分析 事例に基づく考察

AI支援を受けた担当者の1時間当たり問題解決件数（新人・低スキルの担当者は約30%増）

AIアシスタントによりサポート担当者の生産性が15%向上し、経験の浅い担当者ほど効果が大きかった

スタンフォード大学とマサチューセッツ工科大学（MIT）の経済学者は、米フォーチュン500企業に数えられる業務ソフトウエア会社で、主に2020年末から2021年初めにかけてサポート担当者5,172人に導入されたGPTベースのチャットアシスタントを調査した。1時間当たりの問題解決件数は平均で15%増え、経験が最も浅くスキルが最も低い担当者では約30%増えた。この層では速度と品質の双方が改善した。最も経験豊富な担当者では速度の伸びは小さく、品質はわずかに低下した。これらの結果は査読を経た2025年の論文によるもので、担当者5,179人を対象に14%と34%の向上を報告した2023年のワーキングペーパーに続くものである。

このツールは経験豊富な担当者の知識を新人に伝えた。経験の浅い人員が多いチームほど、得られた効果が大きかった。

AIの能力の範囲内にある業務の完了時間の短縮率（範囲外の業務では正答率が19ポイント低下）

BCGのコンサルタントは、GPT-4により一部の業務を25.1%速く完了したが、別の業務では誤りが増えた

ハーバード・ビジネス・スクール、他大学、BCGの研究者は、事前登録した実験で、BCGのコンサルタント758人を、AIなし、GPT-4、短いプロンプト指導付きのGPT-4のいずれかにランダムに割り当てた。モデルの能力の範囲内にある18のコンサルティング業務では、AI利用者は完了した業務が12.2%多く、作業が25.1%速く、品質スコアは平均で約32%高かった。その範囲外にある事業分析の業務では、AI利用者が正答する確率は19ポイント低く、AIなしの84.5%に対して約60～71%だった。2023年のワーキングペーパーは品質の向上を40%超としたが、査読を経た2026年の研究では約32%と報告した。

同じAIツールが、ある業務では成果を高め、別の業務では正確性を下げた。熟練した専門家も、どの業務がAIの能力を超えているかを見分けるのに苦労した。

AIコーディングアシスタントを使った場合の、プログラミング作業1件の所要時間の短縮率

GitHub Copilotを使った開発者は、対照試験でコーディング作業を55.8%速く終えた

Microsoft Research、GitHub、MIT Sloanの研究者は、2022年5～6月にUpworkを通じてフリーランスの開発者95人を募り、Copilot群（45人）と対照群（50人）にランダムに分けた。各群35人が作業を完了した。JavaScriptでHTTPサーバーを書く課題で、Copilot群の所要時間は平均71分、対照群は161分で、55.8%短縮した（95%信頼区間は21～89%）。経験の浅い開発者ほど効果が大きかった。CopilotはMicrosoft子会社のGitHubが開発しており、著者4人のうち3人はMicrosoftまたはGitHubに所属していた。

開発者は、明確に定義された1件のコーディング作業で大きく時間を節約した。その後、既存の大規模コードベースという異なる環境を対象にした研究では、効果ははるかに小さいか、かえって作業が遅くなっていた。

AI導入の最大の障壁として初期費用を挙げた製造業の中小企業の割合

韓国の製造業の中小企業の44.2%が、AI導入の最大の障壁に初期費用を挙げた

韓国の中小ベンチャー企業部は、2025年10月24日にAIを活用した「スマート製造革新3.0」戦略を発表した際、中小企業中央会の調査を引用した。製造業の中小企業は、最大の障壁として初期費用（44.2%）を挙げ、人材不足（20.5%）、戦略の欠如（14.9%）が続いた。直接的な資金支援を望む企業は72.3%だった。政府はAIの導入率を約1%とし、2030年までに導入率10%、AIを中核とするスマート工場12,000カ所という目標を掲げた。調査の実施時期と標本数は公表されていない。

製造業者は、人材不足や戦略の欠如よりも初期費用を挙げる割合が高かった。政府の対策には、この初期負担を軽くするための補助金や、サブスクリプション型のスマート工場が含まれた。

AIツールの利用を認めた場合の作業完了時間の延び（開発者は24%速く作業できると見込んでいた）

経験豊富なオープンソース開発者は、2025年前半のAIツールを使うと作業時間が19%長くなった

非営利団体のMETRは、2025年2～6月に、長年保守してきた大規模オープンソースプロジェクトで経験豊富な開発者16人が行った実際の作業246件について、AIの利用を無作為に認めるか禁じるかを割り当てた。AIを認めた場合、開発者は主にClaude 3.5/3.7 Sonnetを組み合わせたCursor Proを使い、作業時間は19%長くなった（95%信頼区間は+2%～+39%）。開発者は24%速くなると見込んでおり、作業後も20%速くなったと考えていた。2025年8月に開始した開発者57人の追跡調査では、推定値の信頼区間にゼロが含まれた。METRは2026年2月、選択効果のためデータは信頼できないとした。

経験豊富な開発者は、慣れたコードベースで作業する際、AIを使うと速くなったと感じたが、実測した作業時間は延びた。2025年前半のツールによる結果は、その後のツールの結果とは異なる可能性がある。

ChatGPT登場から2年後の所得と記録上の労働時間への影響の測定値（2%を超える影響は否定）

デンマークでAIチャットボットが広く使われても、所得と記録上の労働時間は変わらなかった

シカゴ大学のAnders Humlumとコペンハーゲン大学のEmilie Vestergaardは、デンマーク統計局と協力し、AIチャットボットの影響を強く受ける11の職種について代表性のある調査を行った。2024年後半の調査は7,000の職場の労働者25,000人を対象とし、2024年12月までの所得、労働時間、職業に関する公的記録と結び付けた。雇用主が利用を奨励し、企業向けチャットボットと研修を提供していた職場では、93%がチャットボットを使ったことがあり、28%が毎日使い、19%が1日1時間超を節約したと答えた。研究者らは、チャットボットが導入される前後で、利用者と非利用者を比較した。その結果、所得にも記録上の労働時間にも影響は見られなかったが、従業員がコンテンツを生成し、AIの出力を確認し、AIを組み込むなど、仕事の中身は変わった。

労働者が報告した時間の節約は、2年以内には賃金にも労働時間にも変化をもたらさなかった。利用者の大半は、節約した時間を他の業務に充てたと答え、仕事の進め方が変わった。

AIコーディングアシスタントを使った開発者の週当たり完了作業件数（統合推定値、標準誤差は約10ポイント）

Copilotを使った開発者は、3社の実験で完了した作業が約26%多かった

プリンストン大学、MIT、ウォートン・スクール、Microsoftの経済学者は、2022年9月から2023年5月にMicrosoft、Accenture、社名を伏せた米フォーチュン100の電機メーカーで行われた3件の無作為化実験を分析した。開発者4,867人のうち無作為に選ばれた一部が通常業務の中でGitHub Copilotを使えるようになり、利用者は週当たりの完了作業が26.08%多く（標準誤差10.3%）、コミットが13.55%、ビルドが38.38%多かった。これらは3件の実験を通じた数値である。最近採用された開発者や経験の浅い開発者はツールをよく使い、効果も大きかったが、上級開発者では統計的に有意な効果はなかった。著者6人のうち2人は、GitHubを傘下に持つMicrosoftに所属していた。

企業の開発者の効果は、単一作業の実験室での試験より小さく、結果の不確実性も大きかった。経験の浅い開発者ほど効果が大きかった。