AI導入の効果をめぐる議論は、いま「体感」と「実測」の乖離という新しい局面に入っている。GitHub・MIT・プリンストン大学による無作為化比較試験では、開発者はAIツールの利用で作業が24%高速化すると事前に予想していた。しかし客観的な実測データでは、AIを使用した開発者は使用しなかった開発者よりも作業完了までに19%長い時間を要した。にもかかわらず作業後のアンケートでは「AIのおかげで約20%速くなった」と回答しており、客観的現実と主観的認識の間には39ポイントもの認識ギャップが存在した。IT中小企業診断士村上知也氏のレポートはこの現象を、生成AI導入の議論全体を象徴する事例として位置づけている。
なぜ「速くなった気がする」が生まれるのか
同レポートによれば、AIコーディングツールの効果は「個別タスク単位では35〜50%の作業削減」を達成しているが、「開発ライフサイクル全体では週あたり2〜5時間、全労働時間の5〜10%程度」の削減にとどまる。ボイラープレートの自動補完や単体テスト生成では所要時間がほぼ半減する一方、新規コードの入力自体はエンジニアの業務時間の約14%に過ぎず、残りは仕様精査やデバッグ、AI出力の検証に費やされている。上流で浮いた時間が、AIが大量生産したコードのレビューや監査という下流工程に吸収される「時間シフト」が起きているのだ。
Box創業者アーロン・レヴィも、AIの広範な活用と総合的な生産性向上との間に安定した関連性が欠如していると分析家が指摘している現状に言及し、経営者に対してAIを『徹底的に』試用し、こなせるタスクとこなせないタスクを客観的に見極めるべきだと助言している。数字が改善を示していても実測値が期待を裏付けるとは限らない、という指摘は日本企業の調査結果とも符合する。
日本の実測値が突きつける「効率化と収益の分断」
PwC Japanの「生成AI実態調査2025春」5カ国比較では、「期待を大きく上回る効果」を実感した日本企業はわずか約10%で、米国の約45%と4倍超の開きがある。AI Japan Indexのダッシュボードは、企業の生成AI利用率でも中国95.8%・米国90.6%・ドイツ90.3%に対し日本は55.2%にとどまると整理している。効果を上げている約10%の企業に共通するのは経営陣のリーダーシップと中核プロセスへの統合であり、多数派を占める停滞企業は「業務効率化ツールとしての断片利用」に終始している。
製造業でも同様の断層が見える。IPA「DX動向2026調査」では、AI導入で「業務が効率化・迅速化した」と答えた企業は91.6%にのぼる一方、「売上や利益が向上した」と答えた企業はわずか3.9%まで落ち込む。EQUESの分析は、AIの用途が「文書・音声の要約・翻訳・校正」に82.5%集中し、収益を生む「生産・物流・サービス提供の計画支援」はわずか6.0%にとどまる点を、この落差の理由として挙げている。事務作業は軽くなったが、収益の本丸にはまだAIが届いていないのが実態だ。
『90%削減』事例の裏にある成功バイアス
個別事例集は往々にして誇張された印象を残す。イオンリテールが衣料品の商品情報登録でGemini Extract Systemにより工数90%削減を達成した事例は象徴的だが、株式会社Uravationの分析は「90%削減」が衣料品カテゴリという特定業務に限定された数字であり、全社に適用すれば同じ削減率が出るとは限らないと釘を刺す。同記事はMITの2026年3月調査を引用し、生成AIプロジェクトのうち測定可能なビジネスリターンを生んでいるのはわずか5%にすぎないと指摘する。120社の成功事例集の裏には、その何倍もの「うまくいかなかった」事例が存在すると考えるべきだという警告は、経営者が公開事例をそのまま自社の予測に転用する危険性を示している。
中小企業の実態も同様だ。Mer社の調査では生成AIを活用する企業の67.1%がいまだ「人が起動する」使い方にとどまり、大企業でもAIエージェント導入率は33%で6カ国最下位、成果が「期待を大きく超えた」と答えた企業は9%のみだという。個人利用は広がっても組織的な統合が追いついていない構図は、PwCやIPAの数字と重なる。
判断業務への再配分こそが本質
米メディアAxios共同創業者ジム・ヴァンデハイは、AIに思考を代行させれば文章は鈍く画一的になると自らの経験から警告する。BigGoファイナンスの報道によれば、彼はAIの記憶に自著4冊やコラムを読み込ませ厳格な基準を課してもなお、満足のいく出力は自身の思考とAIの編集がせめぎ合った混成物からしか生まれないと述べている。ハーバード・ビジネス・レビューの調査でも、プロンプトの微調整を繰り返す「AI依存症」的な燃え尽きが、生産性向上の看板の裏で進行していると指摘されている。
結論として、AI導入は「拘束時間を減らす技術」ではなく「定型作業から人間を解放し、仕様策定やAI出力の監査、アーキテクチャ整合性の担保といった判断業務へ労働時間を再配分する技術」として機能している。パナソニック コネクトの社内AI「ConnectAI」が1年間で18.6万時間の労働時間削減を達成した事例のように成果が明確な例もあるが、それらは経営陣が測定指標を明確に定義した結果であり、「導入すれば自動的に生産性が上がる」という期待とは一線を画す。実測と体感のギャップを埋める鍵は、ツールの性能ではなく、何を測定し何を判断業務に振り向けるかという経営の設計力にある。
