Thomson ReutersのAI請求可能時間分析が浮き彫りにする価格設定の矛盾

Thomson Reutersによれば、AIは弁護士1人当たり年間190時間の労働時間を節約できる可能性がある。しかし、外部法律サービスへの支出の大半はいまだ時間料金を通じて行われている。Thomson ReutersのAI請求可能時間分析は、プロフェッショナルサービス企業がもはや理論上の問題として扱えない矛盾を浮き彫りにしている。AIは迅速な業務完了を促す一方、時間課金はその効率化を販売できる単位数の減少へと変えてしまう。

Financial Timesの最近の分析は、AIを弁護士、コンサルタント、会計士、その他のアドバイザーの料金体系を打ち砕く破壊球と表現した。問題は単に、ソフトウェアが定型業務をより速く実行することではない。企業は、その業務を完了するために必要な時間を軸に、経済モデル、人員配置、キャリアパス、評価目標を構築してきた。

中心となる対立は、今や明確だ。顧客はAIによる節約分がコスト低下や成果向上に反映されることを求めている。プロフェッショナルサービス企業は、技術、監督、そして自動化システムに依然として欠ける専門的判断に投資しながら、収益を維持する必要がある。

この緊張関係が時間課金を一夜でなくすことはない。しかし、ソフトウェアによって数時間の作業が数分に圧縮できる予測可能な業務において、このモデルを正当化することはより難しくなる。

AIによって請求を巡る対立は測定可能になった

重要な変化は、プロフェッショナルサービス企業がAIを利用していることではなく、顧客が節約された時間はどこへ行ったのかを尋ねられるようになったことだ。

法務AIは、判例の検索、契約書の比較、ディスカバリー資料の要約、定型文書の草案作成、大量の文書群にまたがる条項の特定を行える。資格を持つ専門家による結果の確認は依然として必要である。ただし、最初の作業段階に必要な人手は大幅に少なくなる可能性がある。

Thomson Reutersは、弁護士がAIによって年間平均190時間の作業時間を節約できると見込んでいると推計している。同社の法律事務所の経済性に関する分析では、その潜在的な節約効果は米国の法務業務で年間約200億ドルに相当するとされる。

同じ調査では、調査対象となった法律事務所の回答者の80%が、AIによって自組織の運営方法が変わると予想していた。価格設定、人員配置、サービス提供は、この予想される変化の中心にある。

これらの調査結果は、時間制の案件に直接的な課題を突き付ける。以前は10時間を要した調査案件が、現在では3時間で済むなら、正確な請求書には3時間が記録される。顧客は効率化の恩恵を受ける一方、法律事務所は請求可能な7単位を失う。

法律事務所は、節約した時間を追加案件、顧客への助言、事業開発、社内レビューに振り向けられる。ただし、この手法が機能するのは、増加した能力を吸収できるほど需要が拡大する場合に限られる。また、定型業務が消滅した人材に対し、より価値の高い仕事を見つけられることも前提となる。

別の選択肢は時間単価を引き上げることだ。この対応は専門家1人当たりの収益を守るが、矛盾をより目立たせる。ツールによって必要な労力が減ったにもかかわらず、AI支援を受けた業務により高い時間単価が適用される理由を、顧客が疑問視するのは当然だろう。

固定料金はインセンティブを反転させる。法律事務所が合意した料金で明確に定義された成果を提供する場合、効率的に業務を完了できれば利益率を改善できる。AIはそのとき、記録される時間に対する脅威ではなく経済的優位性となる。

ただし、固定料金はリスクを提供者側に移す。不十分なスコープ設定、予想外の複雑さ、広範な人間による検証によって、一見魅力的に見える案件が不採算になり得る。そのリスクを受け入れる前に、企業はより良い過去データと、完了に関するより明確な定義を必要とする。

だからこそ、この論争は請求書の形式を超える。法律事務所は、顧客が何を買っているのかを決めなければならない。答えは時間、完了したタスク、専門知識へのアクセス、リスクの低減、あるいは測定可能な事業成果かもしれない。

時間課金は、時間を数えやすいため、その議論の一部を避けられる。AIは、計上された時間が提供価値を確実に表すという前提を弱める。

この対立は、文書量の多い法務業務で特に顕著だ。契約審査やディスカバリーには、AIが加速できる反復可能な工程が多く含まれる。戦略的助言、交渉、法廷での弁護、最終判断への責任は、依然として標準化が難しい。

