AIで生産性は上がるのか―個人の時短が組織成果につながらない３つの理由

「生成AIを使うようになって、仕事が速くなった」

今、多くのビジネスパーソンがそう感じているだろう。提案資料の下書きが数分でできる。長い文献が一瞬で要約される。普及が進む生成AI（以下、AI）によって、タスク時間が短縮されたと実感する人は多い。だが、その実感の総和であるはずの生産性向上の効果をはっきり言い当てるのは、マクロ・レベルにおいては実はかなり難しい。企業の業績にも、国全体の労働時間にも、生産性の統計においてもそうである。

「半数近くの雇用が消える可能性がある」「ホワイトカラーのほとんどが要らなくなる」といった派手な言説の「答え合わせ」は、AI普及開始から数年経っても、ずいぶん心許ない状態にある。

本コラムの問いは「AIで生産性は上がるのか」という一般論ではなく、なぜ個人の時間短縮が組織の成果にならないのかという点にある。筆者は、個人が感じ得るタスク・レベルのミクロな効率性と、マクロな生産性向上の間にはいくつかのミッシング・リンクがあると考えている。AIでの作業時間の効率化、という表層的な「効果」に惑わされないために、このことを整理することが本コラムの目的である。

すでに過半数がAIを仕事で用いる

パーソル総合研究所が実施した「AI環境における人材とマネジメントに関する定量調査」によれば、正規雇用者のAI業務利用率は2025年10月の41.9%から2026年5月には54.3%へと上昇し、過半数を超えた。おそらく本コラムの読者の中にはAIを毎日のように使い始めて１年以上経っているという方も多いだろう。筆者ももちろんその一人だ。

そして筆者は、AIを使っている方に会うたびに、次のことを尋ねるようにしている。
・AIによって、あなたの残業時間は減りましたか
・AIによって、あなたの組織の売上・業績は上がりましたか
・AIによって、あなたの組織で人員の過剰がでてきましたか

ほぼ全員がいずれも「NO」を返してくる。そして多くの方が、「まだ、成果は出ていないですね」と苦笑いしながら時間的な留保をつける。

これだけ広がってしばらく経過したAIの成果が、組織の成果として現れていないというのは、どういうことだろうか。こうした効果は１年後、２年後には出るということだろうか。

AIによって本当に時間が浮いているなら、その痕跡は２つのうちどちらかに現れるはずである。同じ成果をより短い時間で得るようになるか（総労働時間の減少）、同じ時間でより多くを生み出すようになるか（付加価値の上昇）。このいずれかだ。順に見ていく。

総労働時間は働き方改革の延長トレンド

まず日本の労働時間を追ってみよう。総務省「労働力調査」で正規従業員の週間就業時間を見ると、長時間就業は着実に減っている。しかし、最大の減少は2019年から2020年のコロナ禍であり、AIが普及し始めた2022年からのトレンドは微減トレンドが続いている状況だ。また、この2022年から2025年平均にかけて、正規の職員・従業員は約111万人増加していることも見逃せない。

2024年からは週49時間以上の労働者の減少幅が大きくなっているが、この時期は時間外労働の上限規制の全面適用にあたり、働き方改革のトレンドの延長線上にあると見たほうが妥当だろう。

厚生労働省「毎月勤労統計調査」を見ると、2025年は前年度比1.0%減だったが、2026年に入ってからは増加に転じている。

では、日本よりもAI普及が進んでいるアメリカはどうか。

米国労働統計局（BLS）の雇用統計によれば、民間部門の週平均労働時間は2021年1月に35.0時間のピークをつけたあと緩やかに低下したが、2025年半ばの34.2時間で底を打ち、2026年は1月から7月まで34.3時間で横ばいに転じている。AIの普及が急速に進んだこの２年間、米国の労働時間は減るどころか、わずかに増えている。

