AIは皮肉にも高等教育への需要を高める可能性がある

10年前、AI専門家のジェフリー・ヒントンは人工知能が放射線医学を壊滅させると予測した。アルゴリズムが人間よりも速く正確にX線やCTスキャンを読み取れるのに、なぜ高価な専門家を雇うのか？当時、その論理は完璧に見えた。AIはパターン認識を代替し、放射線医学はパターン認識であり、したがって放射線科医はエレベーターオペレーターのように消え去るだろう。しかし、10年経った今、逆のことが起きている。2012年から2022年にかけて、米国の放射線科医の数は約15％増加し、その中央値給与はインフレ率を上回って上昇した。AIは放射線科医の生産性を高め、彼らの仕事をよりリスクの高い解釈や相談へと移行させ、画像診断AIを臨床ワークフローに統合できる専門家への需要を生み出した。まさにその職業を排除すると予測された技術が、逆に放射線医学の専門知識の価値を高めたのである。

この結果は、医用画像をはるかに超えた教訓を与えている。数ヶ月ごとに、誰かがAIがインターネットが始めたことを完成させ、高等教育を時代遅れにすると宣言する。モデルがカントを要約し、ビジネスプランを起草し、コードをデバッグし、オンデマンドでエッセイを生成できるのに、なぜ授業料を払うのか？（過去10年ほどの間、無料で高品質の大学のオンラインコースが数多く存在していたことについても同様のことが言える）。もしAIが認知労働を代替し、大学が主に認知労働者を生み出すのであれば、大学への需要は低下するはずである。その推論は荒唐無稽ではないが、必然と捉えるべきでもない。高等教育の経済的未来は、代替よりも複雑な要因——補完性、希少性、シグナリング、知識の構造そのもの——に依存している。そして、これらのメカニズムを検討すると、AIは高等教育への需要を縮小させるどころか、特定の形態の高等教育への需要を増加させる可能性があることが理解できる。

一般的知識が安価になると、最先端知識が希少になる

まず、フリードリヒ・ハイエクがキャリアを通じて強調した知識の性質についてのポイントから始める。AIシステムは膨大な量の一般的情報を集約する。それらは分野横断的な統合において卓越している。しかしハイエクの洞察は、経済的に重要なことの多くは局所的で暗黙的であり、文脈に依存する——集約や自動化が非常に難しい、いわば「その場にいなければ」理解できない内輪のジョークのようなものだ——ということである。市場は価格を通じてこの分散された知識を調整するが、それはまさに中央当局がすべてを内面化できないからである。

大学は、その最高の状態では、最先端知識と局所的に埋め込まれた専門知識を生成、キュレーション、伝達する機関である。研究室、研究、共同プロジェクトは、まだどの訓練コーパスにも存在しない知識を生み出す。したがって、AIが既に広く知られていることにアクセスするコストを劇的に低下させると、その効果は、広く知られていないことの相対的価値が相対的に増加することである。

これは明確な代替効果であり、AIが一般的知識を自動化すれば、リターンは符号化が難しく状況判断を必要とするものへとシフトする。そして、そのような知識の生産と検証を中心に組織された機関——研究大学、高度専門職学校、専門研究所——はより価値を持つようになるかもしれない。放射線医学でこれがどのように機能したかを考えてみよう。診断AIが向上するにつれて、標準的な胸部X線写真の読み取り作業は部分的に自動化された。これにより放射線科医は複雑な症例に集中し、時間的プレッシャーの下で臨床医に不確かな所見を伝えることが可能になった。

強力なツールは高度なユーザーを必要とする

第二のメカニズムは資格認定に関わる。公共の議論では、AIが教育を受けた労働力を（完全に）代替すると想定されることが多い。しかし、汎用技術の歴史は、補完性も同様に、むしろより一般的であることを示唆している。電化はエンジニアの限界生産性を高め、コンピュータは金融専門家が定量ファイナンス、リスクモデリング、アルゴリズム取引に集中することを可能にした。ツールが強力であればあるほど、誤用のリスクは高まり、それを使用する人の判断の価値も高まる。

