判断力こそが、シニアプロフェッショナルをジュニアの同僚から際立たせるものです。判断力を構築するには、通常は指導監督の下でのルーチンワークへの退屈だが形成的な関与を通じて、何千時間ものオン・ザ・ジョブ・ラーニングが必要です。しかし、AIはすでにオン・ザ・ジョブ・ラーニングの仕組みを変えつつあります。一方で、実証研究は、AIツールがトレーニングワークフローに思慮深く組み込まれると、経験の浅い労働者が独立したパフォーマンスを向上させることができることを示しています。他方で、最近の実験は、AIが一時的なエクソスケルトンとして即時のアウトプットを高める一方で、その利益はツールが取り除かれると持続しないことが多いことを示しています。
全米経済研究所が発表した「AI支援は専門知識を強化するか、それとも侵食するか？特許起草における3ヶ月のフィールド実験からの証拠」において、我々は知的財産法におけるAI使用による短期的生産性と長期的スキル構築の変化を捉えたフィールド実験を説明します。我々は、11の知的財産法律事務所の133人の弁護士に対して、当時未発表だったGoogle LabsのAI特許作成支援ツールへのアクセスをランダム化しました。各事務所の3分の2の弁護士（「治療」グループ）はツールへの早期アクセスを与えられ、残り（「対照」グループ）は研究終了までツールの使用を差し控えられました。
AI支援の10日後、我々はすべての弁護士に仮想的な発明の発明者資料のパケットを送り、特許の起草を依頼しました。90日後にも同じことを行いました。AIツールへのアクセスは、10日後には起草スコアを0.34標準偏差引き上げ、対照グループのスコア間のパーセンタイルランキングで10ポイントの上昇に相当しました。90日後には、この改善は0.38SDに増加し、11パーセンタイルポイントの増加を示唆しました。より良いパフォーマンスは、低いスコアの頻度の低下と良いスコアの頻度の増加からもたらされ、優秀なスコアの頻度には変化がありませんでした。このパターンは特にジュニア弁護士に顕著で、その改善には大幅な時間節約が伴っていました。
しかし、特許弁護士は、特許を裁判所で執行不能にする可能性のある重大な誤りについて互いの作業をレビューもします。我々は90日後に、多くの誤りを含む既存の仮想特許をレッドラインすることを被験者に要求する別のタスクを追加しました。このタスクは、よりシニアな労働者が行使することが期待される種類の専門的判断を反映し、AI支援がより深い専門知識を強化するか侵食するかをテストします。
出典: Google AI Blog · 要約：HeadlinesBriefing