AIリテラシーは法律で定められているが、無視すれば自己責任

AI リテラシーの時間は刻々と迫っています。なぜ今行動すべきなのか、AI リテラシーの 6 つの柱とは何か、そしてそれをどのように構築できるのか。

導入

2023年は世界がAIに方向転換した年でした。私が実用的なAIコースの開発を始めた年でもありました。その過程で、私は他人に教えることで自分自身も学ぶということを改めて確認しました。この旅で私が学んだAI、AIリテラシー、AIコース、実用的な知識についてご紹介します。AIリテラシーは2025年2月から規制上の要件となるため、今こそ行動を起こす時です。

初めて組織に「AI を教える」ように依頼されたとき、その要件は期待と同じくらい漠然としたものでした。AI の誇大宣伝が高まり、イノベーションに対して消極的なアプローチを取っていた組織でさえ、皆が話していることに追いつかなければ遅れをとるリスクがあると感じていました。それは次のようになりました。

技術的な背景が全くなく、テクノロジー自体の使用経験も非常に限られている一方で、AI に関する誇大広告、誤情報、偽情報の集中砲火にさらされている人々に、この複雑な主題をわかりやすく伝えるにはどうすればよいでしょうか。

半日のワークショップで、誤解を解き、重要な概念を説明し、ユースケースを共有し、考える材料を提供し、実践的なスキルを教え、すべてをわかりやすく、理解しやすく、バランスが取れていて、楽しいものにするにはどうすればよいでしょうか。

そのため、私は時間をかけて真剣に考えるだけでなく、適切な資料を見つけて準備することにも力を入れました。大変な作業でしたが、やりとりとフィードバックのおかげでやりがいを感じました。さらに、この演習で私自身の知識も深まりました。AI へのアプローチを体系化し、聴衆が共感できる形で表現し、実行可能なものにする必要に迫られました。

この場合、実用的な部分は実際にはあまり進みませんでした。私たちは、GenAI ツールの選択と使用に関する基準と手法に限定しましたが、これはほとんどの人が今でも AI と結び付けているものです。コースの主な目的は、AI に関する十分な背景知識と知識を得て、さらなる投資が正当化されるかどうかを評価することでした。ミッションは達成されました。

AIリテラシーのビジネスケース

私は、最初の Pragmatic AI コースを準備して提供していたときに、特に AI リテラシーについて考えていたわけではありませんでしたし、おそらく組織もそうだったでしょう。私たちは、学習者に必要な知識とスキルを提供することを目的とした、仕事を成し遂げることに集中していました。ほとんどの人にとって、 AI リテラシーという用語は、EU AI 法の結果として注目を集め始めました。

組織は、騒ぎが収まり要件が明確に定義されると、規制遵守について考え始める傾向があります。EU AI法は2023年にはまだその段階に達していませんでした。EU AI法の最初の規定は2025年2月2日に発効し、その1つはAIリテラシーの法的要件です。

AI法第4条では、「AIシステムの提供者及び導入者は、その職員及びその代理としてAIシステムの運用及び使用に携わるその他の者の技術的知識、経験、教育及び訓練並びにAIシステムが使用される状況を考慮し、また、AIシステムが使用される個人又は個人グループを考慮して、最大限にその職員及びその職員及びその職員に代わってAIシステムの運用及び使用に携わるその他の者のAIリテラシーを十分に高めるための措置を講じなければならない」と規定されている。

この要件を満たす上で、「AIリテラシー」とは、AI法の文脈におけるそれぞれの権利と義務を考慮し、提供者、導入者、影響を受ける人が、AIシステムを情報に基づいて導入し、AIの機会とリスク、およびAIが引き起こす可能性のある危害について認識できるようにするスキル、知識、理解を意味します（第3条56項）。

見方によっては、それは柔軟に聞こえるかもしれませんし、漠然と聞こえるかもしれません。要点は、第一に、AI システムを構築または導入する組織は、従業員の AI リテラシーを確保する必要があること、第二に、AI リテラシーが正確に何であるかは状況によって異なることです。EU AI 法の義務はまだ直接施行できないかもしれませんが、時間は刻々と迫っており、実装のタイムラインに先んじるのが最善です。

リーダーの 82% は、従業員が AI の進歩に備えるために新しい能力を必要としていることを認めており、従業員の 60% は、仕事を効果的に遂行するためのスキルが不足していることを認めています。 ガートナーによると、「2027 年までに、最高データおよび分析責任者 (CDAO) の半数以上が、データ リテラシーと AI リテラシー プログラムのための資金を確保する」とのことです。

AIリテラシーの6つの柱

AI リテラシーの決定的な枠組みを探しているなら、文献を調べるのが理にかなっています。Almatrafiらは、2019 年から 2023 年の間に公開された AI リテラシーの概念化、構成、実装、評価の取り組みを調査しました。彼らが指摘しているように、ドメインや実装レベルに応じて、AI リテラシーにはさまざまな定義があります。

