大規模言語モデルが、どの職業の、どのタスクに影響しうるのかを体系的に推定した研究が、Eloundouらの「GPTs are GPTs」です。学術誌Scienceに掲載されたこの研究の考え方と数字の意味を整理します。

研究の方法：タスク単位での評価

研究では、米国の職業情報データベースに記載された各職業のタスクについて、言語モデルを使うことで所要時間を半分以上短縮できるかを、人間とモデル双方による評価で判定しました。職業そのものではなく、タスクを単位として影響の範囲を推定する点が、この研究の方法的な特徴です。

結果：8割の労働者に何らかの影響の可能性

推定では、米国の労働者の約80％が、少なくとも1割のタスクに影響を受けうる職業に就いており、約19％はタスクの半分以上が影響を受けうる職業でした。ただし、これは「影響を受けうる」という潜在的な範囲の推定であり、実際に仕事が失われることや、すでに変化が起きたことを示す数字ではありません。

数字の使われ方への注意

この研究の数字は報道などで広く引用されてきましたが、著者らが測ったのは曝露、すなわち影響の可能性です。その後の実証研究では、実際の賃金や雇用への効果は限定的だったとする結果も出ています。推定と実測を区別して引用することが、出典でも前提とされています。

職業ではなくタスクで仕事を見る視点は、人材育成や業務設計の議論でも使われています。自社の業務をタスク単位で棚卸しする際の考え方の源泉の一つです。

この研究を読む際の前提

研究結果を実務に参照する際は、対象となった職種、課題の種類、使用されたモデルの時期という3つの条件を確認することが前提になります。実験や調査で測られた効果は、その条件のもとでの平均的な傾向であり、個々の企業や従業員の結果を直接予測するものではありません。また、短期の課題で測られた効果と、継続的な業務や組織全体の成果との間には隔たりがあることも、複数の研究を並べると見えてきます。本記事で紹介した数字は各研究の公表時点の情報に基づきます。最新の研究動向や原典の記述は、出典の一次情報をご確認ください。こうした前提を押さえた上で読むことで、数字の大きさだけに引っ張られない形で研究を参照できます。

なお、本記事は公表情報の整理を目的としたものであり、特定の製品や手法の導入を推奨するものではありません。条件の異なる組織への当てはめについては、各組織の業務内容や体制に照らした個別の確認が必要です。編集部では、続報や新たな公表があった場合は、その都度内容を確認してまいります。

出典：Eloundou, Manning, Mishkin & Rock「GPTs are GPTs: Labor Market Impact Potential of LLMs」Science 384巻（2024年6月、arXiv版）。http://arxiv.org/abs/2303.10130

※本記事の数字は各出典の公表時点の情報に基づきます。最新の内容は出典の一次情報をご確認ください。

あわせて読みたい