず
    話は一緒でした
  • 5:04 - 5:08
    組織はAIで成果を出そうと
    熱心に試みていますが
  • 5:08 - 5:11
    結果として学ぼうとする人を
    熟練者の仕事から引き剥がしていました
  • 5:12 - 5:15
    スタートアップのマネージャーは
    顧客対応を外部委託しています
  • 5:16 - 5:20
    警察官は犯罪予測をどう扱うかを
    熟練者の支援なしに学ばねばなりませんでした
  • 5:21 - 5:24
    若手の銀行員は
    複雑な分析から切り離され
  • 5:24 - 5:28
    教授はオンライン講座を
    何の助けもなく作らねばなりませんでした
  • 5:29 - 5:32
    これらすべての効果が
    外科手術と同様でした
  • 5:32 - 5:35
    実務を通じて学ぶことが
    より難しくなっているのです
  • 5:37 - 5:38
    そしてこれで話は終わりません
  • 5:40 - 5:44
    マッキンゼーの推定では
    2030年までに５～10億人が
  • 5:44 - 5:48
    日常業務でAIを活用しないと
    いけなくなるとしています
  • 5:49 - 5:53
    それまでの間しばらくは
    実地での学びも継続するでしょう
  • 5:54 - 5:58
    アクセンチュアの最新の労働者調査では
    ほとんどの労働者は正式な訓練ではなく
  • 5:58 - 6:00
    実務をこなしながら
    重要なスキルを学んでいます
  • 6:01 - 6:05
    将来への潜在的な影響について
    多く語られますが
  • 6:05 - 6:09
    AIについて 現時点で
    一番大きな影響があると思われるのは
  • 6:09 - 6:12
    実地での学習が一番必要であるにもかかわらず
    それを妨げる形で
  • 6:12 - 6:14
    AIを使っているということです
  • 6:15 - 6:22
    どこでも 仕事を学ぶ方法を
    見出している人は ごく少数でした
  • 6:24 - 6:27
    彼らはルールを破るか
    曲げるかして学んでいます
  • 6:27 - 6:32
    認められた方法が実効的でないから
    ルールを曲げるなり破るなりして
  • 6:32 - 6:34
    熟練者との実地訓練を
    成し遂げているのです
  • 6:34 - 6:39
    私の例で言えば 医大で
    ロボット支援手術をする研修医は
  • 6:39 - 6:43
    総合診療医となるための教育を
    犠牲にしていました
  • 6:44 - 6:50
    彼らはシミュレータや手術の記録に
    何百時間も余分な時間をかけていますが
  • 6:50 - 6:53
    本来は手術室で学ぶべきことです
  • 6:53 - 6:57
    そして最も大切なことは
    熟練者の限られた監督の下で
  • 6:57 - 7:01
    苦心して実際の手技をやってみる方法を
    見つけていることです
  • 7:02 - 7:06
    そのやり方は ルールを曲げ
    表舞台には出ないことから
  • 7:06 - 7:08
    「影の学習(Shadow Learning)」
    と呼んでいます
  • 7:10 - 7:14
    成果が上がるので
    周りの人も黙認します
  • 7:14 - 7:17
    彼らは選りすぐりの優等生であることを
    忘れないでください
  • 7:18 - 7:21
    明らかにこれは良くないことで
    ずっと続けられるものでもありません
  • 7:22 - 7:24
    仕事上で必要な技術を学ぶために
  • 7:24 - 7:26
    解雇のリスクを抱えるべきではありません
  • 7:27 - 7:29
    一方でそのような人たちから
    学ぶ必要があります
  • 7:30 - 7:32
    彼らは学ぶために
    重大なリスクを取りました
  • 7:33 - 7:37
    仕事の中でもがき 挑戦することを
    続ける必要性を理解し
  • 7:37 - 7:40
    自分の能力をわずかに超えるような
    困難な問題に
  • 7:40 - 7:42
