ハクソク

世界を動かす技術を、日本語で。

数千人のCEOがAIが雇用や生産性に影響を与えなかったと認めた

2026年2月18日原文(fortune.com)

概要

  • Robert Solow による「生産性パラドックス」の再来
  • AI導入企業の多くで 生産性向上が統計に現れない 現状
  • 経営層の AI期待値と実際の効果の乖離
  • ITブーム時代と同様に 今後生産性が急上昇する可能性
  • AI活用の仕方 が今後の価値創出の鍵

ソローの生産性パラドックスとAI

  • 1987年、経済学者 Robert Solow が「 生産性パラドックス」を提唱
    • トランジスタやマイクロプロセッサの普及後、期待された生産性向上が実現しなかった現象
  • 「 コンピューター時代は至る所に見られるが、生産性統計には現れない」という有名な指摘
  • 新技術が職場に情報過多をもたらし、逆に効率低下を招いた事例

AI導入と現状の生産性

  • 2024-2025年、 S&P 500 企業のうち374社が決算説明会でAIについて言及
    • ほとんどがAI導入を「 ポジティブ」と評価
    • しかし、 全体の生産性統計には反映されていない 現実
  • National Bureau of Economic Research による調査
    • 米英独豪の6,000人の経営層対象
    • 約2/3がAIを利用 しているが、週1.5時間程度の活用にとどまる
    • 25%はAI未利用
    • 約90%の企業が過去3年で雇用・生産性にAIの影響なし と回答
  • 経営層は今後3年で 生産性1.4%増、出力0.8%増 を予測
    • 雇用は0.7%減少予想
    • 一方、従業員側は0.5%の雇用増加を予想

AIの生産性効果に関する研究動向

  • 2023年、 MIT 研究者がAI導入で パフォーマンス40%向上 を主張
  • しかし実際のデータでは 期待通りの生産性向上は未確認
  • Apollo チーフエコノミストTorsten Slok
    • 「 AIは至る所にあるが、マクロ経済データには現れない」と指摘
    • Magnificent Seven（主要ハイテク7社）以外では利益や収益期待への影響も限定的
  • 連邦準備銀行セントルイス支店 の調査
    • ChatGPT普及後、 1.9%の累積生産性成長 を観測
  • 2024年MIT研究
    • 今後10年で 生産性0.5%増 と予測
    • 「 0.5%でもゼロより良いが、業界の約束には及ばない」との見解

AI普及の障壁と雇用への影響

  • ManpowerGroup の調査
    • 19カ国・約14,000人調査
    • AIの定常利用は13%増加 も、 有用性への信頼は18%減少
    • AIへの根強い不信感 の存在
  • IBM の人事責任者Nickle LaMoreaux
    • 若手採用を3倍に増やす方針
    • AIによる業務自動化で若手雇用減→中間管理職不足→リーダー育成に支障という懸念

今後のAI生産性向上の可能性

  • 過去のITブームでも、 1970-80年代は低迷→1990年代に生産性急上昇
    • 1995-2005年に 生産性成長1.5%増 という実績
  • Stanford Digital Economy Lab ディレクターErik Brynjolfsson
    • 2023年第4四半期GDP 3.7%増、雇用増は18.1万人に留まる
    • 2023年の米国生産性2.7%増 をAI投資からの「収穫期」と分析
  • Mohamed El-Erian （元Pimco CEO）
    • AI普及による「 雇用とGDP成長の乖離」を指摘
    • 1990年代のオフィス自動化と同様の現象
  • Slok はAI効果が「 Jカーブ」（初期停滞→急成長）を描く可能性を示唆
    • 成否はAIが生み出す「 価値」次第と強調

AIとITブームの違い・今後の課題

  • 1980年代のITは 独占的な価格支配力 があったが、AIは 激しい競争 によりツールが安価で普及
  • 今後の生産性向上は AI活用の巧拙 に依存
    • 生成AIを各業界でどう実装するか が決定的要素
  • Slokは「 価値創出はプロダクトそのものではなく、AIの使い方にある」と総括

このように、AIは過去のIT革命と同様に「生産性パラドックス」に直面しているが、今後の使い方と企業の取り組み次第で大きな変化が期待される状況

Hackerたちの意見

https://archive.is/L70Ha

マイクロソフトのコパイロットの試用版をフォーチュン500に含めるなら、絶対にそうだね。多くの大手上場企業はAIの機能に気づいてないし、上層部は怠けてて使うことすらないんだよね。