定義はさまざまですが、AI リテラシーのレビューでは、合計 47 の記事にわたって、AI リテラシーの 6 つの主要な構成要素 (認識、認識と理解、使用と適用、評価、作成、倫理的なナビゲート) が特定されました。

認識と理解

認識とは、AI を活用した技術ツールとそうでない技術ツールを区別する能力を指します。これは、「AI とは何か?」という質問に帰着します。

知ることと理解することは、AI の基本的な概念と技術を理解する能力を指します。これには、事前の知識を必要としない基本的なスキル、知識、概念を習得することが含まれます。たとえば、AI が機械学習技術を通じて入力データを処理して出力に到達する方法を理解することです。

アプリケーションと実装

使用と適用。この構成は、運用面、具体的には AI アプリケーションとツールを使用する能力と、タスクを達成するために AI の概念を適用および統合する能力に重点を置いています。これは、人間と AI のコラボレーションと相互作用における人間の役割、仕事に関連する能力、目的を達成するために AI ツールを適応させる能力にも関連しています。

評価と倫理

評価。これには、AI アプリケーションの結果を批判的に分析および解釈する能力が含まれます。AI の技術的側面を包括的に理解することで、個人は AI テクノロジーとのやり取りについて検討し、情報に基づいた意見を形成することができます。

倫理的に行動する。AI リテラシーのある人は、公平性、説明責任、透明性、倫理、安全性、プライバシー、雇用、誤報、倫理的意思決定、多様性、偏見などの倫理的問題を理解し、判断できなければなりません。

開発と創造

作成。この構成概念は、AI アプリケーションを設計およびコーディングする個人の能力を強調します。一部の研究者は、「作成」は AI リテラシーとは相関しないため、AI リテラシーに関連する別の構成概念として考慮されるべきだと主張しています。しかし、研究結果と現場での経験の両方が証明しているように、この点は実際には最も重要な点です。

実践的な学習がAIの理解をどう変えるか

さまざまな教育イニシアチブを検討した結果、AI リテラシー レビューからいくつかの重要な AI の発見が浮かび上がりました。際立っているのは、プロジェクト ベースの学習とアプリケーション開発の効果です。このアプローチは、AI リテラシーの他の側面、つまり AI アプリケーションの理解、評価、倫理に大きくプラスの効果をもたらしました。これは極めて重要です。

Pragmatic AI コースの当初の成功を基に、私はさらに多くの組織にこのコースを提供するよう依頼されました。このコースは、さまざまな背景、目標、タイムラインを持つ学習者によって提供され、評価されました。企業から NGO まで、4 時間から 4 日間、マネージャーから弁護士、クリエイター、起業家、サポート担当者、コンサルタント、経営幹部まで、さまざまな人々が受講しました。

状況や設定に関係なく、私の経験では一貫しており、すべての評価に存在していた 2 つの点があります。1 つ目は、学習者がコースの実践的な部分に対して示した感謝の気持ちです。2 つ目は、実践的な部分をもっと含めるようにという要望です。実践的な体験が AI リテラシーを向上させる方法については、数多くの逸話を共有できます。

学習者がコード不要のツールを使用して画像分類用の独自の AI モデルを作成するように求められたときのことを考えてみましょう。多くの学習者がデータセットへのアクセスと評価に苦労していた一方で、最も技術的に進んだ学習者の 1 人がデータセットのサブセットでツールを使用することができました。

学習者は、自分のマシンでのトレーニング プロセスがいかに遅いか、またデータセットがいかに大きいかを見て、データセットを学生間で分割したらどうかという提案をしました。1 人の学生がクラス A の画像を処理してモデルをトレーニングし、別の学生がクラス B の画像を処理してトレーニングする、というように進めます。それがどのようにして多数のモデルにつながるかを議論し、演習を完了する方法を見つけることは、非常に貴重なレッスンでした。

AIの理解からAIを使った構築へ

プロジェクトベースの学習アプローチの重要性が明確に強調されている調査結果から、これらが AI リテラシー プログラムの中心となることが期待されます。しかし、これは真実とは程遠いものです。AI リテラシー レビューで調査された取り組みの大半は、「知ることと理解すること」に重点が置かれていました。次に「使用と適用」、「評価」、「倫理的なナビゲート」、その次に「認識」、最後に「作成」でした。

経験から、これらの研究結果は裏付けられています。過去数か月間、私はトップクラスのオンライン教育プラットフォームへのアクセスを武器に、発見の旅に乗り出しました。その目的は、AI トレーニング プログラムに関してどのようなものがあるかを調査および評価することでした。AI リテラシー レビューとは範囲とコンテキストが異なりますが、結論の一部は重複しています。