    立ち向かえるようにすべきと
    考えたのです
  • 7:42 - 7:45
    彼らはまた熟練者に
    そばにいてもらうようにし
  • 7:45 - 7:48
    ヒントをもらったり
    大惨事を防ぐようにしていました
  • 7:49 - 7:52
    苦闘と熟練者の支援という組み合わせを
  • 7:53 - 7:55
    AIを導入した職場に築きましょう
  • 7:56 - 7:59
    分かりやすい実例をご紹介します
  • 8:00 - 8:01
    ロボットの出現前は
  • 8:01 - 8:06
    爆発物処理技術者は
    簡易爆発物を処理すべく近付きます
  • 8:07 - 8:09
    若手職員は数十メートル離れたところで
  • 8:10 - 8:13
    ただ見守っていて 技術者が安全を確認し
    危険区域への立ち入りを
  • 8:13 - 8:14
    許可して初めて支援に出ます
  • 8:15 - 8:19
    現在では爆発物処理車に
    ２人は隣同士で座ります
  • 8:19 - 8:21
    一緒に映像を見て
  • 8:21 - 8:25
    離れた場所にいるロボットを操作し
    技術者は口頭で作業を誘導します
  • 8:25 - 8:28
    学習者はロボット出現前より
    良く学べます
  • 8:29 - 8:33
    この方法は外科やスタートアップ 警備
  • 8:33 - 8:36
    投資銀行 オンライン教育
    それ以外にも広げられます
  • 8:36 - 8:39
    幸いなことに そのための
    新たな道具があります
  • 8:40 - 8:44
    インターネットやクラウドにより
    学習者に１人ずつ熟練者がつく必要はなくなり
  • 8:44 - 8:49
    物理的にそばにいなくても
    同じ組織にいなくても良くなりました
  • 8:49 - 8:52
    また手助けできるAIを作ることもできます
  • 8:53 - 8:58
    学習者が苦闘できるようにコーチし
    熟練者がコーチできるようにコーチし
  • 8:58 - 9:01
    それらの２つのグループを
    ネットワークで繋ぐのです
  • 9:03 - 9:06
    この様なシステムを
    使っている人もいますが
  • 9:06 - 9:09
    大抵は正式なトレーニングばかりでした
  • 9:09 - 9:12
    でも もっと危機的なのは
    実地での学習のほうです
  • 9:12 - 9:14
    改善できるはずです
  • 9:14 - 9:17
    今 求められているのは
    私たちがAIの驚くべき能力を
  • 9:17 - 9:22
    最大限に生かせる仕事を
    もっとうまく創っていくと共に
  • 9:23 - 9:26
    それと同時に
    自らのスキルも高めることです
  • 9:26 - 9:29
    これこそ 私が子供の頃に
    夢見ていた未来です
  • 9:29 - 9:32
    そして それを創り出すのは今なのです
  • 9:32 - 9:34
    ありがとうございました
  • 9:34 - 9:37
    （拍手）
Title:
知能機械の時代に、どう仕事のスキルを身に付けるか？
Speaker:
マット・ビーン
Description:

何千年もの間、世界中でスキルを身に付ける方法は変わってきませんでした。熟練者の下で訓練し、まずはちょっとした容易な作業をやり、次にリスクが高く難しい作業へと進みます。でも昨今、私たちはそのやり方を阻むような形でAIを使っており、生産性を追求するあまり学習を犠牲にしているのだ、と組織エスノグラファーのマット・ビーンは説きます。何ができるのでしょうか？ ビーンは、現状を転換し、分散型かつ機械強化型のメンターシップという形でAIの優れた能力を最大限に活用し、私たちのスキルも同時に高めるというビジョンを紹介します。
more » « less
Video Language:
English
Team:
closed TED
Project:
TEDTalks
Duration:
09:50

Japanese subtitles

Revisions

Our website uses cookies for analysis purposes.