└

教えないと、釣り竿で釣りをするのがどれだけ難しいかってことが分かるよね。

└

100% 今、AIの能力に驚いてる人たちはソフトウェアエンジニアばかりで、超懐疑的な人たちはほとんど他のオフィス仕事をしてる人たちだね。彼らの主なAIとの接点を調べてみると、マイクロソフトのコパイロットなんだけど、今までのAIシステムの中で最もクソな実装だと思う。進歩を重視する人間としては、こういうシステムから恩恵を受けてる人が少ないのを見るのは本当に残念だよ。

└

ソフトウェア開発にはLLMの自動化に適した単純作業がたくさんあるけど、実際のところ、平均的なホワイトカラーの労働者にとってチャットボットの有用性を過大評価してる人が多いと思う。プロンプトがメール自体より長くなるのに、Copilotにメールを作成させる意味は何なの？ ChatGPTにスライドデッキを作ってもらうことはできるけど、スライドデッキはもうすでに作るのが超簡単だし。LLMを検索エンジンとして使うこともできるけど、すでに検索エンジンはあるしね。チャットボットを使ってブレインストーミングするって話もあるけど、自分を説明する負担から解放されて考えればいいだけじゃない？ LLMはすごく印象的で柔軟なツールだけど、変革を期待されすぎてる気がする。実際には限られた方法でしか変革をもたらさないんだ。彼らが輝く場所はかなり低レベルで、転写、翻訳、画像認識、検索、明確に指定された問題を既知のAPIを使って解決することなど。これには価値があるけど、期待されているような普遍的な加速剤は見えてこないな。

うちの会社は時代遅れで、今日やっと「AIの使用状況が目立たないようにしないとまずいよ」って言われたところ。少なくとも「おっと、それは無駄遣いだった」って言うのまでに6ヶ月はかかると思うし、下手したら1年かかるかも。（AI市場が先に大きく崩れない限り）

└

結局、経営陣は全然わかってなくて、AIの使い方を自分で考えろってこと？それに、自分でパフォーマンスレビューを書いたり、目標を設定したりするの？

コンピュータサイエンスの観点から言うと、大きな組織は故障したハードウェア（人間）で動いてる分散システムみたいなもんで、通信の遅延も大きいんだよね。個々の人（CPU）はかなり速いんだけど、会議で時間を無駄にしたり、承認待ちしたり、タスクが並行処理できなかったりするんだ。アップグレードする前に、I/OバウンドかCPUバウンドかを知っておく必要があるね。

└

両方だと思う。ほとんどの組織には、スティーブ・ジョブズのような人がいないから、製品ラインが活性化しないんだよね。マイクロソフトなんかはそのいい例で、年々出てくる製品がほとんど「まあまあ」って感じ。会議も多いし、特に多くの企業ではチームの便利さのためにさらに増えてる。でも今は、2〜3年前と比べて市場が柔らかくなって需要が減ってる。多くの人を解雇しても収益が維持されているなら、AIが助けているんじゃないかな。ただ、企業では直接売上に貢献しているかどうかが重要なんだよね。

└

じゃあ、個人が自分で書いた素晴らしいオープンソースプログラムはどこにあるの？ AIに助けられているはずの小さなビジネスはどこにあるの？

└

オペレーション的には、新しいスタートアップはエージェントファーストでの設定に大きなアドバンテージがあると思う。古い人間ファーストのものほど良くはないかもしれないけど、モデルの改善に関してはずっと安くて柔軟だろうね。

└

もしかして、経験豊富な人たちはL2キャッシュみたいな存在なのかな？ そして、課題はそのキャッシュを新鮮に保ち、深くしすぎないことかも。すぐに利用できるインスティテューショナルメモリー（キャッシュヒット）が必要で、CPUの人たちがその瞬間に必要としていることを助けるために。キャッシュがなければ問題は解決できるけど、うーん、すごく時間がかかるだろうね。一方で、キャッシュに悪いデータが入っていると、それは良くない。みんなが本当に何をすべきかを考える代わりに、そのキャッシュからそれを選んでしまうから。

Hacker Newsで議論の続きを見る