AI時代の働き方としてはいくつかのポイントがあります。すでに根性論・気合論は通用しない世の中になってきています。
高度成長期時代・バブル期時代は働いた分だけのリターンがありましたが、今はそうではない時代です。
よくMOTOGPを見ますが、40歳のバレンティーノ・ロッシが現役ライダーとしてトップ争いを未だにできるのは自分のライディングスタイルをバイクに合わせて変えているからだそうです。
最近のバイクは電子制御なので、以前のバイクとは全く異なります。それと同じでこれからAIやロボット等により、自然とワーキングスタイルも変わってくるのではないかと思います。
AIには人間はかなわない!?
業務内容にもよりますが、例えばビックデータのような大規模分析解析や定性分析解析等はすでにAIの方が強いと思います。
人間の肉体的に能力を考えても24時間同じ能力・ペースで仕事をすることはまず無理だからです。映画で言うとターミネーターの世界でしょうか。だから気合だ根性だといってもそもそも無理な話なのです。
労働生産性に関しては下記の記事↓にまとめてありますので興味のある方はご参照ください。
7割主義
日本人はどうしても完璧主義で100%を目標または求めたがりますが ITの世界においては100%というのはありえないことです。
例えばプログラミングにしても100%の完成度というのは少ないです。大手のサービスでも同様です。どうしてもバグ 不具合があるのでその部分を考慮しないといけないということになります。
また100%を求めるとなるとそれなりのコストがかかると予想されます。多分0から70%より70%から100%の部分の方がコストまたは時間的工数がかかると思います。
むしろそこにリソースやコストをかけるのではなく70%の範囲で上手く運用をしていくほうがトータル的に見るとリターンが大きいと思います。
逆に70%以下例えば30%の場合、サービスレベルが低いので、それが大きいと思われます。例えばクレーム等の発生等による余計なコストが発生しているのではないでしょうか。
ベストな割合で言うと70%前後のサービスレベルを維持することか一番いいかもしれません。
[参考サイト] 幸福度ランク「世界1位」のフィンランド、午後4時に帰る「100%を求めない」働き方(弁護士ドットコムニュース)
こだわりのポイント
7割主義似ているかもしれませんが、こだわりのポイントがずれているとやはりコストとリソースがかかります。
例えば全てITで解決しようとするパターンが実現可能なことをITで実現しようとするとそこにリソースを取られてしまい、本質を見失ってしまうことが多いです。
それは機能追加レベルでも同じですサービスを開発する上でどのくらいをサービスに求めるかというのが、非常に重要です。
全てサービスに求めてしまうとサービス自体が肥大化してしまうと、それだけコストの運用コストがかかると言うことに落ちいってしまいます。
システムにはいろいろ制約が多いです。その制約の中で最大限のパフォーマンスを得るにはどうするかを頭をひねることにリソースを注いだ方が良いでしょう。
バッファー・フレキシブルな対応(寛容性・柔軟性)
前日に書いたようにどうしてもサービス/ITの世界において100%は存在しません。バグや不具合が潜んでいることが多いです。
そうしたサービスとかにおいて、バッファー・フレキシブルな対応(寛容性・柔軟性)が非常に重要です。
むしろ100%を求めるよりバグや不具合が起こった時の改善策や回避策を用意、または柔軟に対応できる姿勢が求められます。
つまりフレキシブルな対応が重要になります。逆に言うとバッファをあらかじめ用意しておくことが重要です。
常にいっぱいいっぱいで運用している場合、バッファーがないので不具合等が起こった場合に対処するキャパを超えてしまうことがあります。
ある程度余裕がバッファーを残しておくとその部分で吸収できることになると思います。
データドリブン
実作業は人間からAI等により変わりますが、正常に動作しているかどうかのチェック作業は人間がしないといけないと思います。
分析能力と解析能力がこれからのAI時代に求められると思います分析能力解析能力にも大きく分けて2種類あると思います。
一つは定点観察の分析力と解析能力になると思います ネット広告やグーグルアナリティクスと常にデータが上がってきますが、それを定点観察でチェックすることが重要です。
定点観察でも異常値を発見する能力とこから新しい発見をする能力とに分かれるかもしれません。もうひとつの能力は膨大なデーターの中から新しい発見をする能力だと思います。
例えば全く異なるAというデータとBというデータのマージさせて、そこから相関関係を導き出す等や例えば現在のサービスの欠点や新規商品の開発等のヒントとまたそのサービスが適正かどうかのデータから判断する能力が求められます。
以前は個別にデータを見る必要がありましたが、最近ではBIツールによりAというデータとBというデータの組み合わせの表示も簡単になってきています。
結論から言うと直感的な思考力ではなくデータを基にしたデータドリブン的発想思考力がこれからは要求されるのではないでしょうか?
それはデータの精度が上がれば上がるほど思考力の精度も高まると思います。
楽をしようとする発想
勤勉な日本人の働き方で苦手とする分野ではないでしょうか。実はこの楽をしようとする発想こそが重要なのです。
産業革命自体から過去見てきても機械化されるということはそれだけ人間が楽ができるということと比例をしています。
自動車・工場の機械化等です。デスクワークももしかしたら週休3日制くらいでも実はいいのかもしれません。
その余った時間を余暇や趣味や副業等別のジャンルをすることより、さらに市場が活性化するのではないかと思います。
失敗を恐れない
以前のブログに書きましたが、WEBサイトオープンする前の社内折衝やコンプライアンス等に多大な時間と費用と労力がかかってしまい、公開したらすでにタイミングを逃していたということが多いです。
特にITベンチャー企業ではなく、一般の企業に多々見受けられます。
最初は素晴らしい斬新なアイディアの企画も、部門間のコンセンサスやコンプライアンスにより萎んでしまい、全く他と差別化のないつまらないサイトになってしまったサイトもいくつもあります。
アメリカのIT企業を見て見ると斬新なサービスが登場してくる一方で失敗もかなり多いです。GAFAのサービスで閉鎖終了になったサービスも数多いです。
失敗するのが当たり前で勉強になったレベルがちょうどいいと思います。ウェブの場合、アクセス解析等のツールがあるので仮に失敗をしてもかなりデータを取れることがあります。
そのデータが貴重なのです。逆にやらなかった場合、仮説話で終わってしまうので天と地の差があります。また経験値も上がるので、それは何事も代えがたいものだと思います。