この違いは、価格設定がタスクごとに分化していく可能性を意味する。定型的な構成要素は固定料金や単位ベースの料金へ移行し得る。不確実性が高い、対立的、あるいは範囲が開かれた業務は時間課金のまま残り得る。

このような分化は、請求可能時間に対する単一の万能な代替策よりも現実的だ。ただし、それには、既存の多くの時間入力システムが提供するようには設計されてこなかったレベルで、自らの業務を理解することが企業に求められる。

Thomson ReutersのAI請求可能時間問題は社内から始まる

時間課金は顧客への請求方法であるだけでなく、多くの企業が専門家を採用、育成、評価、昇進させる仕組みでもある。

1980年代までに、請求可能時間は法律事務所経営の中心的なツールとなっていた。法律事務所はこれを、個人の生産性の測定、案件の評価、財務目標の設定、プラクティスグループ間の比較に利用してきた。

このモデルは、複数の意思決定を一つの指標で結び付ける。アソシエイトは時間を記録し、パートナーは稼働率を監督し、財務チームは収益を予測し、経営陣は年間目標に照らして業績を評価する。顧客向けの請求書を置き換えても、法律事務所が社内システムも再設計しない限り、こうした仕組みは変わらない。

そのため、Thomson ReutersのAI請求可能時間を巡る対立は、価格設定以上の問題に及ぶ。AIは、若手による調査、草案作成、レビュー、分析に必要な目に見える時間を減らし得る。こうした業務は同時に、育成の機会でもあった。

若手弁護士は伝統的に、多数の文書を確認し、初期案を作成し、経験豊富な同僚から修正を受けることで学んできた。ソフトウェアが初期出力を生み出すようになると、若手専門家は構築ではなくレビューから始めることになる。

レビューには依然として価値があるが、育まれる技能は異なる。明らかな誤りを見つけることには長けても、論証や分析を独力で構築する方法を学ばないことがあり得る。自動化によって初期段階の反復作業がなくなるなら、法律事務所は意図的な研修を設けなければならない。

人員構成のピラミッドにも同様の圧力がかかる。大手プロフェッショナルサービス企業は伝統的に、多数の若手人材を雇用し、その請求可能な成果が少数のシニア専門家を支えてきた。AIは、その若手層に割り当てられる一部タスクに必要な労働力を減らす。

企業は、エントリーレベル人材の採用を減らすことで対応できる。あるいは、若手を顧客対応、調査、専門分析、技術監督へ再配置することもできる。どちらの選択も、将来のシニア専門家が経験を積む経路を変える。

導入が自動的に財務成果を生むわけではないため、経済的影響はなお定まっていない。プロフェッショナルサービス調査では、生成AIからのリターンを測定していると答えた組織は21%にとどまった。

このグループでは、顧客満足度や新規事業よりも、社内コスト削減に大きな注目が集まっていた。この測定上の隔たりは重要だ。成果を一貫して測定していなければ、企業は成果に自信を持って価格を設定できないからである。

調査対象となった法律事務所のほぼ半数は、AIから少なくとも一つの便益を得たと報告した。しかし、時間節約のような便益だけでは、そこから生じた価値を誰が得るのかは分からない。

固定料金の案件をより低コストで提供できる場合、法律事務所がその価値を得る。時間制案件で記録時間が減る場合、顧客がその価値を得る。テクノロジーベンダーはソフトウェア料金を通じて一部を得る一方、専門家は検証とガバナンスのコストを負担する。

その配分は契約によって決まる。だからこそ、商業設計はモデルの能力と同じくらい重要になる。

時間目標も導入を妨げ得る。AIでより速く業務を終えた専門家は、顧客体験を改善しても、社内の稼働率目標からはさらに遅れを取る可能性がある。経営陣が測定システムを変えない限り、従業員は相反する指示を受けることになる。

法律事務所は効率化のためにAIを使うよう求める。一方で、昇進制度は依然として積み上げた時間を評価する。

新たな評価指標では、品質、責任、顧客維持、案件の収益性、協働、技術の効果的な活用を認識する必要がある。どれも時間を数えるほど単純ではない。しかし、これらを組み合わせれば、専門家の貢献をより正確に描写できる。

運用上の課題は、信頼できるAI workflowを構築することに似ている。入力、レビュー工程、責任を持つ意思決定が可視化されたままでなければ、スピードの価値は限られる。

