生産性は「3つの階層」で見る
「生産性が上がった」と言うとき、何を測っているかで答えが変わります。この記事では3つの階層に分けて見ます。
1つ目は個人の作業で、文書1件を何分で書けたかを測ります。2つ目は会社の成果で、売上や利益が増えたかを見ます。3つ目は国の統計で、働く人ひとりや1時間あたりの産出を見ます。
先に結論を言うと、階層が上がるほど、効果は小さく、あいまいになります。個人の作業が速くなっても、そのまま会社のもうけにはなりません。浮いた時間を何に使うかが、間に挟まるからです。
個人の作業：実験ではくり返し効果が出た
AIを使う人と使わない人を分け、同じ仕事の結果を比べた実験が、2023年以降いくつも発表されています。代表的なものを表にしました。
| 仕事 | 対象 | 測ったもの | 結果 |
|---|---|---|---|
| 問い合わせ対応 | サポート担当5,179人 | 1時間の解決件数 | 平均14%増 |
| 文書作成 | 大卒の専門職453人 | 作業時間と品質 | 時間40%減・品質18%向上 |
| コンサルティング | BCGの社員758人 | 作業量と速さ | 12.2%多く・25.1%速く |
| ソフト開発 | 3社の開発者4,867人 | 完了した作業の数 | 26%増 |
| プログラム作成 | 開発者の小規模実験 | 1つの課題の所要時間 | 55.8%速く |
最初の行は、スタンフォード大学のブリニョルフソン教授らの研究「Generative AI at Work」で、2025年に経済学の学術誌に掲載されました。最後の行は、GitHubの研究者らによるプログラム作成の実験です。仕事単位で見れば、AIの効果は実験でくり返し確かめられています。
よく効くのは「経験の浅い人」と「型のある仕事」
同じ実験を細かく見ると、効き方に偏りがあります。問い合わせ対応の研究では、経験の浅い担当者の解決件数は34%増えた一方、熟練者ではほとんど変わりませんでした。ベテランの答え方をAIが新人に渡す形になった、と研究者は説明しています。
コンサルティングの実験（ハーバード・ビジネス・スクールの「Navigating the Jagged Technological Frontier」）では、逆の結果も出ました。AIが苦手な種類の課題では、AIを使った人のほうが正しい答えを出す割合が約2割低かったのです。AIが得意な仕事と苦手な仕事の境目は、外から見えにくいということです。
熟練者が遅くなった実験もある
AIの評価を行う米国の研究団体METRが2025年に発表した実験では、経験豊富な開発者16人が、自分の慣れたプログラムで246件の作業をしました。AIを使うと、作業時間はむしろ19%長くなりました。
注目したいのは本人の感覚です。開発者は作業前に24%速くなると予想し、終わった後も20%速くなったと答えていました。体感と実際の数字が逆になることがあるのです。
METRは2026年2月に後続の調査結果も公表しました。参加者を57人に増やすと遅くなる幅は小さくなり、速くなった可能性も残りました。METR自身、参加者の偏りで結果を読みにくいと書いています。「熟練者には逆効果」とまでは言えませんが、体感に頼れないことは確かです。
米国の統計：AIを多く使う業種で伸びが倍に
話題の図の数字は、米国の調査会社EPBリサーチが2026年10月に公表した分析です。AIの導入が最も進んだ情報・専門サービス・金融の3業種では、1人あたり産出の伸びが、2005〜22年の年2.2%から、2022年末以降は年5.0%に上がりました。
一方、残りの業種では年0.9%から年1.4%への上昇にとどまります。3業種は雇用の15%ほどで、EPBも効果が見えるのは仕事の一部だけと添えています。なお、この数字は雇用者ひとりあたりで、政府の公式な生産性（1時間あたり）とは測り方が違います。
公式統計でも伸びは加速しています。米労働統計局（BLS）によると、非農業部門の労働生産性は2024年に3.2%、2025年に2.3%伸びました。2026年7〜9月期は年率3.6%です。2010年代の年1.5%前後より高い水準が続いています。
それでも「AIのおかげ」とはまだ言えない
伸びが加速したこと自体は事実です。問題は、それがAIのおかげかどうかです。
米カンザスシティ連銀が2026年2月に出した分析では、業種ごとのAI導入率で説明できたのは、生産性の伸びの変化の約3%でした。生産性研究で知られるシカゴ大学のサイバーソン教授は、加速が始まった時期はAI投資がまだ小さかったと指摘しています。コロナ後の起業や転職の増加も、同じ時期に重なります。
