生成AIは人間が主導する場合にのみイノベーションを促進できる

2024年10月21日

当記事のリンクにはアフィリエイト広告が含まれています。

ChatGPTやDall-Eなどの生成AIツールは、特にイノベーションに依存する業界において、創造的な作業の方法を変えつつある。

しかし、イノベーションプロセスにおけるAIの使用には慎重な検討が必要である。我々の研究によれば、成功の鍵は人間とAIの両方が果たす異なるが補完的な役割を理解し、活用することにある。

イノベーションは、今日成功したいと考えるあらゆる企業にとって不可欠である。実際、83%の企業がイノベーションを最優先事項と考えているが、この優先事項を行動に移す準備ができているのはわずか3%である。これは、企業がいかにイノベーションへのアプローチを改善する必要があるかを示している。

イノベーションとは、実質的な改善をもたらす複雑な問題を解決することである。それは単に良いアイデアを思いつくことだけではなく、情報を使用して価値あるものを創造するプロセスである知識労働も含む。

生成AIは知識労働を容易にすることでイノベーションの準備を整えるのに役立つが、この分野における生成AIの潜在能力は未だ十分に理解されていない。

デザイン・スプリント

新興デジタル技術の専門家である学術研究者と、人間中心のイノベーションプロジェクトをリードした経験を持つ実務家を含む我々のチームは、3つの組織におけるデザイン・スプリントでの生成AIの使用について詳細な研究を行った。（この研究は事前印刷版として公開されており、査読付きジャーナルに投稿されている。）

デザインス・プリントは、重要な問題を解決するための迅速で構造化されたプロセスであり、製品、サービス、または戦略が機能するかどうかをチームがテストするのに役立つ。スプリントは従来の製品開発のリスクとコストを削減するため有用である。

デザイン・スプリント中、異なる部門から5〜7人の少人数のチームが数日間集中的に問題解決に取り組む。彼らの作業は、活動を組織し、チームを導き、進捗を追跡し、目標を明確にし、時間を効率的に使用することを確実にするファシリテーターによって調整される。

デザイン・スプリントの最初の段階は問題の理解と定義に焦点を当て、2番目の段階は解決策の創造とテストに関するものである。両段階とも、チームが2つの主要な思考タイプを使用することを要求する：

発散的思考：多くの異なるアイデアと可能性を生み出すこと。
収束的思考：それらのアイデアを絞り込んで優先事項や解決策を特定すること。

我々の研究は、ファシリテーターがChatGPT、DALL-E 3、Uizardなどの生成AIツールを使用して、チームが発散と収束の両方に効果的に取り組むのをどのように支援したかを調査した。

3つのイノベーション・プロジェクトで用いられたデザイン・スプリント・プロセス。(Credit: Cédric Martineau, Carverinno Conseil)

AIと人間の協働

発散的思考活動において、生成AIを使用することの主な利点が2つあることがわかった。第一に、出発点として基本的なアイデアを提供することで、チームがより多くの可能性を探求することを促した。第二に、チームメンバーからの不明確なアイデアを言い換えて統合することを助け、最終的にチーム内のコミュニケーションを向上させた。

ある参加者は次のように述べた：

「時々、たくさんのアイデアがあり、AIがそれらを簡潔な文章にまとめてくれました。これによって私たちはそれを把握できるようになりました。基盤を与えてくれたのです。みんなが貢献した多くの断片的なアイデアがあり、今や私たち全員が同意するテキストができました。このようにして、私たちは同じ基盤から出発し、それが前進するためのスプリングボードとなりました」。

したがって、生成AIの真の価値は、それ自体が素晴らしい新しいアイデアを提供することではなく、そのプロセスから生まれる貴重な相乗効果にあった。チームメンバーは文脈的な知識を使用してプロセスを管理し続け、AIは彼らのアイデアをより良く伝え、探索を拡大し、可能な盲点に対処するのを助けた。

