汎用技術としてのAI──生産性のJカーブが示す時間差── 蒸気機関は60年、電気は40年かかった──AIの生産性効果はまだJカーブの底にある

01AI投資は1兆ドルを超えたが、生産性統計はまだ動かない

Goldman Sachsの推計によれば、2026年の世界のAI関連投資は1兆ドルを超える。うち米国が5,810億ドルを占める。企業のAI導入も加速し、OECD加盟国の企業によるAI利用率は2023年の8.7%から2025年には20.2%に達した。米国では雇用者数加重で約78%の企業がAIを導入済みだ。

にもかかわらず、OECDの2026年版生産性指標報告書は「AIの影響は初期の暫定的な兆候にとどまる」と記す。1987年、経済学者Robert Solowは「コンピュータの時代はどこにでも見える。生産性統計の中を除けば」と書いた。40年後のAIで、同じ構図が繰り返されている。

02汎用技術は経済全体を変えるが、届くまでに数十年かかる

経済学には「汎用技術」という概念がある。Timothy BresnahanとManuel Trajtenbergが1995年に定式化した。ある技術が汎用技術と呼ばれるための条件は三つだ。広い範囲の産業で使われること。時間とともに改良され続けること。補完的な技術や組織の変革を誘発すること。蒸気機関、電気、半導体がこれに該当し、AIもこの条件を満たす。

汎用技術に共通する特徴は、導入から生産性への反映までに長い時間差があることだ。この時間差を説明する理論的枠組みが、Erik Brynjolfsson、Daniel Rock、Chad Syversonが2021年にAmerican Economic Journal: Macroeconomicsで発表した「生産性のJカーブ」である。新しい汎用技術が現れると、企業はまず技術そのものではなく、それを使いこなすための補完的投資に資源を投じる。この投資はGDP統計に「生産」として計上されない。結果として、統計上の生産性は導入初期にむしろ低下する。

03蒸気機関は60年、電気は40年、統計に現れなかった

James Wattが蒸気機関の改良特許を取得したのは1769年だ。だが英国の生産性統計に蒸気機関の効果が明確に現れたのは1830年代以降だった。約60年の遅れがある。初期の蒸気機関は炭鉱の排水ポンプに限られ、繊維工場や鉄道に広がるには高圧エンジンの開発とWattの特許失効（1800年）を待つ必要があった。

電気はどうか。Thomas EdisonがPearl Street発電所を稼働させたのは1882年9月4日。当初の負荷は400灯、顧客82件だった。だが米国の製造業で電化の生産性効果が統計に現れたのは1920年代だった。Paul Davidは1990年の論文「The Dynamo and the Computer」でこの約40年の時間差を分析した。初期の工場は中央の蒸気エンジンを中央の電気モーターに置き換えただけで、工場の配置や工程は変えなかった。生産性が上がったのは、個々の機械にモーターを取り付ける「ユニットドライブ」方式に切り替え、工場全体を設計し直した後だ。技術を入れ替えただけでは足りず、それを前提とした業務の再設計が必要だった。

04Jカーブの正体は、見えない補完的投資にある

Brynjolfssonらの仮説は、時間差の原因を「補完的な無形資産への投資」に求める。新しい汎用技術を導入した企業は、技術そのものだけでなく、業務プロセスの再設計、組織構造の変更、従業員の再訓練、データ基盤の構築に資源を投じる。これらの投資は国民経済計算に資産として計上されにくく、むしろ費用として記録される。

結果として、導入の初期段階では統計上の生産性はむしろ低下する。Jの字の下降部分だ。補完的投資が実を結び、新しい業務プロセスが定着すると、生産性は急上昇する。上昇部分である。Brynjolfssonらの推計では、コンピュータのハードウェアとソフトウェアに関連する無形資産を調整した場合、2017年末時点で米国の全要素生産性は公式統計より15.9%高かった。つまり、公式統計はコンピュータ時代の生産性向上を大幅に過小評価していた。AIでも同じことが起きている可能性がある。

052024〜2025年の米国生産性に変化の兆しがある

Jカーブの理論が正しいなら、AI導入の初期にあたる現在は、まだ下降局面か底にいるはずだ。だが米国の労働生産性データはやや異なる動きを見せている。BLS（労働統計局）によれば、非農業部門の労働生産性は2024年に前年比3.0%上昇し、2010〜2019年の平均の2倍を超えた。2025年も年間で2.1%と、過去10年の平均を上回った。

ただし、この上昇をAIの効果と断定するのは早い。OECDの2026年報告書は「初期の、暫定的な兆候」と慎重に表現し、AIとの因果関係は確立されていないと述べる。Goldman Sachsは、AIが米国のGDPに計測可能な影響を与え始めるのは2027年と予測する。欧州の労働生産性は2024年に0.2%しか伸びておらず、AI導入の進展度と生産性上昇の相関は国によって大きく異なる。

06医療と創薬ではAIの生産性効果が先に現れる

汎用技術の生産性効果が最初に現れるのは、情報処理の比重が高く、かつ既存プロセスの非効率が大きい産業だ。医療と創薬はその両方を満たす。

創薬では、従来の開発プロセスの所要期間は平均12年、1品目あたりの費用は約26億ドルとされる。AIを用いた創薬プログラムでは、探索段階の所要期間が業界平均の42カ月から18カ月に短縮された事例が報告されている。2026年時点で170以上のAI由来の候補化合物が臨床段階にあり、うち15〜20件が2026年中に後期臨床試験に入る見通しだ。

医療現場での変化も速い。米国の医師のうち業務にAIを使用している割合は、2023年の38%から2026年には81%に増えた。請求業務にAIを使う病院は2023年の36%から2024年に61%へ増加した。IMFが整理したタスクレベルの生産性研究では、管理された実験環境で20〜60%、実務環境で15〜30%の効率向上が観測されている。

ただし、タスクレベルの効率向上が組織全体やマクロ経済の生産性に反映されるまでには、ここでもJカーブの時間差が介在する。個々の医師がAIで診断速度を上げても、診療報酬体系や病院の運営構造がそのままなら、マクロの統計には現れにくい。

07Jカーブの底にいる組織が今すべきことは補完的投資である

蒸気機関と電気の歴史から引き出せる実務上の教訓は明確だ。技術そのものへの投資は、補完的な投資なしには生産性に結びつかない。1900年の工場が電気モーターを導入しても配置を変えなかったのと同じ段階に、多くの組織はいま立っている。