「AIが我々の仕事を奪う」という記事を、毎日のように目にします。
実際、アメリカではAI導入を理由としたリストラのニュースが相次いでいます。
その一方で、まったく逆向きの数字も広く出回っています。
AIに投資した企業のうち、満足のいく効果が出ているのは全体の5%程度、というものです。
これは「AIは我々が思っているよりも無能である」ことの証拠でしょうか。
私はそうは思いません。
ただ、そう思わない理由は、たぶん多くの記事が書いていることとは少し違います。
■ まず、その数字の正体を確かめる
この「95%」は、2025年7月にMITの Project NANDA が公開した『The GenAI Divide: State of AI in Business 2025』というレポートに由来します。
300件を超える企業のAI導入事例と、経営層・従業員への聞き取りをもとに、生成AIのパイロット導入の95%が損益（P/L）に測定可能な効果を生んでいない、と報告したものです。
数字を引用する前に、二つだけ確認しておきたいことがあります。
ひとつは、判定基準です。
このレポートは「導入から半年以内に、P/L上で測定可能な効果が出たか」というかなり厳しい線引きで「成功」を判定しています。
考えてみてください。メールが会社に導入されたとき、半年で利益が跳ね上がった会社がどれだけあったでしょうか。
インターネットのときも同じです。
この数字は「AIが無能である証拠」というより、新しい技術を短期の決算指標で測ろうとすると、たいてい効果が見えないという、技術導入にありがちな話を示しているにすぎません。
もうひとつは、このレポートの格です。
これは査読を経た学術論文ではありません。
レポート自身が「Preliminary Findings（暫定的な知見）」と明記しており、見解は著者個人のものであって所属組織のものではない、と断っています。
MITがホストしていた元のリンクは、現在はリダイレクトされます。
方法論への批判も出ています。
ウォートンのケビン・ワーバック教授は、主張を維持するなら裏付けとなる全データを公開すべきで、それができないなら撤回すべきだ、と書いています。
■ そして、いちばん面白い事実
もう一歩だけ踏み込みます。
Project NANDA の NANDA とは、Networked Agents and Decentralised Architecture の略です。
この団体は、AIエージェント同士が組織やプラットフォームをまたいで連携するための基盤インフラを作っている側です。
レポートの結論部を読むと、それがはっきり分かります。
「AIの次の段階を定義するのはエージェント型AIである」「NANDAやMCPといったプロトコルがその土台になる」——そう締めくくられています。
つまり、こういうことです。
世界中でAI懐疑論の根拠として引用されているこの「95%」は、AIエージェントの推進側が出した数字である。
実務家の中には、これは体裁を変えたマーケティング資料ではないか、と指摘する人もいます。
私はそこまで断じるつもりはありません。
ただ、「今の生成AIの使い方では効果が出ない。だから次はエージェント型だ」という構図のレポートであることは、数字を引用する前に知っておくべきだと思います。
数字を使うなと言いたいのではありません。私はこの数字を、今でもかなり信用しています。
ただし、「AIはダメだ」の証拠としてではなく、「使い方の問題である」ことの証拠としてです。レポート自身がそう言っているのですから。
■ 産業革命は、思っているほど「革命」ではなかった
ここからが本題です。
このAI革命は、しばしば過去の産業革命と比較されます。
多くの人は第一次産業革命について、「蒸気機関が発明され、それを使った工場ができて、イギリスの生産性が一気に爆上がりした」というイメージを持っているようです。
事実は違います。
蒸気機関を動力とする工場ができたのは事実ですし、紡績や織機の分野では大きな生産性向上がありました。
しかし国全体で見ると、その伸びは驚くほど緩やかでした。
経済史家ニコラス・クラフツらの推計では、18世紀後半のイギリスの生産性上昇率は年0.2%程度です。
我々がイメージするような「革命」とは程遠い数字です。
イギリス全体の生産性が目に見えて跳ね上がり始めたのは、実は半世紀以上あとの第二次産業革命（19世紀後半〜）に入ってからでした。
■ モーターに替えただけでは、何も変わらなかった
きっかけは、動力が蒸気から電力に切り替わったことでした。ただし、ここに重要な段差があります。
当時の工場は「集中動力方式」でした。
一台の巨大な蒸気機関でシャフトとベルトを回し、その回転を工場中の機械に分配する。
