最近、特に政治家の間で生産性についての議論が盛んに行われている。それには十分な理由がある。オーストラリアの労働生産性成長率は60年来の低水準にあるからである。
この問題に対処するため、Anthony Albanese首相は来月生産性円卓会議を開催する予定である。これは、5つの改革の柱を検討している生産性委員会の中間報告書の発表と時期を同じくする。その柱の一つが人工知能（AI）を含むデータとデジタル技術の役割である。
これは、AIの生産性向上効果を熱心に推進してきた技術・ビジネス部門にとって朗報である。実際、Business Council of Australiaも先月、AIは生産性向上のための一世代で最大の機会であると述べた。
しかし、AIが生産性に与える影響について、われわれは実際に何を知っているのだろうか？
生産性とは何か？
簡潔に言えば、生産性とは、与えられた投入量（労働力や原材料など）からどれだけの産出量（財やサービス）を生産できるかということである。生産性は重要である。なぜなら、より高い生産性は通常、より高い生活水準につながるからである。生産性の向上は過去30年間のオーストラリアの所得成長の80%を占めている。
生産性は個人、組織、国家レベルで考えることができる。
個人の生産性とは、タスクを完了するために時間と資源をどれだけ効率的に管理するかである。1時間に何通のメールに返信できるか？1日に何個の製品の不具合をチェックできるか？
組織の生産性とは、組織が目標をどれだけうまく達成するかである。例えば、研究機関では、どれだけの高品質な研究論文が生産されるか？
国家の生産性とは、国家の経済効率性であり、しばしば1時間当たりの国内総生産として測定される。これは実質的に他の形態の生産性の集約である。しかし、個人や組織の生産性の変化が1時間当たりの国家GDPにどのように転換されるかを追跡することは非常に困難である。
AIと個人の生産性
AIと個人の生産性の関係を調べる初期の研究は、まちまちの結果を示している。
AIと生産性に関する2025年の実世界研究では、米国の多国籍企業Procter & Gambleの経験豊富な製品専門家776人を対象とした。この研究は、AIの使用にランダムに割り当てられた個人が、AIを使わない2人のチームと同等の成果を上げたことを示した。Boston Consulting Groupのコンサルタント750人を対象とした2023年の類似研究では、生成AIを使用することでタスクが18%高速化された。
Fortune 500のソフトウェア企業で5,200人の顧客サポート担当者が使用した初期の生成AIシステムについて報告した2023年の論文では、1時間当たりの解決問題数が14%増加した。経験の浅い担当者では、生産性が35%向上した。
しかし、AIが常に個人の生産性を向上させるわけではない。
2,500人の専門家を対象とした調査では、生成AIが実際に労働者の77%の作業量を増加させることが判明した。47%はAIの生産性向上効果を引き出す方法が分からないと回答した。この研究は、AI出力の検証や修正の必要性、AIスキルアップの必要性、AIができることへの非現実的な期待などの障壁を指摘している。
最近のCSIRO研究では、政府機関の300人の従業員によるMicrosoft 365 Copilotの日常的使用を調査した。大多数が自己申告で生産性向上効果を報告したが、相当数の少数派（30%）は効果を感じなかった。生産性向上を報告した労働者でさえ、実際に得られたよりも大きな生産性向上効果を期待していた。
AIと組織の生産性
組織の生産性の変化をAIの導入に起因させることは、不可能ではないにせよ困難である。企業は多くの社会的・組織的要因に敏感であり、そのいずれもが生産性の変化の理由となりうる。
それでも、経済協力開発機構（OECD）は、従来のAI、つまり産業固有のタスクに適用される機械学習の生産性向上効果を、組織レベルで0～11%と推定している。
2024年の要約論文では、ドイツ、イタリア、台湾におけるAIによる組織生産性の向上を示す独立した研究が引用されている。
対照的に、米国の30万社を対象とした2022年の分析では、AI採用と生産性の間に有意な相関関係は見つからなかったが、ロボティクスやクラウドコンピューティングなどの他の技術については相関関係があった。考えられる説明は、AIが多くの企業にまだ影響を与えていないか、あるいはAIが単独で適用されることはないため、その影響を解きほぐすのが困難であるということである。
AIの生産性向上は、AIシステムの訓練や運用に必要な追加的な人的労働によって隠されることもある。店舗向けのAmazonのJust Walk Out技術を例に取ろう。
2018年に公開発表されたこの技術は、顧客の購入が完全に自動化されることで労働力を削減することを意図していた。しかし、品質管理のためにインドで約1,000人の労働者を雇用することに依存していたと報告されている。Amazonはこれらの報告を「誤り」と表現している。
より一般的に言えば、AIモデルのためにデータにラベルを付けるために支払われている人々の数は不明であるが、おそらく数百万人に上ると考えられる。
AIと国家の生産性
国家レベルでの状況はさらに曖昧である。
明らかに、AIはまだ国家の生産性に影響を与えていない。企業が技術の使用方法を把握し、必要なインフラとスキルを整備する必要があるため、技術開発が国家の生産性に影響を与えるには時間がかかると議論することもできる。
しかし、これは保証されていない。例えば、インターネットが生産性向上をもたらしたことには合意があるが、携帯電話とソーシャルメディアの効果はより議論の余地があり、その影響は一部の産業（エンターテインメントなど）では他の産業よりも明らかである。
生産性は単にものごとを速くすることではない
AIと生産性に関する一般的な説明は、AIが単調なタスクを自動化し、物事を速く行えるようにし、創造的な追求により多くの時間を与えるというものである。しかし、これは仕事がどのように行われるかについての単純な見方である。
受信箱をより迅速に処理できるからといって、午後をビーチで過ごせるわけではない。より多くのメールを送信すればするほど、より多くのメールを受け取ることになり、終わりのないサイクルが続く。
速いことが常に良いわけではない。時には、より生産的になるためにペースを落とす必要がある。偉大なアイデアが生まれるのはそのような時である。
AIが単にタスクを高速化するのではなく、積極的にペースを落として、より革新的で生産的になるための空間を与える世界を想像してみよう。それがAIの真の未開拓の機会である。