AI リテラシーのレビューにはさまざまな対象者を対象としたトレーニングが含まれていましたが、私が調べたのは専門家だけを対象とした多数のオンライン トレーニング コースでした。コースは初級レベルから上級レベルまで多岐にわたりました。ここで私が見つけたのは、明確な二極化でした。

技術的背景のないユーザーを対象としたコースは、ほとんどが「ChatGPT を X に使用する」のバリエーションでした。技術的ユーザーを対象としたコースは、ほとんどが「Python での Y 入門」のバリエーションでした。技術的なコースの中には、かなり良いものもありました。非技術的なコースのほとんどは、あまり良くないものから、まったく誤解を招くものまでさまざまでした。

私の研究で最も印象的だったのは、非技術系のユーザーは、大規模な言語モデルの実行以外、何も実践できないとみなされているという事実です。しかし、私の経験ではそうではありません。ビジネス ユーザーに Python のコーディングを教えるのは無意味かもしれませんが、直感的で役立つ基礎を練習させる方法はあります。

これは、AI リテラシー レビューの重要な発見でもありました。プログラミングの知識は、AI の概念を学ぶための前提条件ではないようです。3 歳の子供でも AI の概念を理解できます。コードを書けないからといって、考えることができないわけではありません。

現在の AI トレーニングがビジネス リーダーに役立たない理由

AI プロジェクトの実装数が増えるにつれて、熟練した専門家であっても、AI を管理および適用するために AI 開発のニュアンスに改めて目を向ける必要が生じています。経営幹部、マネージャー、コンサルタントは特に関心の高い層であり、AI の基礎を理解する以上のことを求める声が高まっています。起業家やクリエイターは、生産性を高めるために AI を採用しています。

学習の最良の方法は実践することであり、これはすべての年齢層にとっての指針となるべきものです。AI を深く理解するには、さまざまな種類のデータ、分析、データ サイエンス、データ管理、ガバナンスの実践とツールを理解し、探求する必要があります。これらは、専門家向けの AI 教育コースにはまったく含まれていないか、別のコースで部分的にカバーされています。

同様に印象的なのは、教育コースにおける Generative AI のほぼ絶対的な優位性です。私がレビューしたコースのうち、GenAI 以外のアプローチに焦点を当てたモジュールが含まれていたのは 10% 未満でした。機械学習以外のアプローチについては、文字通り存在しませんでした。AI には、実際にはこれ以外にも多くのものがあります。

コーダーにとっても、そうでない人にとっても、ほとんどのコースには共通点が 1 つありました。それは、ChatGPT や OpenAI API などの特定のソリューションに過度に依存していることです。これはある程度理解できますが、必ずしも賢明なことではありません。

実装と実践には特定のソリューションを使用する必要がありますが、ChatGPT と OpenAI API はおそらくほとんどの人が認識しているものです。しかし、いくつかの理由から、必ずしも教育コースに最適な選択肢であるとは限りません。少なくともプログラマーにとっては、汎用 Python、PyTorch、Keras など、一部のコースで利用されている代替手段と抽象化レイヤーがあります。

こうした幅広いコースをレビューすることで、貴重な洞察が得られました。一部のコースは、主題を説明する実例ビデオを備え、思慮深く設計されていました。他のコースは、プレーンテキスト ドキュメントへのアクセスのみを提供していました。一部のコースでは、シラバスに演習 (通常は多肢選択式テスト) が組み込まれていました。多くのコーダー向けコースには、学習者が特定のタスクを完了するよう求められるラボ モジュールも含まれています。

しかし、どのコースも、最もダイナミックでクリエイティブなプロフェッショナル層のニーズに合わせた総合的なアプローチを提供していません。これは、初級レベルのレシピ、断片的な断片、専門用語を超えたアプローチです。

すべてをまとめる

AI リテラシー レビューの調査結果と、AI プロジェクトの開発と管理、AI コースのレビューと受講を通じて得たアイデアと経験、そして Pragmatic AI ワークショップで得たフィードバックを組み合わせることで、学習者のニーズに応える総合的なコースの強固な基盤が構築されます。

この記事の続編では、AI リテラシーについてさらに詳しく説明し、それを開発するための実行可能な計画を次のように共有します。

• スキル評価フレームワークの提供
• チーム開発戦略の概要
• 総合的なAIリテラシープログラムの詳細
• 成功事例の共有

Orchestrate all the Things ニュースレターを購読して、見逃さないようにしてください。

まもなく、史上初のオープンオンサイト Pragmatic AI コースの完全なプログラムが公開されます。2025 年の AI リテラシー トレーニングを確保しましょう。このクラス最高の AI リテラシー プログラムに優先的にアクセスするには、今すぐ事前登録してください。席数に限りがあります。