重労働をこなすAIモデルが、必ずしも人間のスキルを向上させるわけではない

自動化とメンタリングは技術的に交わらない

イーサン・モリックは、自動化と人間の拡張との間に明らかな乖離があることを指摘しています。優れたプログラマーやアナリストであるモデルは、優れたメンターにもなるというのが一般的な前提です。しかし、新しいデータはそれが事実ではないことを示しています。ゼロから複雑なコードを素早く生成できるモデルは、初心者がどこで間違えているのかを効果的に説明できないことがよくあります。

自律化へのプレッシャーが教育を犠牲にする

可能な限り最高のエージェントを構築するというプレッシャーにより、企業は自動化のみに集中せざるを得ません。モデルが1回のクリックで機能し結果を出すように訓練されていれば、会話やフィードバックの訓練は行われません。その結果、素晴らしい作業機械ではあっても、ひどい教師になってしまうのです。

メンタリングには専門知識以上のものが求められる

ツールの開発者が人々の働き方を真に改善したいのであれば、タスクを引き継ぐモデルだけに頼ることはできません。開発の観点から見ると、自動化と拡張はまったく異なる2つの分野です。後者には、ドメイン知識だけでなく、学習プロセスへの共感、情報を構造化する能力、適切なタイミングで適切なフィードバックを提供する能力が求められます。

コントロールの放棄が専門家の不足を招く

このことに気づかない企業は、多くの仕事をソフトウェアに置き換えるかもしれませんが、AIを使って自社の専門家を育成する機会を失うことになります。結局のところ、エンタープライズAIの真の成功基準は、AI自身が書いたコードの行数だけでなく、一緒に働いた開発者をどれだけ向上させたかということになるでしょう。

Lilithの判定

世界最速の計算機を作ったというのに、それが小学校の算数を教えられないと驚いているのです。