機械のレイアウトは、動力源からの距離とベルトの取り回しで決まっていました。
電気モーターが発明されたとき、工場が最初にやったことは何か。
蒸気機関を電気モーターに置き換えただけでした。
シャフトもベルトも、機械の配置もそのまま。だから生産性はほとんど変わりませんでした。
本当の転機は、モーターが小型化され、機械一台ごとに個別に取り付けられるようになったときです。
ここで初めて、動力源の位置に縛られず、工場のレイアウトを一から最適化できるようになりました。
さらに化学工業の発達、ライン生産方式の登場、鉄道による物流網の整備といったいくつもの変化が同時に噛み合って、ようやく爆発的な生産性向上が起きたのです。
これは経済学者ポール・デイヴィッドが1990年に発表した論文「The Dynamo and the Computer」の中心テーマです。
そして、この論文が書かれた背景も示唆的です。
1987年、ロバート・ソローが「コンピュータ時代の到来はいたるところで目にするが、生産性統計の中だけには現れない」と述べ、いわゆる生産性パラドックスが論争になっていました。デイヴィッドは、電化の歴史を引いて「まだ早いだけだ」と論じたのです。
結果はどうだったか。彼は正しかったのですが、アメリカの生産性統計が実際に跳ね上がるのは、それからさらに10年近く後のことでした。
■ 生成AIも「支流の一つ」にすぎない
ここから見えてくるのは、生成AIもまた、蒸気機関やモーターと同じく、生産性向上を生み出すいくつもの要素のうちの一つ（支流）にすぎないということです。
ChatGPT（GPT-3.5）が公開されてから、まだ3年半ほどです。
プログラミングなど一部の分野では飛躍的な進歩が見られますが、ほとんどの業界ではまだ爆発的な生産性向上という結果は出ていません。
それは、AIを取り巻く環境——業務プロセスの再設計、組織のあり方、料金体系、運用ノウハウといった「支流」——がまだ揃っていないからだと私は考えます。
「モーターに置き換えただけで、工場のレイアウトはそのまま」。多くの会社が今やっているのは、これです。
■ ただし、この類推に安心してはいけない
とはいえ、産業革命との類推をそのまま当てはめて「まだ先の話だ」と安心するのは危険だと思っています。理由が二つあります。
① 普及のスピードがまったく違う
電化やライン生産は、発電網の整備や工場設備の入れ替えといった巨額の設備投資と、数十年単位の時間を必要としました。
一方、生成AIはソフトウェアです。
一度モデルができてしまえば、それをもう一社に使ってもらうための追加コストはほぼゼロです。
APIの定額プランは、まさにこの性質を表しています。電化のときの「数十年」より、ずっと短い時間で効果が出てくる可能性があります。
② ボトルネックは、技術の側にはない
そして、こちらのほうが重要です。
デイヴィッドの研究が明らかにしたのは、技術そのものではなく、それに合わせて組織や仕事のやり方を作り替えることに時間がかかる、という点でした。
モーターの性能が足りなかったのではありません。
工場のレイアウトを組み直す決断に、半世紀かかったのです。
だとすれば、生成AIの普及を左右するのは、AI技術の進歩そのものよりも、AIを前提に組織や業務プロセスをどれだけ大胆に作り替えられるかという、きわめて地に足のついた経営課題のほうだということになります。
加えて、蒸気機関や電力は主に肉体労働と物理的な生産を代替しましたが、生成AIはホワイトカラーの知的労働そのものに直接切り込みます。
この違いが、労働市場への影響の出方とスピードを、過去とは異なるものにする可能性も、頭の片隅に置いておくべきでしょう。
■ 待っているのは、技術ではない
「AIに投資しても効果が出ない会社が95%」というニュースだけを見ると、AIは過大評価された技術に見えるかもしれません。
しかし、その数字を出したのはエージェント型AIを推進する側であり、判定基準は「半年でP/Lに出たか」でした。
そして歴史を振り返れば、本当に世の中を変える技術ほど、効果が表れるまでに時間がかかっています。
生成AIも同じ道をたどる可能性は高いと思います。ただし、ソフトウェアである以上、そのスパンは電化のときよりずっと短いはずです。
そして最後に、これだけは強調しておきたいのです。
私たちが待っているのは、技術の成熟ではありません。私たちの側の再設計です。
蒸気機関をモーターに置き換えるだけの会社と、工場のレイアウトごと組み直した会社。半世紀後に残ったのは後者でした。
今回はその半世紀が、もっと短いというだけの話です。
だとすれば、「AIがもっと賢くなるまで待つ」という判断には、あまり意味がありません。
今日から着手できることは、AIの側ではなく、自分たちの業務の側にあります。
