デジタルツインの台頭により、企業は実在の人々を迂回して利益を拡大している

大企業は従来の調査から離れ、AIによって生成された実在の人々のレプリカへと移行している。この変化はより迅速な洞察をもたらす一方で、雇用とデータプライバシーに関する懸念も生んでいる。

バイラルなTikTok動画によりブランドが数時間で有名になることもあるが、多くの企業はまだ12週間の調査サイクルに依存している。

結果が届く頃には、データはすでに陳腐化していることが多い。

フィードバックを得て、その意味を理解するまでにはしばしば遅れが生じる。このため、トレンドが急速に変化した場合、大企業は迅速に対応できないことがある。

多くの企業が、デジタルツインがその解決策であると信じている。

これらは、実在のもの、システム、さらには人々のデジタルコピーである。企業はこれらを使用して、現実世界で実行する前にアイデアを試したり、何が起こり得るかを確認したりする。

主要な銀行や製薬会社はすでにこの技術を、人々が重要な出来事や新しくリリースされたアイテムにどのように反応するかを予測するために利用している。

テストは数週間の代わりに数秒で完了する

この技術は現在、ハイテク業界で勢いを増している。

研究者たちは グラスゴー大学でデジタルツイン システムを構築し、機械学習を使用してコンピュータネットワークを検証している。

彼らの新しい手法では、ネットワークの動作状況をわずか4.78秒で測定できる。従来の手法では、同じ作業に約33時間かかっていた。

非常に高速であるため、エンジニアはより多くのシナリオをテストできる。特に、ネットワークが複雑になるにつれてその利点は大きくなる。

迅速な情報への需要は、消費者調査のあり方を変えている。

Broxというスタートアップは、実在する個人6万人のデジタル複製を作成した。

これらは単なる推定値ではなく、広範なインタビューに基づいた詳細なプロファイルであり、ある人物に関する資料が最大300ページに及ぶものもある。

企業はもはや従来の統計モデルに主に依存するのではなく、数ヶ月ではなく数時間で複数のシミュレーションを実行できるようになった。

Broxを率いるHamish Brocklebankは、その違いを説明した。

「LLM（大規模言語モデル）を使用して1万個の真に合成されたデジタルツインを作成できますが、回答は依然として非常に狭い分布に収束します。これは、実際に実在の人々に質問する場合、現実的ではありません」と彼は述べた。

Broxはすでにこれらのツインを準備しているため、大手製薬会社はデジタル集団に質問を行い、インタビューする実在の人々を探すという一連のステップを省略して、数時間で信頼性の高い結果を得ることができる。

自動化は高給労働者を標的にしている

自動化への急速な推進には欠点もある。

MITの経済学者Daron Acemoglu氏によると、多くの企業が自動化を活用するのは効率性を高めるためではなく、主にコスト削減のためである。

彼の研究によると、雇用主はより高い報酬を支払う人々を他の人に置き換えることに前向きである。

この研究はまた、所得格差に大きな影響を与えたことを示している。

1980年から2016年の間に、所得格差の拡大の52%は自動化によるものだった。

Acemoglu氏は、労働者の給与が高いほど、企業がそのポジションを自動化するインセンティブが高まると指摘した。

また、彼は労働コスト削減への焦点が、自動化が持つ潜在的な利益の多くを削ぎ落としたと主張している。

研究によると、賃金引き下げの取り組みにより、自動化がもたらすはずだった生産性向上の60%から90%が相殺され、彼が「相対的に弱い生産性成長」と表現する結果を招いた。

プライバシーも重要な問題になりつつある。

IMDEAネットワーク研究所のチームは、ChatGPT、Claude、Perplexity AIなどの主要なAIシステムが、GoogleやTikTokによって開発された追跡技術を使用していることを明らかにした。

これらのトラッカーは、ユーザーが話す内容、例えばチャットのタイトルやウェブアドレスに関する情報を収集する可能性がある。

デジタルツインは、幼少期の経験、行動、人間関係など、非常に個人的な情報を利用して形成される。

第三者の追跡技術と組み合わせることで、これらの技術は大量の機密データを収集・処理できる。

AIシミュレーションおよびデジタルツイン業界は、2030年までに213億3300万ドルに達すると見込まれている。