独自の研究判断
92証拠がまだ存在せず、それで学習させることもできない段階で、どの問いに何年もの労力を注ぐ価値があるかを決めることは、この職業を定義する行為であり、既存の文献に基づいて構築された生成システムがまさに最も弱い部分である。
教授の最も目に見える成果物である講義こそ、機械が最もよく複製できる仕事の部分である。録画された講座は何百万人にも拡大し、AIチューターは午前3時でもオフィスアワーなしに答え、自動採点システムは多くの大学ですでにコードや短答式の答案を採点している。もしこの仕事がコンテンツ配信だけであれば、深刻な危機に陥っているだろう。
しかし大学が教授に対価を支払う主な理由は、コンテンツを配信させるためではなく、知識を生み出させ、能力を認定させ、研究者を養成することでこの職業自体を再生産させるためである。これらの機能は、何が真実で何が重要かについての判断に基づいている――まさにここが、既存の文献を統合するだけで拡張はしない現在のAIが、答えに責任を負う人間の手の中の道具にとどまっている領域である。
低
Share of the work a machine could do
この仕事のコンテンツ配信と一次評価の層――収録・AI補助の指導、日常的な採点、文献のふるい分け、事務報告――は今すぐ、あるいは近いうちに自動化可能である。中核部分――どの研究の問いに取り組む価値があるかを選ぶこと、見習い研究者を指導すること、何が学問の正典に入るかを審査すること、そして学生の能力認定に答えることは、現行のどのシステムも担いえない、責任を伴う専門的判断を要する。現実的な近未来は、純粋な教育専任職の減少と、教授一人あたりの機械活用の増大であって、講座そのものの消滅ではない。
Scored from the tasks, not the job title. Lower is safer.
Jobs AI cannot take →What machines cannot take
メンタリングと博士課程の指導
85研究者を育てるには、信頼関係の中で何年もかけて個別に調整された挑戦、励まし、そして誠実な訂正を要する。それは徒弟制度であり、徒弟制度はこれまで道具によって提供可能になったことがない。
認定に対する説明責任
78学位が信頼されるのは、名前と資格を持つ人間がその証明に責任を負うからである。その判断を、操作されうるシステムに全面的に委ねることは、大学が売る信頼そのものを浪費することになる。
生きたソクラテス式の教室
68教室の空気を読み、流されている学生に問いを突きつけ、隠れている学生を引き出す――この即興的で社会的な生の教育の技芸は、コンテンツ配信が自動化されてもなお長く自動化に抵抗し続ける。
分野の制度的な管理
60学術誌を編集し、争いを審査し、カリキュラムと基準を定める――この職業は自らを統治しており、自己統治には仲間の判断を正当と認めるメンバーが必要である。
What they already take
講義コンテンツの配信
75収録された講座、MOOC、AIチューターはすでに大規模に入門教育を担っている。コンテンツが標準化されれば、限界的な講義は教授の一週間のうち最も代替されやすい時間となる。
文献検索と統合
72AIシステムは今や文献レビューを起草し、何千もの要旨を数分でスクリーニングし、関連する引用文献を旗立てする――かつては研究プロジェクトごとに何週間も、博士課程学生の最初の一年の大半を費やした作業である。
一次採点とフィードバック
68自動採点システムはプログラミング課題を十年にわたって採点しており、エッセイの採点・フィードバックシステムもますます日常的な評価を扱うようになり、教員には争いのある高リスクな案件だけが残されている。
授業運営と質疑応答
62ジョージア工科大学の「ジル・ワトソン」は2016年、大半の学生に気づかれないまま日常的な掲示板の質問に答えていた。スケジューリング、シラバスの問い合わせ、締め切りの事務処理はまさにこの種の自動化可能な業務である。
How the work is changing
反転授業がデフォルトになる
動画、適応型チューター、AI解説者によってコンテンツ配信が安価になるにつれ、授業時間は現前性だけが提供できるもの――議論、問題解決、ピア・インストラクション――へと移る。講義は残るが、この仕事を定義する唯一のものではなく、いくつかある道具の一つとなる。
AIが教育チームに加わる