プロフェッショナルサービス企業にとって、成果物は単に生成された文書ではない。法的、財務的、または評判上の結果を伴う、専門家が承認した結果である。

顧客が代替料金への移行を促している

AIは、投入量に基づく料金が必ずしも完成した業務の価値に一致しないことを、企業の買い手が示すためのより強い根拠を与える。

代替料金体系には、固定料金、上限付き料金、サブスクリプション、単位価格、リテーナー、定義された成果に連動する支払いが含まれる。いずれも、請求額の少なくとも一部を記録時間数から切り離す。

Thomson Reutersは、調査対象の専門家の40%が、生成AIによって代替料金体系の利用が増えると予想していたことを明らかにした。この予想は注目に値するが、顧客と企業が代替策で合意したことを意味するわけではない。

外部法律サービスへの支出では、時間制価格設定が依然として優勢だ。Thomson Reutersは、企業による外部法律事務所への支出の最大90%が引き続き時間単価を伴うと報告している。

この持続性は、慣れ親しんだ仕組みによって説明できる。調達チームは料金、時間、値引き、予算を理解している。法律事務所は時間を記録し、記録価値に対する回収収益を測る実現率を比較する方法を知っている。

代替的な仕組みでは、双方がスコープを定義し、リスクを配分する必要がある。固定料金は、入力が安定した反復プロセスに適している。事実関係、相手方、規制上の要求が予告なく変わり得る場合には適さない。

スコープが不確実な場合、顧客も時間課金を選好し得る。大きなリスクプレミアムを含む固定料金を信用できないかもしれない。基礎となるコストが見えない成果に支払うよりも、時間に関する透明性の方が安心できる場合がある。

したがって、移行は標準化・測定できる業務で最初に起こるだろう。契約ポートフォリオ、反復的なコンプライアンスレビュー、定型的な調査、構造化された文書分析が有力な候補となる。

高リスクな訴訟や複雑な取引は、異なる問題を抱える。助言の価値は、損失の回避、交渉力の維持、または一つの重大な論点の発見に左右される場合がある。必要な作業を開始時点で予測するのは難しい。

こうした状況では成果ベースの価格設定は魅力的に聞こえるが、因果関係が争点になりやすい。有利な結果は、市場環境、司法判断、相手方、または顧客自身の行動に左右され得る。企業はすべての変数をコントロールできない。

サブスクリプションは別の道筋を提供する。顧客は、定義されたサービス、対応能力、または専門知識への継続的なアクセスに対して支払う。この仕組みは、買い手には予測可能な支出を、提供者には継続収益をもたらす。

利用量ベースの料金は、サブスクリプションと時間課金の中間に位置付けられる。法律事務所は、レビューした契約1件、完了した提出書類1件、評価した請求1件、承認済みの成果物1件ごとに請求できる。単位は、社内のすべての分単位を開示せずに業務量を反映する。

成果連動型の価格設定は、クライアント価値をより重視する方向へ進んでいる。支払いは、合意された成果またはサービス指標に一部連動する。Forresterによると、サービス分野の意思決定者の45%が成果連動型価格設定の拡大を見込む一方、46%は固定価格契約の増加を予想している。

成果連動型価格設定の流れは法律分野にとどまらない。AIによって提供に必要な労働量が減少するなか、コンサルティング企業、テクノロジーインテグレーター、マネージドサービスプロバイダーも同じ問いに直面している。

これらの選択肢は組み合わせることもできる。ハイブリッド型の取り決めには、固定の基本料金、追加ボリュームに対する従量料金、合意した成果に連動する成果報酬を含めることができる。

ハイブリッド型の価格設定は、すべての案件を予測可能なものとして扱うことを避ける。不確実な業務に対する報酬を確保しつつ、反復可能な業務での効率向上を報いる。

企業の買い手は、依然として根拠を求めるだろう。企業は、AIが対応時間、エラー率、一貫性、リスク、そして投入されたシニア人材の関与量にどのような影響を与えたかを示す必要がある。

テクノロジーによってチームの効率が上がったという主張だけでは不十分だ。クライアントが知りたいのは、請求額が下がったのか、成果が改善したのか、あるいは対応能力が増えたのかである。

この需要は、リーガルオペレーション部門と価格設定チームを強化する。これらの組織は、案件履歴の分析、単位の定義、リスクのモデル化、提案料金と実際の提供コストの比較を行える。

