AIの知識労働での改善には、自律的な自己改善の仕組みか、誤りを見抜き質の高いフィードバックを作れる人間の評価者が必要です。だが業界は前者に巨額投資してきた一方、後者への投資はほとんど進んでいないと指摘されています。
記事では、主要テック企業での新卒採用が2019年以降に半減したことなどを挙げ、文書レビューや初期調査、データクリーニング、コードレビューといった業務がモデルに置き換わりつつあるとしています。
さらに、強化学習の成功例は環境が安定し報酬が明確な場合に成立しやすいが、法律や医療などの領域は規則が動き報酬も即時に確定しないため、評価ループを人間なしで閉じにくいと述べます。
加えて、専門家を育てる入口となる初級職が先に自動化され、次世代の評価できる人材が蓄積されない「形成問題」も問題だとしています。
ルーブリック評価は一定の効果があるものの、書いた人が測れる範囲に限られ、直感的に「違和感」を捉える深い判断は反映しにくいとも指摘されました。
著者は、能力向上を止めるべきだとは主張せず、評価ギャップを能力獲得と同等の緊急度で研究課題として扱う必要があると結論づけています。
参照元：2026/05/17 「The enterprise risk nobody is modeling: AI is replacing the very experts it needs to learn from」 https://venturebeat.com/technology/the-enterprise-risk-nobody-is-modeling-ai-is-replacing-the-very-experts-it-needs-to-learn-from
この記事へのリアクション
このニュースをどう受け止めましたか？
Reader Reaction
コメント