この記事を共有・保存
AUDIO
この記事を聴く
ログイン情報を確認しています…
本文をもとにした音声版です。
要旨
生成AIを導入すれば生産性が上がる、という説明には重大な省略がある。何の仕事を、誰が、どの尺度で、どの期間に測ったのか。顧客サポートの現場ではAI導入によって時間当たりの解決件数が約14%増えたとする研究がある。一方、66社・7,137人の知識労働者を対象にした無作為化フィールド実験では、メール時間の削減が確認されたものの、仕事全体の量や構成の変化は検出されなかった。二つは矛盾しない。個人作業の時間短縮と、組織全体の成果改善は別の段階にあるからだ。本稿は研究設計と限界を確認し、導入を「ライセンス数」ではなく「価値の連鎖」で判断するための枠組みを提示する。
1|問いは「AIが使えるか」ではない
AI導入の議論は、しばしばデモの鮮やかさから始まる。議事録を数秒で要約できる。問い合わせへの返答候補が即座に出る。報告書の初稿ができる。しかし、デモで短縮された時間が、そのまま企業の利益や顧客価値に変わるわけではない。作業者が浮いた時間を別の有用な仕事に振り向けられるのか、承認待ちや他部署との調整が残っていないか、誤りの検証に余計な時間がかからないか。ここが分岐点になる。
「生産性」を一つの数字として扱うと判断を誤る。文章を作る速度、処理した案件数、顧客が得た成果、利益率、従業員の負担、品質事故の頻度は異なる指標だ。たとえばメール作成時間が短くなっても、受信者が読む量まで増えれば組織全体の時間は減らない可能性がある。逆に、作業時間の削減が利益に直結しなくても、残業や疲労が減ること自体に価値はある。何を成果と呼ぶかを先に決めなければ、成功も失敗も後付けで説明できてしまう。
本稿の結論は明確だ。AIは特定の作業を改善できる。ただし、その改善が組織成果に転換されるかどうかは、仕事の接続部分、評価制度、品質管理、意思決定権限に依存する。技術の性能だけで投資判断を完結させてはいけない。
2|約14%の改善は、何を意味するのか
Brynjolfsson、Li、Raymondによる研究「Generative AI at Work」は、顧客サポート担当者への会話支援AIの段階的導入を分析した。NBERの2023年版要約では5,179人を対象とし、時間当たりの問題解決件数で平均約14%の改善を報告している。初心者や相対的に技能の低い担当者で改善が大きく、熟練者では効果が小さかった。なお2025年の査読誌掲載版では対象者数が5,172人と記載される。版による対象数の違いを無視して同じ数字として引用してはならない。
ここで重要なのは「誰でも14%速くなる」という話ではないことだ。測定対象は、問い合わせ対応という比較的反復性が高く、処理件数を数えやすい業務である。AIは適切な返答の候補を示し、経験豊富な担当者の対応パターンを他の担当者に届ける役割を果たした可能性がある。初心者が過去の成功例を探し回る時間を減らせば、経験曲線を短縮できるという解釈は合理的だ。
ただし「暗黙知を伝えた」という説明は、観測結果を説明する有力な機序であって、すべての因果経路が独立に確定したという意味ではない。導入時期がずれた現場を比較する設計には利点があるが、対象企業の業務特性や支援内容を超えて一般化するには注意が必要だ。品質の測定、顧客満足、問題の難易度、担当者の離職といった周辺指標も併せて見なければ、単純な処理件数だけを最大化してしまう。
この研究が経営に示すのは、AIの効果が人によって均等ではないという点だ。最も経験の浅い層にとっては、優れた手順を必要な瞬間に提示する仕組みが強力な補助線になる。一方、熟練者には新しい情報や判断を提供できず、既知の内容を確認する負担だけが増える場合も考えられる。全員一律の導入率を目標にするより、業務と熟練度を分けた実験が合理的になる。
3|7,137人の実験が示した「時間短縮の先」
2025年のNBER研究「Shifting Work Patterns with Generative AI」は、66社・7,137人の知識労働者を対象に、メール、会議、文章作成など既存アプリに統合された生成AIへのアクセスを無作為に割り当てたフィールド実験を報告している。6か月の実験の後半では、AIを利用した処置群の労働者は、週当たりメールに費やす時間が約2時間少なく、通常勤務時間外の仕事も減少した。一方、個人単位でAIを提供するだけでは、仕事の量や構成の変化は検出されなかった。
