LO20件の引用6の節
AIは実際にいくつの職を奪ったのか——確かめられた数字のすべて
一つの数字は存在しないし、その正直な理由はデータが欠けているからではない——公表されているほぼどの数字も、職以外の何かを数えているからである。以下は、こちらで確かめられた一つひとつと、それが実際に何を数えているかである。
読む →一度に一つの問いを、記録から答える
職業のページは参照するものです——何かを調べに行くところです。こちらはもう一方のもの——こちらが持っているすべての検証済みの記録を横断して、人が実際に問う問いについて論じたものです。
一つの規則が、これを意見のページと分けています。そしてそれは善意ではなくテストによって守られています——どの節も、検証済みの記録か業務の判断を引かなければなりません。引用のない節はビルドを落とします。引用は節ごとにその下に印刷され、記録へ直接つながります——出典と、適用範囲と、誰が検証したかとともに。
21件の引用8の節
実際に自動化されるのは何か、そしてそれを前もって見分ける方法
業務の難しさではない。報酬の高さでもない。ある業務が動いたかどうかを予測している性質は、人間以外の何かが「それは間違っている、やり直せ」と言えるかどうか——そして疲れずに、一晩で千回それを言えるかどうかである。
読む →44件の引用12の節
熟練職のAI:いま何をし、誰がなお署名するのか
十余りの熟練職を並べてみると、同じ形が現れる。機械は、仕事のうち材料を生み出す部分——写真、下書き、スクリプト、定型の変更——を引き取り、しかもそれを速くこなす。機械が引き取っていないのは、その材料が正しいという決定であり、これらの職の大半では、その決定は資格を持つ名前のある人に属し、その人が署名する、と法が定めている。
読む →18件の引用6の節
なぜ誰も、あなたに残された年数を言えないのか
こちらはこれに数字で答えることを拒み、その拒否は構築を落とすテストによって守られている。以下はその背後にある論である——年数の見積りに要る材料は、一つ残らず、測られていないか、逆戻りしうるか、あるいはまだ決めていない誰かが決めることである。
読む →40件の引用6の節
AI規制と仕事:EUのAI法はすでに何を求めているか
AIと仕事についての文章のほとんどは、技術が到来し、そのあとで職が変わる、と描く。検証済みの記録のなかで最も多い順序は逆である——規則が義務を生み、その義務が名前のある職に落ち、そして何も導入されないうちに、誰かの職務記述書に一段落が増える。
読む →10件の引用5の節
AIが会社の中で実際に落ちる場所と、それを担う人
導入は報道が思わせるより狭く、いつも同じ三つの場所に落ちる。面白い問いは、どの機能が道具を買うかではない——道具が生む仕事をどの職が引き受けるかであり、検証済みの記録のなかで、その職はほとんどの場合、それを選んだ職ではない。
読む →8件の引用5の節
AI動画パイプラインが編集から実際に取り去るもの
五つの作業のうち二つはほぼ完全に消えた。最も仕様化しやすかったから、最初に消えた。消えなかった二つはかえって高くついた。パイプラインは、こちらが課した判断力をそのまま何倍にも増幅するからだ。五つ目は自動化されたのではない——依頼を出していた人ごと、削除された。
読む →13件の引用6の節
エージェントがコードを書くとき、エンジニアには何が残るのか
動いたのは打鍵であって、仕事が消えたのではない。数字が公表されている唯一の大規模なエージェント主導の移行では、人が送ったメッセージの大半が、レビュー、テスト、CI に、設計の決定への異議に、そして作業を完了まで押し切ることに向けられていた。その周りの記録は、その仕事がなぜ縮まないかを語っている——速い出力は正しい出力と同じではなく、しかも使われるほどに、出力への信頼は下がっている。最も大きく変わったのは入口の扉であって、その内側の仕事ではない。
読む →