米MITで興味深い研究がされました。
対象はヘルスケア関係者でR&Dを担当する研究者で、目標とする特性を指定するとそれを達成するような化合物候補を自動生成する逆問題を解くものでした。
当ツール導入前に比べて44%多くの材料が発見できたようですが、個人的に興味深かったのは以下２点です。
上位10%の研究者は材料発見率が81%向上したのに対して、下位2/3の方々はほとんど変わらなかったこと
上位問わず、全研究者の44%の仕事への満足度が減少したこと
上記から、AI社会になると以下顕著になるのではと思っています
AIが使えるようになるとそのドメインの知識や経験が多いほど、よりパフォーマンスを発揮できる、つまり勝ち負けは今後もっと大きくなり、貧富の差はより大きくなる
たとえAIを使用して、業務効率化されても、創造的な箇所をAIに奪われると、自分の専門スキルが十分に生かされてないと感じ、人間の意欲が下がりかねない
以下英語ですが、該当する論文です。
https://aidantr.github.io/files/AI_innovation.pdf
ISAOの管理部門のAI導入事例
AIは、こうした小さな「動かない」でつまずきます。ISAOは、その先——実際の業務に
AIを乗せて回すところまでを、お客様の管理部門と一緒に進めています。
月次決算の工数を50%以上削減｜東証グロース上場企業A社
少人数の経理財務部門で、決算業務を1本ずつAI化。外注に頼らず社内で決算を完結
できる体制をつくりました。（Claude Cowork／Microsoft 365 Copilot）
全社でAIを使わない日がない状態へ｜医薬品・上場準備企業
ツールを配って終わりにせず、顧問として伴走。安全に使える環境の整備から
リテラシー向上まで。G検定の合格率は100%。
収益認識の判定をAIエージェント化｜創薬支援CRO
月100件を超える契約の収益認識判定を、監査証跡を保ったままAIがドラフト。
ドラフト・レビュー工数を75%以上削減しました。
「AI管理部長」を数年かけて共同研究｜東証上場のIT企業
管理部門の業務をAIが担う仕組みを研究。汎用LLMで足りる部分と、自社で作り込む
べき部分の線引きを実務で検証しています。