業種別に見ても、AIの痕跡は見当たらない。AI利用が進んでいるとされる情報、金融、専門・ビジネスサービスの3分野で見ると、情報分野は2025年7月の37.1時間から2026年7月も37.1時間で変化なし、金融は37.6時間から37.4時間、専門・ビジネスサービスは36.4時間から36.7時間である。いずれも0.3時間以内の動きにすぎず、週に換算して20分に満たない差である。ちなみに、失業率も大きな変動はなく、横ばい圏内で推移している ^※1。ニュースが派手に報じるようなビッグテックのレイオフなどは、マクロ・レベルでは起きていない。

日米いずれにおいても、AIが人間の時間を取り戻したという痕跡は、統計上には現れているとは言い難い。

生産性の上昇は、AIによるものか

では、もう一方の付加価値の上昇はどうだろうか。

日本生産性本部によれば、2024年度の実質労働生産性上昇率は時間当たり・一人当たりとも前年度比+0.2%。四半期ベースでは6四半期連続のプラスで、2000年以降で最も長い上昇局面だ。だが、その水準は0%近傍にすぎない ^※2。

さらにいえば、2024年度に最も生産性が伸びた産業は運輸業・郵便業（+3.8%）だった。これもまた理由は時間外労働の上限規制にあるだろう。日本で生産性を最も押し上げたのは、AIの業務利用率が最も低い水準の業種である。

一方で、アメリカの統計はより良好だ。BLSによれば、2019年10〜12月期以降の非農業部門労働生産性は年率2.1%で伸びており、前の景気循環を明確に上回る。2026年1〜3月期も、前年同期比で2.8%の上昇であった。

この上昇はAIによるものなのだろうか。ここは各専門機関の分析でも、意見が分かれている。

ダラス連銀は、AI利用度の高い国ほど「AI露出度と生産性成長の相関」が強まることを国際比較し、AI利用の少ないドイツやスペインでは、AI露出セクターの生産性も低いとする^※3 。その一方で、カンザスシティ連銀は、AIの導入は産業全体で生産性成長の加速と一致するものの、生産性全体の増加をほとんど説明しないと分析する^※4 。

MITのダロン・アセモグルは、AIによる今後10年間の全要素生産性（TFP）の押し上げは累計0.66%を超えない（年率に直せば0.06〜0.07%程度）と推計していた^※5 。サンフランシスコ連銀が分析した全要素生産性は、2026年第1四半期までの4四半期でわずか0.07%しか伸びていないとし、実際に、その推計が当てはまる水準になっている ^※6。

一方で、AIブームそのものが需要側から統計を押し上げている可能性が高い。第一生命経済研究所によれば、米国の情報処理機器とソフトウェアへの投資は2025年7〜9月期でGDP比4.5%に達し、ITバブル期に匹敵する^※7。AIが「効率性を高めている」というよりも、AIが投資として大きな需要を生んでいる。その2つは今の統計では切り分けられない。

総労働時間は減らず、生産性の上昇も明確な形では出てきていないか、かなり控えめである。

これが日本とAI先進国・アメリカにおける現時点のAIの「効果」のようである。はたしてこれは「いまだにAIが普及途上」だからなのだろうか。それが正しいならば、今後は上昇していくことになるが、それは本当だろうか。

個人の時短が組織成果につながらない3つの断層―マクロとミクロのミッシング・リンク

現場では、たしかに作業時間が浮いている実感があるが、その効果は組織レベル、産業レベルでは現れない。ミクロで観測される効果が、マクロに到達しない。筆者はこれ、AIにおける「マクロとミクロのミッシング・リンク問題」と呼んでいる。

AIがマクロとミクロの効果をつなぐ上で、筆者は以下の３つの「断層」があると考えている。

第１に、成果を制約していない工程を改善しているのではないか（時短の空振り問題）。
第２に、AIで浮いた余白時間が価値を生まない時間に再投下されているのではないか（余白の消滅問題）。
第３に、AIで誰でも出せる成果物は、差別化が難しくなる（差別化の消失問題）。