勝者は、必ずしも最も多くのAIを使う企業ではない。業務を適切に測定し、価格設定を明確に説明できる企業が、より強い商業的立場を得るだろう。

業務の高速化は専門職としての責任をなくさない

急速な価格体系の再設定に対する最も強い反論は、AIが作業時間を短縮しても、検証、責任、専門家としての説明責任をなくすわけではないという点だ。

生成AIは、不正確な引用、不完全な分析、捏造された権威資料、根拠資料に裏付けられていない断定的な記述を生み出す可能性がある。したがって、専門家によるレビューは任意の修正ではなく、サービスの一部である。

検証には、自動化によって節約されたように見えた時間の相当部分が費やされる場合がある。必要な作業量は、タスク、モデル、データ品質、機密性管理、エラーによる潜在的な損害に応じて異なる。

低リスクの社内要約に、裁判所への提出書類や監査意見書と同じプロセスは必要ない。価格設定はこの違いを反映しなければならない。

American Bar Associationは、2024年7月に公表したFormal Opinion 512でこの緊張関係を扱った。同団体のAI倫理ガイダンスは、時間課金の弁護士は、以前そのタスクに必要だった時間ではなく、実際に費やした時間を請求すべきだとしている。

この原則は、企業がAIを1時間使いながら、架空の人間作業時間を数時間分請求することを防ぐ。ただし、あらゆる料金体系の下で、企業に投資、判断、リスクを無償で提供するよう求めるものではない。

同じガイダンスは、固定報酬や成功報酬も合理的でなければならないと警告している。AIは、ほとんど作業が行われない場合でも従来の固定料金を請求する自動的な許可を与えるものではない。

合理性は、サービス内容、契約、引き受けた責任、適用される専門職規則に左右される。このため、透明性が不可欠となる。

クライアントは、料金がソフトウェア利用、人によるレビュー、戦略的助言、責任、継続的な利用可能性のどれを含むのかを理解する必要がある。説明のない単一のテクノロジー追加料金だけで問題が解決することはほとんどない。

機密保持は別のコストを生む。一般向けAIサービスは、機微なクライアント資料に必要なアクセス制御、保持方針、データ境界、契約上の保護を提供しない可能性がある。

専門職サービス企業には、承認済みシステム、セキュリティレビュー、研修、監査証跡、許容される利用を定めるポリシーが必要である。また、モデルを使用すべきでない状況を特定する手順も必要になる。

これらの統制はリスクを減らすが、即時のコスト削減という主張を複雑にする。高速なモデル応答は、ソース確認、エスカレーション、最終承認を含む、より遅い専門的プロセスの中に組み込まれる場合がある。

AIの性能も分野ごとに異なる。システムは、一般的なパターンを、異例の事実関係、あまり知られていない法域、不完全な記録よりも信頼性高く扱える可能性がある。クライアントは、自身の案件がモデルの得意領域から外れている場合を把握できないことがある。

この不確実性は、引き続き人間が責任を負うことを支持する。また、プロバイダーは追加レビューや失敗の可能性を料金に織り込む必要があるため、純粋な成果報酬型価格設定にも限界を設ける。

KPMGのクライアント中心のレポートは、自動化が専門サービス全体で従来の時間課金モデルの妥当性を弱めていると論じている。同レポートは、価値とクライアントのニーズに基づく価格設定にも目を向けている。

時間から価値へ移行しても、価値評価が客観的になるわけではない。クライアントとアドバイザーは、回避されたリスク、迅速な意思決定、改善された契約にどの程度の価値があるかについて意見が分かれる可能性がある。

成果連動型の報酬は、それ自体のインセンティブを生み得る。スピードで報酬を得るプロバイダーは、慎重さへの投資を不足させるかもしれない。一つの測定結果に対して報酬を得るプロバイダーは、測定されない結果を見落とす可能性がある。

優れた契約には、スピードやコスト削減の目標と並行して品質ゲートが必要だ。レビュー基準、除外事項、エスカレーション経路、生成物が失敗した場合の責任を定めるべきである。

小規模企業には競争上のリスクもある。AIは、かつてより大きなチームに結び付いていた能力へのアクセスを与えるが、エンタープライズ級のガバナンスには大きな運用投資が必要となる場合がある。

大手企業は、安全なツール、独自データ、評価、研修に充てられる資源がより多い。小規模企業はより速く動ける一方、重大なエラーは比例してより大きなコストを課す可能性がある。