2016年のジョージア工科大学のジル・ワトソン実験に続き、大学は今や日常的な質問への対応、フィードバックの起草、指導のためにAIアシスタントを配備している。教授の新たな任務は品質管理――機械の答えを監査し、生成されたテキストを信頼するのではなく問いただすことを学生に教えることである。
職務が分解される
オンラインの大手プロバイダーはすでに教授の仕事の束――授業設計、配信、評価、指導――を専門家とソフトウェアに分割している。研究教授職は一方の極で持続する一方、教育、設計、検証という一群の新たな役割がその部品から生まれつつある。
研究そのものが加速する
ディープマインドのアルファフォールドは2020年、実質的にタンパク質構造予測問題を解決し、数十年来の研究プログラムを崩壊させ、一分野全体の教授たちの方向を一夜にして変えた。AIがより多くの日常的な分析を吸収するにつれ、希少な教員のスキルは次の問いを立てること、そして機械が生成した答えを検証することになっていく。
New jobs branching off
インストラクショナル・デザイナー
専門知識を構造化されたオンライン・混合型授業に変える専門家。テニュアの抽選ではなく設計を選んだ博士号取得者が多く担う、教育分野で最も急成長している役職の一つ。
ラーニング・エンジニア/エドテック専門家
大学がますますそれを通じて教えるようになっている適応型プラットフォーム、AIチューター、分析パイプラインを構築・調整する。教育学とソフトウェア工学のハイブリッドであり、2010年にはほとんど存在しなかった役職。
科学コミュニケーター・教育系クリエイター
学術的な訓練を受けた解説者が今、どんな講義室も持ちえなかった聴衆にリーチしている。元学者が運営する数学・科学系チャンネルは登録者数が数千万人に達するものもあり、教授の説明の技芸をそれ自体独立したキャリアに変えている。
産業界の研究科学者
企業のAI・バイオテック研究所は、学術界の何倍もの報酬で教授とその博士課程学生を採用する。ウーバーは2015年の一度の引き抜きでカーネギーメロン大学のロボティクスセンターからおよそ40人の研究者を採用しており、産業研究はこの職業にとって最大の隣接雇用先となっている。
Outlook
最も自動化にさらされているのは、事前に完全に規定できる作業――標準化された講義、日常的な採点、文献の要約――である。最も保護されているのは、そうできない作業――まだ定式化されていない研究の問い、苦戦する博士課程の学生、ある分野が何を真実と見なすべきかについての判断――である。
起こりやすい破壊は技術的というより経済的なものだろう。自動化は大学に教授の仕事の束を安価な部分に分割する新たな理由を与え、AI以前から数十年続いてきた、教育専任・コースファシリテーター契約への移行を加速させる。研究教授職は存続するが、問いは周辺の役割のうちどれだけがその肩書きを保持し続けるかである。
この職業を狙ったこれまでのあらゆる技術――印刷、放送、MOOC――は、その終わりとして喧伝され、道具として吸収されてきた。AIはこれまでで最も有能であり、評価と統合にまで踏み込む最初のものである。しかし、社会が新しい知識の生産と信頼に値する資格を求め続ける限り、誰か責任を負う者が公言し続けねばならない――そして、それに対して説明責任を負わねばならない。
Keep exploring
More in Education & Humanities
🏫
教師
世界最大の職業。シュメールの粘土板学校から AI時代の教室まで、一人の大人が30人の他人を「学ぶ部屋」に変えてきた。
AI-resistant 78 📜歴史家
過去を尋問する専門家——ヘロドトスや司馬遷からデジタルアーカイブの時代まで、脆い史料を検証可能な出来事の記録へと変えてきた。
AI-resistant 70 🧩心理士
1879年ライプツィヒの実験室から診療室まで、心と行動を科学する者――本人がまだ言葉にできないことを聴き取る訓練を受けた専門家。
AI-resistant 82 🌐翻訳者
言語の間で意味を運ぶ職業――七十人訳聖書やヒエロニムスのウルガタから、トレド、ニュルンベルクの通訳ブース、そして機械翻訳の時代まで。
AI-resistant 28 📖図書館司書
ニネヴェの粘土板から電子貸出をめぐる攻防まで、人類の知を整理し、誰もがそれを見つけられるようにする、記録された知識の守り手であり案内人。
AI-resistant 55