これは「AIに効果がなかった」という意味ではない。メール時間が減ったことは重要な観測結果だ。ただし、それだけで企業の売上、利益、品質、顧客満足が改善したとは証明されない。労働者本人の時間の使い方が変わることと、部門横断の仕事の流れが変わることは別である。会議の開催や承認の順序、意思決定者の応答速度は、個人がAIを使うだけでは変えにくい。
さらに「AIを使った人の週2時間」という値は、アクセスを割り当てられた全員の平均効果と同じではない。研究要約は、処置群のうち実際に利用した約80%についてこの削減を述べている。利用者に限った比較には、利用しやすい人とそうでない人の違いが関わり得る。無作為割り当てそのものが強い証拠を与えるとしても、利用者だけの値を「全社員が確実に得られる節約時間」に変換するのは不適切だ。
研究は2025年5月に発行され、同年11月に改訂された。版をまたいでサンプル数や推定値を混ぜることは避けたい。ここでは2025年11月改訂のNBER掲載要約を基準とした。研究の利害関係についても確認が必要だ。NBERページには、著者の一部が実験対象のAI製品を提供する企業に雇用されていたこと、企業はプライバシー確認を行った一方、研究結果と推定について著者が裁量を持ったことが記載されている。これは研究を直ちに否定する材料ではないが、再現研究や異なる提供元での検証の価値を高める。
4|なぜ二つの研究は矛盾しないのか
第一の研究は、処理件数という業務成果に直結しやすい現場を扱う。第二の研究は、メールや会議など複数の知識業務を横断する。測定対象も違えば、仕事の相互依存性も違う。前者では一人が適切な返答を早く出せば、問い合わせを解決する件数に反映されやすい。後者では、一人が文章を早く作れても、承認者が確認しなければ案件は前に進まない。
ここから「ボトルネック」という視点が必要になる。工程Aを50%速くしても、工程Bが全体の処理能力を決めていれば、顧客に届く完成品の数はほとんど増えない。これは特定のAI研究から直接導かれた実測結果ではなく、工程設計に関する一般的な分析枠組みである。AIの導入対象が制約工程かどうかを見極めることが、局所的な効率化と全体最適の差になる。
もう一つの違いは、学習の蓄積である。顧客サポートのように正解に近い対応例を集めやすい領域では、AIが組織の実践知を提示しやすい。反対に、前例のない事業判断や利害調整では、AIの流暢な回答が適切な判断である保証はない。前者で見られた改善率を、後者の経営会議や商品企画に直接当てはめることはできない。
したがって経営者が問うべきは「社員がAIを使ったか」ではなく、「誰の、どの判断や作業が変わり、どの成果指標が動いたか」である。利用ログは投入量に近い。顧客に届いた価値は結果だ。この二つの間にある因果の鎖を、実験によって一つずつ確認する必要がある。
5|「節約した時間」を金額に換算する落とし穴
仮に一人当たり週2時間、100人が使ったとすれば、週200時間という単純計算になる。しかし、これをそのまま人件費削減額と呼ぶことはできない。給与が固定なら現金支出は変わらないし、空いた時間に別の仕事が増えたかどうかも分からない。時間を節約したという自己申告、PC上の操作時間、残業時間、実際の給与支払額は異なる指標である。
投資対効果を考える際には、少なくとも四つの経路を分けたい。第一に、同じ人数でより多くの有効な案件を完了する「処理量増加」。第二に、誤りや再作業が減る「品質改善」。第三に、残業や外注の実支出が減る「費用削減」。第四に、疲労や離職のリスクが低下する「働き方の改善」。それぞれ測定方法が違い、互いに代替できない。
例えばAIが企画書の初稿を速く作っても、誤った市場規模を引用していれば品質は悪化する。レビューの手間を含めると時間短縮が消える可能性もある。逆に、初稿の時間は変わらなくても、出典を照合する補助として使うことで重大な判断ミスを減らせるかもしれない。AIの価値を速度だけで測ると、こうした重要な変化を見落とす。
費用面では、ライセンス料金だけでなく、教育、運用管理、データ保護、監査、プロンプト・手順の更新、誤りが起きた際の修復費用まで考慮する必要がある。これらの費用が具体的にいくらになるかは企業ごとに異なり、ここで普遍的な金額を提示する根拠はない。だからこそ、小規模な試行と事前に定義した評価項目が重要になる。