企業は、とりわけコスト削減とリスク管理のためにAIを採用する。そして、AIが幻覚、セキュリティ脆弱性、規制違反などの新たなリスクをもたらすとき、企業は出力を監督し検証するために高度な訓練を受けた専門家を必要とする。法律上および評判上のリスクは、多くの場合、自動化とともに増大する。医学、金融、航空、法律などの分野では、これまでより高度な自動化に伴い、より多くの資格認定と監視が行われてきた。規制や保険の構造はしばしば正式な訓練を要求する。したがって、AIは意思決定の重要性を高めるまさにその理由から、資格を持った労働力への需要を増加させることができる。

安価なシグナルが市場にあふれると、高価なシグナルが価値を増す

第三のメカニズムはシグナリングに関わる。教育は常に、人的資本を構築する機能と、能力や性格を選別する機能の二重の役割を果たしてきた。学位は、卒業生が何を知っているかだけでなく、忍耐力、誠実さ、基礎的な知能などの性格特性を示す。これが、多くの雇用主が大学の学位を重視する理由であり、たとえ専攻が仕事と無関係であっても、制度的制約の下で複数年にわたるプログラムを完了することが、その人について信頼できる何かを明らかにするからである。

AIはこの環境を複雑にする。理由は単純で、洗練されたエッセイ、コード、研究要約を生成することが些細なことになれば、低コストのシグナルが氾濫するからである。そのような環境では、雇用主はより困難な選別問題に直面する。安価なシグナルが市場にあふれるとき、経済論理はより高価で偽造が難しいシグナルへの逃避を予測する。評判の高い機関の学位——構造化された評価の下で何年もかけて取得される——は、比較的高価で偽造が難しい。簡単に言えば、AIが短期的な能力を模倣しやすくするなら、雇用主は長期的な信頼性の指標により大きく依存するようになると予想される。すべての機関がこのダイナミクスから利益を得るわけではないが、高い信頼を得ている大学には有利に働き、低い信頼の機関には不利に働く可能性がある。

分化論

これらは、AIが高等教育を完全に覆す可能性を否定するものではない。もしAIが講義配信や標準化されたコンテンツ伝達の価値を圧縮するなら、それらの側面でのみ差別化している機関は脆弱であり、それらが提供するものは代替可能だからである。将来は、コンテンツ配信者として主に機能する機関が減るかもしれない。

AIによる高等教育終焉論の誤りは、高等教育を同質な財として扱うことにある。実際はそうではない——異なるカレッジや大学に出願したことのある人なら誰でも知っているように、決してそうではなかった。ここでの経済的推論は分化を促す。高等教育の一部のセグメントは縮小するかもしれないが、最先端の研究環境と信頼できる高価なシグナルを提供するセグメントは拡大する。そのようなシナリオでは、AIがまさに優れた大学の得意分野——労働市場を調整する評判ネットワーク、最先端知識の生産、不確実性の下での判断力の育成——へのプレミアムを強化することは、経済的に極めて明快である。

影響

では、どのような機関が繁栄するのか？脆弱な機関は、おそらく主に資格取得の容易さやコンテンツ配信で競争しており、深い研究使命、強力な評判ネットワーク、または意味のあるスキル認定を持たない機関である。対照的に、恩恵を受ける立場にある高等教育機関は、最先端知識を生み出す研究集約型大学、資格認定と責任体制に密接に統合された専門職大学院（法、医、工学）、および高リスク領域でAIシステムと協働する人材を訓練する専門プログラムである可能性が高い。

この記事は予測として意図されたものではない——技術予測の歴史はゴミ箱であり、愚か者だけがそれに従事する——しかし、AIが機械的に高等教育への需要を減らすという怠惰な仮定への挑戦である。その仮定は教育を単なる情報伝達として扱い、希少性、シグナリング、責任、調整に関する経済構造を無視している。

AIの到来は高等教育への需要を崩壊させるのではなく、AIに満ちた世界における高等教育の需要によりよく応えるように再編成することを強いるかもしれない。そして、ハイエク的知識制約、生産における補完性、情報過多下のシグナリング、責任主導の資格認定といったいくつかの側面において、経済的推論を新技術に適用すると、高等教育分野での需要増加のケースが浮かび上がる。もし私の言うことが信じられなければ、放射線科医に聞いてみてほしい。