より良い情報に基づいた決定

アイデア生成の要求の高いセッションの後、チームが決定を下さなければならない収束活動では、異なる力学が観察された。その時点で、チームメンバーは通常精神的に疲れ果てていた。生成AIは、この部分での重労働を行うのに特に役立った。

AIは、再定式化、要約、整理、比較、オプションのランク付けなど、チームの意見調整に必要な情報集約型のタスクを管理するのに役立った。これによりチームメンバーの精神的負担が軽減され、アイデアの評価など重要なタスクに集中できるようになった。このプロセスにおいて、チームは以下の責任を負った：

AIの出力をチェックし、内容が正確で有用であることを確認する。例えば、ChatGPTとUizardはコンセプトを検証するためのドラフトシナリオとプロトタイプドラフトの作成を支援したが、チームはそれらをプロジェクトの目標に合わせて洗練する必要があった。
実現可能性、倫理、長期的な戦略的影響などの要因を考慮し、最終決定を導くために自分たちの洞察と文脈的なニュアンスを加える。

ある参加者は次のように述べた：

「時々、AIは私たちにとって重要でない細部に焦点を当てることがありました…時には一般的な統合ではなく、よりパーソナライズされた入力が必要でした」。

全体として、収束活動におけるこの形の人間とAIの協働は、チームがどの問題に焦点を当て、どの解決策を追求するかについてより良い情報に基づいた自信のある決定を下すのに役立った。これにより、彼らはスプリントの最終成果をコントロールしているという感覚を持つことができた。

ある参加者は次のように述べた：

「成功要因のような重要なことについて決定を下したり投票したりするような重要な段階では、何が重要かを決定するためにAIだけに頼るとすれば、拒絶反応があるでしょう。私たちの方が判断に適しています。私たちが最終的な解決策を実行する従業員なのです」。

課題と機会

認知的自動化とインテリジェント自動化に関する研究と一致して、我々は生成AIが、不明確に表現されたアイデアの言い換え、情報の要約、チームメンバーの貢献におけるパターンの認識など、認知的に要求の高いタスクを処理するのに大いに役立つことを発見した。

イノベーションにおける生成AIの使用に関する主要な課題は、人間の関与を置き換えるのではなく、補完することを確実にすることである。AIは有用な仲間として機能する可能性があるが、過度に使用するとチームの関与やプロジェクトの所有感を減少させるリスクがある。

デザインスプリントのファシリテーターは次のように述べた：

「実現可能性は望ましさとバランスを取る必要があります。技術的にはプロセスのほとんどを自動化できますが、それは喜び、相互作用の必要性を殺してしまい、人間の疑問に対処されません。さらに、人間が問題を所有する必要があります – これらはすべて人間中心のイノベーションプロセスにおいて不可欠な要素です」。

したがって、健全なバランスを維持するためには、このプロセス内でのAIの影響を定期的に評価することが重要である。自動化は創造性と意思決定を強化すべきであるが、イノベーションの中心にある人間の洞察を損なうべきではない。

AIが発展し続けるにつれて、イノベーションにおけるその役割は拡大するだろう。AIをワークフローに統合する企業は、現代のイノベーションの急速な要求に対処するためのより良い装備を整えることになる。しかし、この協働が効果的であることを確実にするためには、AIと人間の両方の強みと限界を理解することが重要である。

この記事はCarverinno ConsultingのCEOであり、イノベーションマネジメントコンサルタントであるCédric Martineauとの共著である。

本記事は、HECモントリオール校情報技術学部准教授 Camille Grange氏、HECモントリオール校情報技術学部博士研究員 Mickaël Ringeval氏、モントリオール・ケベック大学（UQAM）アナリティクス・オペレーション・情報技術学部教授 Simon Bourdeau氏、HECモントリオール校情報技術部門助教授 Théophile Demazure氏らによって執筆され、The Conversationに掲載された記事「Generative AI can boost innovation – but only when humans are in control」について、Creative Commonsのライセンスおよび執筆者の翻訳許諾の下、翻訳・転載しています。