AIは仕事をどう変えているのか：エビデンスが実際に示すこと

著者: Victor Hoang · 更新日: 2026年9月22日

AIが測定可能な形で変えているのは、特定の職務の中の特定のタスクであり、職務全体を丸ごと変えているわけではありません。対照研究は、限られた場面（カスタマーサポート、コーディング、文章作成）で実際の生産性向上を示していますが、その効果はスキルレベルによって異なり、研究同士が矛盾することもあります。企業での導入率は高い一方、測定された財務的な効果は高くありません。職の喪失やタスクの自動化についてのより長期的な主張は、名前の挙がった研究者が明示した手法で行った予測であり、観測された事実ではないため、そのように読むべきです。

AIと仕事についての文章の多くは、2つの失敗パターンのどちらかに陥っています。ベンダーのデモを労働市場の変化の証拠として扱うか、コンサルティング会社の予測を、すでに起きたことのように扱うかです。本稿では、公開された手法を持つ対照研究で実際に測定されたことと、人々が予測していることを切り分け、誰がどのように予測しているのかを明記します。

重要なポイント

• スタンフォード主導の、5,179人のカスタマーサポート担当者を対象とした研究では、生成AIによる支援が生産性を平均14%高め、新人の担当者では34%向上した一方、経験豊富な担当者にはほとんど効果がありませんでした。NBER working paper 31161
• ランダム化比較試験により、GitHub Copilotを使った人は、対照群よりも55.8%速くコーディングタスクを完了したことがわかりました。arXiv 2302.06590
• 経験豊富なオープンソース開発者を対象とした2025年のMETRのランダム化試験では、AIコーディングツールを使うと実際のタスクで19%遅くなりました。当の開発者は20%速くなったと信じていたにもかかわらずです。METR, July 2025
• 453人のプロフェッショナルを対象としたScienceの研究では、ChatGPTにより文章作成タスクの時間が40%短縮され、品質が18%向上しました。成果の低かった書き手ほど、最も大きな向上が見られました。Science, DOI 10.1126/science.adh2586
• McKinseyの2025年State of AI調査によると、88%の組織が少なくとも1つの機能でAIを使っていますが、企業全体で大きな価値を生む形で使っていると報告したのは、約6%にとどまります。McKinsey, State of AI
• MITのProject NANDAによると、調査対象企業の生成AIパイロットの95%は、数百億ドル規模の企業支出にもかかわらず、損益に測定可能な影響を示しませんでした。Fortune, August 2025
• 世界経済フォーラムのFuture of Jobs Report 2025は、2030年までに1億7,000万の雇用が創出され、9,200万が失われ、差し引き7,800万の純増になると予測しています。これは雇用主への調査に基づいています。WEF, January 2025
• Gartnerは、エージェント型AIプロジェクトの40%超が、コスト、不明確な価値、不十分なリスク管理を理由に、2027年末までに中止されると予測しています。Gartner via RCR Wireless

「AIが仕事を変える」とは実際に何を意味するのか

ブランディングを取り払うと、AIと仕事に関するコンテンツの大半の根底にある主張は単純です。起草し、要約し、コードを書き、質問に答えられる生成AIが、デモの中だけでなく実際の仕事の中で人々が使えるほど安価で、十分に優れたものになったということです。そこには、3つの別々の、検証可能な層があり、これらを混同することが、多くの誤った分析の出発点です。

最初の層はタスクレベルの効果です。AIの助けを借りて行う特定のタスクは、速くなるのか、良くなるのか、安くなるのか。この層は、ランダム化試験を行えるほど小さな単位であるため、最も厳密なエビデンスがあります。2つ目の層は職務レベルの効果です。1つの職種全体の形が変わるのか、縮小するのか、なくなるのか。これは直接測定するのがより難しく、主に採用データや求人情報から推測されます。3つ目の層は経済レベルの効果です。雇用全体、賃金、生産性です。予測が扱うのはこの層で、直接的なエビデンスが最も乏しい層でもあります。変化はまだ初期段階にあり、データは数年遅れるからです。