働く時間の面でも、効果はまだ小さめです。セントルイス連銀の調査では、生成AIで浮いた時間は全労働時間の約2%（2026年4〜6月期）でした。デンマークの大規模研究では、AIで賃金や労働時間がはっきり変わった形跡は見つかっていません。国の数字は、AIの効果が「出始めたかもしれない」段階と読むのが妥当です。
日本のデータ：効率化の実感は強く、売上はこれから
日本では、使う会社が一気に増えました。総務省の「令和8年版 情報通信白書」では、生成AIを業務で使う企業が86.4%（前年度55.2%）になりました。同白書の企業調査で、AIで生じうる影響に「業務効率化」を挙げた企業は61.6%と、米国の56.6%を上回ります。一方「製品・サービスの質の向上」は32.2%で、米国の59.9%の半分ほどです。
内閣府の「令和8年度 年次経済財政報告」第2章第2節は、AIを導入した事業所の78%が効果ありと答えた調査を紹介しています。ただし同報告は小見出しで「ＡＩ活用で作業効率は改善、労働時間への効果はやや限定的」と明記しています。
IPAの「DX動向2026」の発表資料でも、AIの効果は「効率化・迅速化」が91.6%に対し、「売上や利益が向上」は3.9%でした。経済産業研究所の森川正之氏のコラムは、AIが日本全体の生産性を1%以上押し上げたと概算しつつ、不確実性は高いとしています。浮いた時間がまだ売上に変わっていないのが、日本の現在地です。
自社で効果を測る4ステップ
会社の成果につなげるには、自社の数字で確かめるしかありません。前述のとおり、体感は当てになりません。
選ぶのは、見積書の作成や問い合わせへの返信など、件数と時間を数えられる仕事です。導入前の2週間を記録し、AIを使った2週間と比べます。AIの答えを確かめ、直す時間も必ず含めます。費用との比べ方はAIの費用対効果の測り方にまとめています。
研修も効きます。中小企業庁の「2026年版 中小企業白書」では、AI研修をしていない事業者の16.1%が「想定した効果が得られなかった」と答え、研修をしている事業者の8.6%の約2倍でした。白書は「AI活用に当たっては、研修会や勉強会も併せて実施することが重要であると示唆される。」と明記しています。
浮いた時間の使い道も先に決めます。デジタル庁の政府職員向け生成AI「源内」の利用状況アンケートでは、職員ひとりあたり週約1.83時間の短縮と推計されました。使い道を決めないと、浮いた時間は雑務に溶けます。使いすぎの落とし穴はジェボンズの逆説の記事で扱っています。
よくある質問（Q&A）
AIを使えば、本当に仕事は速くなりますか。
型のある仕事なら、速くなる可能性は高いです。問い合わせ対応や文書作成の実験では、件数や時間ではっきり改善しました。ただ、熟練者が慣れた作業に使って遅くなった実験もあります。自社の仕事で、導入前後の数字を比べて確かめてください。
アメリカの生産性が上がってるのって、AIのおかげなんですか。
まだ言い切れません。AIを多く使う業種で伸びが大きいのは確かですが、連銀の分析では、AI導入率で説明できる部分はわずかでした。コロナ後の起業や転職の増加など、ほかの要因も重なっています。
AIを入れても効果が出ない会社は、何が違うんですか。
研修の有無と、浮いた時間の使い道で差が出やすいです。中小企業白書では、研修をしていない事業者ほど「想定した効果が得られなかった」と答えていました。ツールを配るだけでなく、学ぶ場と測る仕組みをセットにします。
まとめ
- 個人の作業では、実験で14〜56%の改善。経験の浅い人と型のある仕事でよく効く。
- 米国の生産性は加速しているが、AIのおかげと言い切れる段階ではない。日本は効率化の実感が強い一方、売上の向上は3.9%どまり。
- 自社の仕事を1つ選び、導入前後の件数と時間を、確認の手間も含めて比べる。研修と時間の使い道もセットで決める。
「AIで生産性が爆発的に上がった」という図と、「AIは期待外れ」という記事が、同じ週に流れてくることがあります。調べてみると、どちらも嘘ではなく、測っている階層が違うだけでした。
他社や他国の数字は、自社の答えにはなりません。自社の仕事1つで、2週間測ってみる。それがいちばん確かなデータになります。ここまで読んでくださり、ありがとうございました。
── AutoAIPlatform編集部