問うべきは、AIに効果があるかどうかではない。効果が失われている場所はどこか、である。

①時短の空振り問題 ─ AIで速くした仕事は成果を左右する業務ではない

工場の比喩をひとつだけ補助線にしよう。

エリヤフ・ゴールドラットが示した制約理論（TOC）の命題は、生産ラインの全体速度は、最も遅い工程が決めている、というものだった。制約になっていない工程をどれだけ効率化しても、ラインから出てくる製品の数はひとつも増えない。むしろ仕掛品が積み上がるだけである。

この視点を借りると、AIの使われるタスクが、どんなタスクかという問題に思い当たる。

パーソル総合研究所が2026年に実施した調査において、AIの利用用途の上位に並ぶのは、資料・文書の作成（27.0%）、情報・文献・資料の整理や要約（25.3%）、メールや議事録の作成（23.1%）である。2025年調査でも、利用の中心は文章関連業務であった。これらが成果を加速させる工程かと問われれば、多くの職場では違うだろう。

そのため、重要なのはAI活用の中心がどこにあるかである。

AIの利用用途の上位に並ぶ、資料・文書の作成、情報や文献の整理・要約、メールや議事録の作成は、確かに時間を消費する。しかし、多くの組織において業績や成果を制約している工程がここにあるとは限らない。

例えば、営業活動でみよう。営業の成否は、顧客発見、顧客理解、提案作成、社内調整、契約といった一連のプロセスから成り立っている。ここでAIを活用し、提案書作成というタスクに要する時間を50％削減できたとしよう。しかし、受注の成否を本当に左右しているのが顧客の課題理解やニーズ把握であるならば、提案書を作る速度だけを高めても売上は増えない。改善されたのはプロセスの一工程にすぎず、成果を制約している部分ではないからである。

つまり問題は、成果を決めているボトルネックではないタスクを効率化していることである。制約工程に届かない時短は、個人には効率化として認識されても、組織成果や業績の向上としては現れにくい。

②余白の消滅問題 ― 浮いた時間は「いつもの仕事」に吸い込まれる

２つ目の問題は、「浮いた時間がどこに使われているか」である。

このことはほとんど調査されていないが、パーソル総合研究所の2025年調査によれば、AIを使ったタスクについて週当たり平均26.4分削減されていた。では、その26分はどこへ消えたのか。

その内容は、浮いた時間の61.2%が仕事に再投下されており、その中身の75.4%が「日常の業務」に充てていた。改良・再設計や探索といった業務に振り向けられる比率は低い。つまり、浮いた時間はその多くが日常業務の再生産へ、知らず知らずのうちに還流している。

理屈としては珍しくない。仕事は、与えられた時間を埋めるまで膨張するというパーキンソンの法則を思い返してもよいだろう。再投下先を誰も設計しなければ、浮いた時間は最も引力の強い場所、すなわち目の前の反復業務へ落ちて当然である。従業員には、残業手当を減らしたくないという合理性もある。

また、AIは時間を削ると同時に、新しい仕事を連れてくる。

AI活用に伴う業務課題を見ると、「欲しい回答を得るために、指示を何度も出し直すことがある」49.7%、「業務の前提や背景を、生成AIに入力するのが負担である」38.0%、「生成AIの出力を確認・修正する手間が大きい」35.2%。そして「生成AIを使うことで、かえって作業時間が増えることがある」が30.3%に上る。また、これらの課題は、AIをたくさん使うユーザーほど大きくなる。

また、AIには普及のコストもある。2025年の調査では、週4日以上AIを利用するヘビーユーザーほど学習や人への教育の時間に充てていた。組織の中で最もAIを使う人が、最も多くAIに時間を使い、最も多く人に教えている。

このような付加的なタスクに目が向かないことで、そもそもAIで浮いた時間の量そのものが過大に見積もられている可能性もある。

AI評価機関METRが2025年に実施した実験では、経験豊富なオープンソース開発者がAIツールを使った場合、作業の完了時間はむしろ19%長くなったが、被験者たちは作業を終えたあとに「20%速くなった」と信じていた^※8 。この研究はサンプルの少ない実験的研究という限界がある一方で、そもそもの働き手の「速くなった」という自己申告の当てにならなさを示すものだ。これは、「消滅どころか、そもそも余白が生まれていない」可能性を示唆する。