これらの層を分けておくことが重要なのは、ある層では正しい主張（試験でAIがこのコーディングタスクを55%速くした）が、別の層では誤って聞こえる主張（AIはソフトウェアエンジニアに取って代わりつつある）へと引き伸ばされがちだからです。しかも、タスクレベルの向上が職務レベルの向上にどう積み上がるのかを示す人は誰もいません。経済学者David Autorのタスクベースの労働モデルは、ここで最も明快な手引きです。職務はタスクの束であり、一部のタスクを自動化すると、少なくとも短期的には、通常、職務をなくすのではなく変化させます。

測定されたエビデンス：対照研究が見出したこと

カスタマーサポート：スタンフォードのコールセンター研究

生成AIと現場の仕事について最もよく引用される実証研究は、Erik Brynjolfsson、Danielle Li、Lindsey Raymondによるもので、NBERのワーキングペーパーとして発表され、スタンフォードのDigital Economy Labと関連しています。研究者たちは、ソフトウェア企業の5,179人のカスタマーサポート担当者に、生成AIアシスタントを段階的に導入していく過程を追跡しました。ライブチャット中に、リアルタイムで返信案が提示されるものです。

見出しとなる数字は、担当者がこのツールを使えるようになった後、1時間あたりに解決された問い合わせが平均で14%増えたというものです。しかし、平均値に隠れたところに、より興味深い発見がありました。新人やスキルの低い担当者には34%の生産性向上が見られた一方、最も経験豊富な担当者には測定可能な効果がほとんど見られなかったのです。担当者がツールの提案に従ったのは、平均でわずか約38%でした。これはヒューマンインザループのパターンで、ツールは自動操縦というより、担当者が信頼するか覆すかを選べる、いつでも使えるコーチのように機能しました。この研究では、顧客感情の改善と担当者の定着率の向上も見られました。著者らは、そのメカニズムとして、AIモデルが企業の最高の担当者の会話パターンを抽出し、それを他の全員がリアルタイムで使えるようにしたことを挙げています。これは、人とAIが組むあらゆるワークフローがいずれ解決しなければならない信頼のキャリブレーションの1つの形です。

この点は、じっくり考える価値があります。これはAIが担当者に取って代わるかどうかの研究ではありませんでした。かつては長年の経験や良き指導者を必要とした暗黙知を移転することで、AIが企業の最高の成果者と最低の成果者の差を縮めたかどうかの研究でした。

コーディング：2つの試験、2つの異なる年、2つの異なる答え

コーディングのエビデンスは、「AIが仕事を変える」が本当に議論の的になるところです。信頼できる2つのRCTが正反対の方向を指しており、その違いは、片づけてしまうべき矛盾ではなく、有益な手がかりです。

Sida Pengらは、開発者にJavaScriptでHTTPサーバーをできるだけ速く構築してもらうRCTを実施しました。GitHub Copilotを使った処置群は、対照群より55.8%速く完了し、95%信頼区間は21%から89%の間でした。経験の浅い開発者や、1日により長い時間コーディングする開発者が最も恩恵を受けており、これはカスタマーサポートの研究で見られたのと同じ、経験の浅い人に偏る傾向です。

その後、2025年半ばに、非営利の研究グループMETRが、異なる種類のRCTを実施しました。1つの変数を切り分けるために作った新しいタスクではなく、経験豊富なオープンソース開発者が自らのコードベースで行う実際の仕事を対象に、各自が選んだ大規模言語モデルベースのツールを使ってもらったのです。結果は、開発者はAIの支援を受けると速くなるどころか19%遅くなりました。事前にはAIで24%速くなると予測し、事後には20%速くなったと信じていたにもかかわらずです。思い込みと測定された現実の間のギャップは、この研究で最も印象的な発見でした。

これらは同じ実験ではなく、それこそが重要な点です。Pengの試験が測ったのは、AIが不足している背景知識を補う、範囲の限られた不慣れなタスクでした。METRの試験が測ったのは、経験豊富な開発者が、慣れ親しんだ文脈の多い仕事を行う場面で、AIの提案をレビューして修正するほうが、コードを直接書くより時間がかかることもあるケースです。両者を合わせて読むと、AIによるコーディング支援は、開発者に欠けている知識を代替するときに最もよく機能し、すでに持っている知識を代替するときには専門家を遅くしうることが示唆されます。これは、「AIは開発者を速くする」や「AIは開発者を遅くする」よりも、有益で反証可能な主張です。

