AI と生産性 ── 14%から19%減速まで、実証研究の実像── 企業内実験は条件つきの生産性向上を示し、マクロ推計は前提次第で10倍以上開く

01同じ「AI導入」で14%向上と19%減速が同時に起きている

AIの生産性効果を測る実証研究が2023年以降急速に蓄積されている。結果は一方向ではない。Brynjolfsson, Li, Raymondの研究は5,179人の顧客サポート担当者を対象にし、AIツールの導入で1時間あたりの解決件数が平均14%増えたと報告した。未熟練の担当者では34%の向上が観測された。一方、2025年にMETRが実施した実験では、大規模オープンソースプロジェクトの経験豊富な開発者16人が246件の実タスクに取り組み、AIを使った群は使わなかった群より19%遅かった。

この両方が正しい。問題は「AIは効くか」ではなく「どの条件で効くか」にある。

02効果の大きさはタスクの種類と使い手の熟練度で決まる

企業内実験を並べると、効果を左右する二つの軸が見える。タスクの構造化の度合いと、使い手の熟練度だ。

Brynjolfssonらの顧客サポート研究では、効果は未熟練の担当者に集中した。上位の担当者にはほぼ効果がなかった。AIが「ベストプラクティスの伝播装置」として機能し、経験の浅い担当者を経験豊富な担当者の水準に近づけた。

Harvard Business SchoolとBCGの共同研究は758人のコンサルタントにGPT-4を使わせた。AIの得意な領域のタスクでは、完了速度が25.1%上がり、成果物の質は40%向上した。だがAIの能力境界の外にあるタスクでは、AIを使った群の正答率がむしろ19%低下した。Dell'Acqua, McFowland, Mollick らはこの境界を「ギザギザの技術的フロンティア」と名づけた。AIが得意な領域と不得意な領域の境界は滑らかではなく、使い手にとって予測しにくい。

ソフトウェア開発でも同じ構造がある。Peng, Kalliamvakouらの実験では、95人の開発者がHTTPサーバーの実装という定型タスクに取り組み、GitHub Copilotを使った群は55.8%速く完了した。Cui, Demirerらの3社4,867人の大規模実験では、完了タスク数が26%増えた。いずれも比較的定型的なタスクだ。対照的に、METRの実験が対象にしたのは大規模リポジトリの実際のissueであり、高い文脈理解を要する非定型タスクだった。

03タスクレベルの効果は組織全体の生産性に直結しない

企業内実験が測っているのはタスクレベルの効率だ。個々のタスクが速くなっても、組織全体やマクロ経済の生産性に直結するとは限らない。理由は三つある。

第一に、タスクの配分が変わる。AIが定型タスクを高速化すると、人間は非定型タスクに時間を振り向ける。非定型タスクの生産性が低ければ、全体の効率は上がらないか下がる。第二に、組織の調整コストがある。新しいツールの導入は会議、研修、レビュー工程の変更を伴い、短期的にはオーバーヘッドが増える。第三に、品質と速度のトレードオフがある。BCGの実験では、AIを使ったコンサルタントの成果物の多様性が41%低下した。速くなっても均質な成果物しか出なければ、組織にとっての価値は上がらない。

04マクロ推計はGDP押し上げ0.5%から7%まで10倍以上開く

タスクレベルの実験をマクロ経済の推計に変換する段階で、推計値は大きく分かれる。

Daron Acemogluは2025年にEconomic Policyに掲載された論文で、AIが10年間で全要素生産性を押し上げる幅を0.53%以下と推計した。前提は三つだ。AIが利益を生む形で代替できるタスクは全体の約5%にとどまること。タスクレベルのコスト削減率を既存の実証研究から保守的に見積もること。そして「学びやすいタスク」の効果を「学びにくいタスク」にそのまま外挿しないこと。

Goldman Sachsの推計は、AIが世界のGDPを7%押し上げるとする。前提はAcemogluと大きく異なる。米国の雇用の7%がAIに代替され、63%がAIで補完されると想定する。労働生産性の年間成長率が1.5ポイント上がると仮定し、10年間の累積効果を算出する。McKinsey Global Instituteは年間2.6兆〜4.4兆ドルの経済効果を見込み、労働生産性の押し上げ幅を年0.1〜0.6%とした。

05推計の差は「間違い」ではなく前提の違いである

Acemogluの0.53%とGoldman Sachsの7%は、同じ前提に立つ異なる答えではない。前提が違う。

Acemogluが答えているのは「現在のAI技術が、現在の経済構造のもとで、既存タスクに適用された場合の効果」だ。Goldman Sachsが答えているのは「AI技術が10年間進歩し、広範に普及し、経済構造が適応した場合の効果」だ。前者は下限の推計、後者は条件つきの上限シナリオに近い。

どちらが「正しい」かは、技術進歩の速度、普及の速度、組織の適応の速度という三つの不確実性に依存する。第1回で扱ったJカーブ仮説に照らせば、補完的投資の速度が鍵になる。Acemogluの推計は補完的投資が遅い場合に近く、Goldman Sachsの推計は速い場合に近い。

06医療と創薬では定型タスクの比率が高く効果が先に出る

実証研究の知見を産業別に当てはめると、AIの生産性効果が先に現れる領域を予測できる。鍵は「定型的で構造化されたタスクの比率」と「現在の非効率の大きさ」だ。

医療はこの両方を満たす。放射線画像の読影は高度に構造化されたタスクであり、FDAが承認したAI医療機器は2024年末時点で1,000件を超えている。臨床文書の作成、請求業務、検査結果の要約も定型性が高い。

創薬では、標的探索や化合物スクリーニングの段階がAIの効果が大きい領域だ。2026年時点で200以上のAI由来の候補化合物が臨床段階にある。AIを用いた候補化合物の第I相試験の成功率は80〜90%と報告されており、従来の40〜65%を上回る。ただしこれらの数字は初期段階のデータであり、後期臨床試験と承認の段階で従来と同等の成功率を示すかは未確定だ。

一方、AIの効果が出にくい領域もある。高い文脈理解を要する診断、複雑な治療方針の決定、患者とのコミュニケーションは、METRの実験が示したように、現在のAIが減速を招く可能性がある非定型タスクに該当する。

07生産性効果を引き出す側の条件を整える

実証研究が一貫して示しているのは、AIの効果は導入する側の条件で決まるということだ。技術の性能だけでは生産性は上がらない。

第一に、タスクの切り分けが要る。BCGの実験が示したフロンティアの内と外の区別を、自組織の業務に当てはめる必要がある。どのタスクが構造化されていてAIに適し、どのタスクが非定型でAIに適さないか。この仕分けを経ずにAIを一律に導入すれば、効果はばらつき、場合によっては減速する。

第二に、未熟練層への導入を優先する合理性がある。Brynjolfssonらの研究で最大の効果が出たのは未熟練層だった。組織全体の生産性を上げるなら、すでに高い水準にある熟練者ではなく、伸びしろの大きい層にAIを届けるのが費用対効果で優れる。

第三に、品質の監視を組み込む。BCGの実験では成果物の多様性が低下し、フロンティア外のタスクでは正答率が下がった。AIの出力を検証なく採用するのではなく、出力の品質を測る仕組みを業務フローに組み込む必要がある。

第四に、マクロ推計を過信しない。0.53%と7%のどちらを前提にするかで、投資の規模も回収の見通しも変わる。自組織にとっての効果は、自組織で測るしかない。小規模な実験を設計し、タスクごとの効果を計測し、データに基づいて拡大の判断をする。推計値はシナリオであって予測ではない。