③差別化の消失問題 ― AIがくれるものは、競合にも配られている

次に３つ目の、そしておそらく中長期的には最も厄介な問題がある。それは、「AIで誰でも出せる成果物は、差別化が難しくなる」という単純な問題だ。

AIは、世界中のユーザーにほぼ同時に普及するという珍しい技術である。同じツールが、競合他社の担当者の手元にも届いている。これは、製造業が行う機械・設備投資とは性質が異なる。特注した設備は自社固有の強みになりうるが、AIは競合も同時に利用できる。こうした希少性の低さは、差別化の難しさを生む。

むしろ、AIを使い合う競合の中に埋もれることで、競争優位そのものが縮小してしまうこともある。

例えば新卒採用市場では、AIによって多くの就活生が一定水準以上のエントリーシートを書けるようになった。かつては「よく書けている」という点が評価につながったが、それが機能しにくくなっている。こうしたことは、いわゆる「SaaSの死」と呼ばれる議論において、顧客側でAIを用いて内製化できるようになって、ソフトウェアの価値が相対的に低下することと同じだ。

もちろん、AIによる効率化が起これば、利益改善にはつながりうる。しかし、それを競合他社も同時に実現するならば、その利益は持続的な競争優位にはなりにくい。

「AIで良いものを速く作れるようになりましたので、価格を上げます」と言える企業は、AI提供企業を除けば多くない。AIによる効率化は他社も実現できるため、それ自体には値がつきにくいのである。問題はAIの性能ではない。AIの可能性を誰もが信じ、誰もが投資するからこそ、AIの活用そのものは差別化要因になりにくい。これがAIの社会経済的な限界なのである。

３つの断層をどう乗り越えるか

マクロとミクロのミッシング・リンク問題として、３つの断層を整理した。

AIを使って生産性を大きく上げるには、この３つを通過する必要がある。「自社でいくらAIを使っても業績も残業も減っていない」という場合には、このどこかで通過に失敗している可能性が高いだろう。

次の上位モデルを待っても、AIエージェントが広がろうとも、この３つは解決されるものではない。これらはいずれも「モデルの性能」や「ユーザー・リテラシー」の水準の問題ではないからだ。

１．時短の空振り問題に対しては、AIの「使いどころ」の特定と業務の再設計をセットにする必要がある（業務プロセスの問題）。
２．余白の消滅問題に対しては、AIで生まれた余白・タスクの行き先をあらかじめ決め、方向づける必要がある（組織マネジメントの問題）。
３．差別化の消失問題に対しては、自社にしかない独自の価値をAIに注ぎ込み、差別化につなげる必要がある（競争戦略の問題）。

AIは、「これまでの業務」を時短にするだけでは、価値が薄い。むしろAIの浸透と不可逆な社会の変化を、自組織の業務を引き直し、洗いなおす機会として捉え直すこと。３つの壁は、そこからしか越えられないだろう。

おわりに

明確な統計的な効果が見られないことは、AIが無力だという意味ではまったくない。恐らくは、本コラムが整理した３つの断層、もしくは他の壁のどこかで止まっている可能性が高い。

だとすれば、多くの企業が追いかけているAI活用や普及指標は、そもそも的を外している。測るべきは、どれだけ使ったかではなく、削った時間がどこへ行ったのか。自社にとっての付加価値をどう増やしたのか。これらの本質的な指標について本気で考えないかぎり、利用率が100%になっても、AI投資効果は「なかった」という結論が導き出されてしまう。

AIもまた、これまでのテクノロジーと同様に、「技術の導入」だけでなく、「業務プロセスの見直し」「マネジメントの調整」「組織構造の変更」「人材育成」などの補完的なソフトな領域への投資が必要だということだろう。

残業時間も人も減らず、売上が上がっていないように見えるにもかかわらず、各社のAI投資は止まりそうにない。１年後、２年後にそれがどうなっているのかは、普及の足を止めてでも考るべき本質的課題である。