文章作成とナレッジワーク：NoyとZhangの実験

Shakked NoyとWhitney Zhangは、大学教育を受けた453人のプロフェッショナルが職種に特化した文章作成タスクを行い、半数がChatGPTを使えるというランダム化実験を実施し、2023年にScienceで発表しました。タスクにかかる時間は約40%減り、独立した採点者による成果物の品質評価は約18%上昇しました。生産性の向上は、AIの助けなしでのタスクで最も低いスコアだった働き手に大きく偏っていました。つまり、このツールは、優れた書き手と劣る書き手の差を広げるのではなく、縮めたということです。

この研究は、予測がめったに触れないことも記録しています。ChatGPTが実際に置き換えたのは、働き手の判断ではなく、下書きにかかる働き手の労力だったということです。タスクにかかる時間は、アイデア出し、構成、編集へと移り、白紙の状態から初稿を書く作業から離れました。働き手は、自動化への懸念が強まると同時に、仕事の満足度も高まったと報告しています。生産性の向上と働き手の不安は、同じツールに対する相いれない反応ではない、ということを思い出させる有益な事実です。

測定結果の一覧

導入率は高い。測定された効果にはばらつきがある。そのギャップには名前がある。

タスクレベルの研究が、実在するが範囲の狭いものを示しているとすれば、企業調査が示すのは、範囲は広いが不透明なものであり、両者はまだきれいには一致していません。

McKinsey：変革を伴わない導入

McKinseyの2025年State of AI調査では、88%の組織が少なくとも1つの業務機能でAIを定期的に使っており、前年の78%から上昇していることがわかりました。しかし同じ報告書は、散発的なパイロットを超えて本格的な利用へ進んだ企業は約3分の1にとどまり、AIから企業全体で大きな価値を獲得している真の高業績企業と呼べるのは約6%であることも見出しています。これとは別に、47%の組織が、精度の失敗、コンプライアンス上の問題、ワークフローの破綻など、生成AIの利用による悪影響を少なくとも1つ経験したと報告しており、これはAIガバナンスプログラムが埋めるために存在するギャップです。言い換えれば、導入は、「どこかで使っている」というレベルでは普遍に近づいているにもかかわらず、ほとんどの企業で、監督と測定可能な成果の両方を追い越してしまっています。

MIT NANDAとGenAI Divide

このギャップの最も顕著な例は、MITのProject NANDAによるものです。2025年7月の報告書は、300件を超える公開されたAI導入事例、52件の構造化インタビュー、153件のリーダー調査を検証しました。見出しとなる発見は、企業の生成AI支出が推定で300億～400億ドルあるにもかかわらず、パイロットの95%は損益に測定可能な影響を生まなかったというものです。その見出しの下には、より有益な発見があります。専門ベンダーからAIツールを購入するほうが、社内でカスタムAIを構築するよりも、約2倍の確率で成功しました。また、最大のリターンは、予算の大部分が割かれたセールスやマーケティングのユースケースではなく、地味なバックオフィスの自動化で現れました。研究者たちは、中核の障害を「学習ギャップ」と位置づけています。特定のワークフローの文脈に適応しないツールは、基盤となるモデルの能力にかかわらず、定着することがほとんどないということです。

両者を合わせて読むと、McKinseyとMIT NANDAは、同じ現象を異なる角度から述べていることがわかります。広くて浅い導入が、まだ深く測定された変革にはなっていないということです。これは、AIが機能しないことの証拠ではありません。上記のタスクレベルの研究は、機能しうることを明確に示しています。これは、ほとんどの企業が、有能なツールを測定された成果に変えるための統合作業をしていないことの証拠であり、AIカルチャー負債が述べる近道の選択に当たります。そして、AIネイティブ文化の議論が、ツールを所有することと、うまく運用することとをどう区別しているかとも合致します。

予測は何を主張しているのか、誰が、どのように行っているのか

ここまでのことは、すべて測定です。何かが起こり、研究者がそれを記録し、手法は公開されていて検証できます。予測はまったく別のカテゴリーであり、未来の仕事についての文章で最もよく引用される2つの予測は、確定した事実として繰り返すのではなく、著者と手法のある主張として名前を挙げるに値します。