したがって、証拠が示すのは即時の崩壊ではなく分断である。時間課金は、定型的で測定可能な業務では信頼性を失いつつある。一方、範囲とリスクを確実に予測できない領域では、依然として正当化可能である。

AI価格設定は競争地図を変える

AIは、最大の労働ピラミッドを持つ企業から、専門性、テクノロジー、測定可能な提供能力を組み合わせられる企業へと優位性を移す。

小規模企業はAIを使い、従来はより多くのジュニアスタッフを必要とした規模で、検索、要約、分類、ドラフト作成を行える。その結果、大企業の競合相手と同じ労働基盤を抱えずに固定料金を提示できる。

これは組織的な厚みの価値を消し去るものではない。大手企業は依然として、幅広い専門領域のカバー、国際的な展開、確立された関係性、複数の業務ストリームを同時に扱う能力を提供する。

AIは、最初のバージョンを作り出すコストを変える。しかし、企業の判断力、評判、複雑な意思決定を調整する能力を自動的に再現するものではない。

競争は、専門業務の標準化可能な領域で激化するだろう。代替リーガルサービスプロバイダー、会計プラットフォーム、マネージドサービス企業、AIネイティブ企業は、反復可能なタスクをより広範な案件から切り出すことができる。

これらのタスクは、終わりの見えない専門家の時間ではなく、製品として価格設定できる。既存企業は、製品化された提案に対抗するか、より広範なサービスを擁護するかの選択を迫られる。

製品化とは、各案件が始まる前に、入力、ワークフロー、レビュー基準、出力、価格を定義することを意味する。反復によって自動化とコスト予測の両方が改善されるため、この構造はAIと相性がよい。

従来型の企業は、人材へのアクセスを販売し、最終的な作業量を後から決めることが多い。この柔軟性は複雑な業務で依然として有用だが、明確な単位ベースの提案と比べると高価に見える。

コンサルティングも関連する課題に直面している。AIは、調査、ベンチマーキング、文書作成、データ分析、プレゼンテーション草案の作成を加速できる。クライアント自身も、こうした活動の多くを社内で実行できるようになる。

コンサルティング企業は、問題定義、組織変革、専門データ、実装、説明責任を伴う意思決定における価値を示さなければならない。ソフトウェアがもっともらしい草案を迅速に生成できるようになると、洗練されたレポートの希少性は低下する。

会計・税務企業も、定期的な分析や文書処理をめぐって同様の圧力に直面する。規制上の責任と保証業務は専門家の強い役割を維持するが、定型的な作業は努力量だけで価格設定することが難しくなる。

したがって、Thomson ReutersのAIと請求可能時間の問題は、より広範な専門サービス移行の一例にすぎない。共通するメカニズムは、労働時間と成果物の量の分離である。

AIネイティブの競合企業は、最初からこの分離を前提に設計できる。従来の報酬制度を解体せずに、サブスクリプション、従量課金、成果報酬を採用できる可能性がある。

既存企業は異なる制約を抱える。パートナー報酬、稼働率目標、財務報告、人員計画、クライアント契約は、いずれも時間課金の経済性を前提としている可能性がある。

リーダーが診断を受け入れていても、この負担は変革を遅らせる可能性がある。代替モデルが収益認識、インセンティブ、キャリア開発にどう影響するかを理解せずに、企業は価格設定モデルを置き換えることはできない。

この移行は二速度の市場を生み出す可能性がある。新規または狭い領域に特化したプロバイダーは、標準化された成果を提供できる。既存企業は、複雑な案件では時間課金の要素を維持しつつ、予測可能な業務の周辺に固定料金モジュールを導入できる。

クライアントはそれらのサービスを組み合わせるだろう。反復可能なレビューを専門プロバイダーに委ね、戦略的な意思決定は従来型のアドバイザーに残すかもしれない。

このアンバンドリングは、高価な助言と大量のジュニア層による実行を組み合わせることで利益率を確保してきた企業に圧力をかける。クライアントは両者を分離する能力を高める。

ブランドだけで議論は終わらない。買い手は、対応時間、品質、予測可能性、セキュリティ、説明責任を比較する。企業には各側面を裏付ける証拠が必要である。

最も持続的な優位性は、専門性を再利用可能にしながら、専門職としての責任を曖昧にしないことから生まれる。そのためには、厳選された知識、統制されたワークフロー、文書化されたレビュー、そしてクライアントが理解できる価格設定が必要となる。