6|導入の成否を分けるのは「個人」より「接続」かもしれない
組織内の仕事は、単独の作業の集合ではない。営業が顧客情報を集め、企画が提案を組み立て、法務が契約を確認し、経理が請求を処理する。ある工程の出力は別の工程の入力になる。AIが個々の文書を速く生成しても、部門間で必要な情報が欠けていれば確認の往復が増える。これは生産性を下げる可能性すらある。
そのため、導入順序は「AIに向いている作業を探す」だけでは不十分だ。まず仕事の流れを可視化し、待ち時間、差し戻し、入力の重複、判断の遅延を調べる。そのうえで、AIが単独で改善できる工程と、制度や権限の変更が必要な工程を分ける。後者を放置してAIだけ追加しても、局所最適に終わりやすい。
ただし、組織改革が必ず必要という断定も避けたい。定型的な問い合わせ対応、内部検索、文章の整形などでは、個人レベルの補助だけで十分な価値が出る場合がある。どの程度の組織変更が必要かは、仕事の相互依存性によって変わるというのが、本稿の分析上の仮説である。研究で直接検証された普遍的な法則として提示するものではない。
また、経験の浅い人への支援が大きいという研究結果を、教育の代替と解釈するのは早計だ。AIの回答をそのまま採用する習慣ができれば、本人が判断基準を学ぶ機会が減る懸念もある。反対に、AIが理由や参考例を提示し、本人が比較・検証する運用なら学習を促す可能性がある。何をAIに任せ、何を人間が理解すべきかを設計する必要がある。
7|反証と限界:導入を急ぐべきでない条件
まず、研究対象の偏りがある。顧客サポートと一般的な知識労働は、製造現場、医療、行政、教育、専門的な法的判断とは異なる。誤りの損失が大きい分野では、出力の検証コストが便益を上回ることがある。個別業務の研究結果を全産業の結論にすることはできない。
次に、効果の持続性がある。導入直後は新奇性や特別な研修によって利用が増えるかもしれない。時間がたてば定着する場合も、飽きられて使われなくなる場合もある。六か月の実験は貴重だが、数年単位の競争力や雇用構成まで確定するものではない。さらにモデルの性能や価格、利用規約は変わるため、研究実施時の製品条件を未来に固定してはいけない。
第三に、測定の歪みがある。処理件数を目標にすると、難しい案件を避ける誘因が生じる。メール時間を減らすことを目標にすると、重要な連絡を省略するかもしれない。速度だけでなく、品質、顧客の結果、再作業、セキュリティ事故、働く人の負担を組み合わせて評価する必要がある。
第四に、選択バイアスがある。AIの利用者と非利用者は、元から仕事への姿勢やデジタル技能が異なる可能性がある。無作為割り当てはこの問題を軽減するが、実際に使った人だけの比較には別の注意が要る。現場で導入率と成果の相関を見つけても、利用が成果を生んだのか、成果の高い人ほど利用したのかを切り分けなければならない。
第五に、機密情報の取り扱いがある。社外サービスへの入力が契約や規制に抵触するなら、仮に処理速度が上がっても採用すべきではない。データの保持、学習利用、アクセス制御、ログ、削除、委託先の所在などは導入前に確認すべき条件である。これらは研究の効果量とは別の、実務上の必要条件だ。
8|企業が試すなら、どう測るか
実務では、最初から全社導入せず、比較可能な業務単位で試す方がよい。まず対象作業を一つに絞り、現状の処理時間、完成件数、品質不良率、再作業、顧客満足などを測定する。可能であれば似たチームを無作為に分け、一方だけにAIを提供する。難しければ、導入前後の変化に季節性や案件難易度が混ざることを明示する。
試験の前に「成功条件」を書く。例えば「案件の完了時間を短縮し、差し戻し率を悪化させない」「問い合わせ解決件数を増やし、顧客評価を維持する」といった形だ。結果を見てから都合のよい指標を選ぶと、偶然の改善を成果として誇張しやすい。速度が上がっても品質が落ちたなら、成功とは判定しない。
試験中は、AI利用の有無だけでなく、提案を採用した割合、修正にかかった時間、誤りの種類、エスカレーションの回数を記録する。利用率が高くても修正負担が大きければ、業務に合っていない可能性がある。反対に、利用率が低くても重大な判断ミスを防ぐ補助として機能するなら価値がある。用途に合う成果指標を設定することが重要だ。