WEF Future of Jobs：雇用主の期待に関する調査

世界経済フォーラムのFuture of Jobs Report 2025は、2030年までに1億7,000万の新しい雇用と9,200万の失われる職務を見込み、差し引き7,800万の純増としています。また、職の「ディスラプション」（創出と喪失を合わせたもの）は、現在の雇用の約22%に及ぶとしています。これは大規模な雇用主調査から作られたもので、観測された雇用データではありません。2030年はまだ来ていないからです。雇用主が何を期待し、すでに何を前提に計画しているのかを示す、本当に有益なシグナルです。しかし、AIが雇用に何をもたらしたかの測定ではなく、将来を見据えた調査を過去の結果として扱うことは、未来の仕事に関する報道で最も多い誤りです。

Gartner：大規模なエージェント型AIへの懐疑

一方、Gartner自身のアナリストは、広く引用される予測のなかでも比較的懐疑的なものの出どころです。その予測とは、エージェント型AIプロジェクトの40%超が、コストの上昇、不明確なビジネス価値、不十分なリスク管理を理由に、2027年末までに中止されるというものです。GartnerのAnushree Vermaは、既存のチャットボットや自動化ツールが、その裏付けとなる新しい能力がないまま自律型エージェントとして名前を付け替えられる「エージェントウォッシング」を、期待の膨張を招く要因として指摘しています。その期待は、のちに本番環境の要件にぶつかって崩れます。失敗を予測する予測にも、成功を予測するものと同じ精査が必要です。これはベンダーの主張を注意深く追っているアナリストによる、根拠のある推定であり、まだ誰も観測していない結果なのですから。

エビデンスがまだ示していないこと

知らないことを正確に把握することは、知っていることを引用するのと同じくらい重要です。上記の研究が確立していないのは、次のことです。

• タスクレベルの生産性向上が、純粋な雇用の減少、純粋な雇用の増加、あるいは主に既存の働き手が時間を使う対象の再編のいずれに結びつくのか。WEFの数字は、調査に基づく予測であり、観測された結果ではありません。
• 範囲の限られた対照研究で見られた生産性向上が、1週間の業務全体、1年間、あるいはカスタマーサポートのチャットや時間制限付きのコーディングタスクよりも台本の少ない仕事にわたって続くのか。
• 一部の場面（サポート、文章作成）ではAIが専門家より新人を多く助けるのに、別の場面（METRのコーディング研究）では専門家を遅くするように見えるのはなぜか。もっともらしいが証明されていない、AIが補おうとしている専門性をすでに人が持っているときには、レビューの負荷のほうが大きくなるという説を除いて。
• AIの導入率の高さと、測定された企業価値の低さとの間にある現在のギャップが、MIT NANDAの枠組みが示唆するような一時的な統合の遅れなのか、より深いプロセスの再設計なしにこれらのツールが付け加えられるものの、より持続的な上限なのか。

こうした不確実性のどれも、様子見をする理由にはなりません。これは、未解決の実証的な問いとして、他の問いと同じように扱う理由です。ベンダーの資料ではなく研究を見て、今月の見出しの数字に固執するのではなく、より良いエビデンスが得られるたびに計画を更新してください。

エビデンスを実務に活かす

人員計画、ツールの選定、リスキリングをAIを前提に進める人にとっての実務上の要点は、耳にする主張をすべて、行動に移す前に2つのバケツのどちらかに仕分けることです。1つ目のバケツは、測定された結果です。名前の挙がった研究、明示されたサンプル、そして自分で読みに行ける手法があります。2つ目のバケツは予測です。名前の挙がった予測者がいて、そこにどう至ったかの手法が明示されています。この2つを混同したところで計画は誤ります。意向を尋ねた調査をもとに過剰投資するにしても、議論のあるコーディング研究1つをもとに過少投資するにしてもです。McKinseyとMIT NANDAの双方によれば、現在うまくいっている組織は、AIの導入を1回限りの展開ではなく、継続的な測定の課題として扱っています。それは、スライドの上で見栄えがするだけでなく日々機能するAI対応の文化づくりや人とエージェントのチームの背後にある規律と同じです。