請求可能時間が本当に崩れ始めているかを示す三つのシグナル

次の段階を決めるのは、AIのデモンストレーションではなく、契約行動、社内の業績システム、測定可能なクライアント成果である。

第一のシグナルは、固定型、単位ベース、サブスクリプション型、成果連動型の取り決めへ移行するクライアント支出の割合である。調査に基づく予想は有用だが、実行された契約の方がより強い証拠を提供する。

有意な増加が見られれば、AIがクライアントによる専門業務の購買方法を変えているという見方を支えることになる。動きがほとんどなければ、慣行とリスク配分が依然として時間課金を守っていることを示す。

詳細は重要である。企業は、想定時間と単価から算出しながら、案件を代替料金として表現する場合がある。それでは請求書の形式が変わるだけで、基礎となる経済性は変わらない。

より強いシグナルとなるのは、単位、サービスレベル、または成果に基づいて価格設定される反復サービスである。こうした構造では、効率性がプロバイダーの利益率に直接影響する。

第二のシグナルは、企業が報酬や昇進の判断において、請求可能時間の目標を置き換えるかどうかである。キャリアが主に記録時間に結び付いたままでは、クライアント向けの価格設定を深く変えることはできない。

案件収益性、品質、クライアント維持、知識への貢献、テクノロジー利用、チーム育成を含む指標に注目すべきだ。これらの指標は、経営陣がAIを業務設計の再構築と見ているのか、単なるソフトウェア購入と見ているのかを明らかにする。

採用パターンも関連する証拠を提供する。ジュニア職が減少すれば、自動化が従来のピラミッドを縮小していることが示唆される。エントリーレベル業務の再設計は、企業が内容を変えながら人材育成のパイプラインを守っていることを示すだろう。

第三のシグナルは、成果測定の質である。多くの組織には、生成AIとクライアント満足度、収益、事業成果を結び付ける成熟した証拠が依然として不足している。

この不足は、信頼できる価値ベース価格設定を妨げる。企業は、定義、帰属、検証できない成果に対して料金を請求することはできない。

サービスごとに有効な指標は異なる。対応完了までの時間、エラー率、成功裏の完了、手戻りの回避、コンプライアンス上の成果、あるいは合意済みのサービスレベルの順守などが含まれる。

品質も測定の一部であり続けなければならない。迅速な提供だけを追求すると、追加的なリスクを覆い隠したり、レビュー作業を顧客側に転嫁したりする可能性がある。

こうしたシグナルは、利益を誰が得るのかも明らかにする。顧客は料金の低下や予見可能性の向上を得られる。企業は固定料金案件でより高い利益率を確保できる。従業員は反復的な制作作業に費やす時間を減らせる。

利益が自動的に均等配分されることはない。契約条件と社内インセンティブが、利益の帰属先を決める。

ビラブルアワーが、単一の協調的な出来事として消滅する可能性は低い。業務ごと、顧客ごと、契約ごとに後退していくだろう。

成果を測定しやすい定型業務が先に移行する。範囲が不安定な複雑な案件では、時間課金またはハイブリッド型の要素がより長く残る。

その漸進的な変化にも重要な意味がある。あるカテゴリーで定義済みの成果物に対して支払うことに買い手が慣れれば、隣接するサービスがなぜ依然として完全に時間に紐づけられているのかを問うことができる。

したがって専門サービス企業は、市場から性急な対応を迫られる前に価格設定を検証すべきである。そのためには、整備された案件データ、限定的なサービス定義、品質管理、例外処理に関する明確なルールが必要となる。

顧客も同様に率直な質問をするべきだ。どの業務が自動化されているのか。誰がレビューするのか。料金には効率化による利益がどのように反映されるのか。提供者はどの成果について責任を引き受けるのか。

Thomson ReutersにおけるAIとビラブルアワーをめぐる議論は、突き詰めれば信頼に関するものだ。顧客には、スピードが品質を損なわないという確信が必要であり、企業には、専門性と説明責任を伴う判断に対する報酬が必要である。

次の請求書だけが問題なのではない。より大きな問いは、プロフェッショナルサービスがリスクを隠し、時間を水増しし、あるいは専門家の仕事を自動化されたアウトプットへと矮小化することなく、成果に価値を見いだせるかどうかである。