試験後は、効果が大きかった層と小さかった層を分けて分析する。新人に有効なら研修と組み合わせ、熟練者に有効でなければ無理に使わせない。さらに、AIによって生じた余剰時間をどの仕事に振り向けるかを決める。再配分がなければ、時間短縮が組織成果として見えないことは十分にあり得る。
ここでの提案は、研究結果から導いた実務上の設計案であり、すべての企業で有効性が実証された標準手順ではない。企業規模、業務、規制、労使関係によって適切な試験方法は変わる。
9|経営者が見るべき三つの数字
第一は「作業時間」ではなく「完了した価値」である。顧客の問題が解決した件数、品質を満たして納品された成果物、意思決定に使える調査など、仕事の目的に近い指標を選ぶ。単なる生成文字数やプロンプト数を成果にしない。
第二は「平均」だけでなく「分布」である。初心者に大きな効果があり、熟練者にはほとんどないなら、全社平均は意思決定に不十分だ。誰に、どの業務で、どの程度の効果が出たかを分けて見る。異なる効果を一つの平均に潰すと、必要な教育や投資配分を間違える。
第三は「純便益」である。AIで節約した時間から、確認、修正、管理、教育、情報保護にかかった時間を差し引く。さらに、節約時間がどんな成果に変わったかを追跡する。金銭換算が難しい健康や働きやすさは、無理に一つの金額へ押し込まず、別の重要指標として扱う。
この三つを分けて見れば、「AIで作業が速くなった」という事実を認めながら、「会社の生産性が上がったか」は別途検証できる。両者を区別することが、過剰な期待にも過小評価にも陥らないための出発点になる。
10|結論:AI導入の競争は、仕事の設計の競争になる
生成AIの効果は存在する。しかし一律ではない。顧客サポートでは処理能力の改善が観測され、知識労働ではメール時間の削減が観測された。研究対象と測定方法が異なる以上、どちらか一方だけでAI導入の是非を決めることはできない。重要なのは、技術が短縮した時間を、品質を保ちながら顧客価値へ転換できるかどうかだ。
企業は、AIを使う人数を競うより、改善すべき仕事を特定し、正しい指標を置き、実験結果に応じて業務の接続部分を変えるべきだろう。これはAIを万能視する立場でも、無意味と切り捨てる立場でもない。検証可能な改善だけを積み重ねる立場である。
最後に読者へ問いを残したい。あなたの仕事でAIが30分を節約したとして、その30分は何に変わるのか。次の成果物、顧客への対応、検証の質、あるいは休息か。その答えを測定できて初めて、「速くなった」を「良くなった」に言い換えられる。
SOURCE / 原典
この記事の出典
本文の事実確認に使用した原典です。FORWARD BASIS独自の解釈・整理は本文内で区別しています。
SUPPORT FORWARD BASIS
この記事が参考になったら
FORWARD BASISは、根拠に基づく質の高い情報を届けています。記事が役に立ったと感じたら、OFUSEから活動を応援していただけるとうれしいです。
おすすめ記事
なぜNikeは「走る仲間」をつくるのか──ランクラブを広告ではなく事業として読む
ランニングシューズを売る企業が、なぜ無料の練習プランや仲間との体験を提供するのか。ランクラブの拡大を入り口に、Nikeの施策とStravaのデータから、コミュニティを商売につなげる仕組みと、その限界を考える。
「毎日のシャワー」はなぜ高く売れるのか──Doveが広げるHygiene Resetの市場
清潔にするためだけなら、シャワーは短時間で終わる。ところが海外のSNSでは、香りを選び、ボディケア用品を並べ、入浴後の時間まで含めて楽しむ「セルフケアの儀式」が注目されている。日常の動作は同じでも、そこに求める価値が増えると、商品選びも変わる。
「朝に外すだけ」の動画が、なぜ商品を売るのか——Morning ShedとBootsに見る美容ビジネスの転換
夜に何層も美容アイテムを重ね、朝になったら一つずつ外す。Morning Shedは奇抜な流行にも見える。だが、ビジネスの側から見ると重要なのは美容法の新しさよりも、買う前には見えにくかった「使用過程」を、短い動画の商品説明に変えてしまったことだ。
AIを入れたのに、なぜ会社は変わらないのか——「14%改善」と「週2時間削減」が教える生産性の境界