AIは常にスピードを上げるわけではない

AI業界ではよく「AIを使えば誰でも生産性が上がる」と言われますが、実際には単純ではありません。2025年の大規模研究では、フォーチュン500企業の5,172人のカスタマーサポートエージェントに生成AIアシスタントを導入した結果、平均生産性は15%向上しましたが、この平均値はより興味深いストーリーを隠していました。経験の浅いエージェントは大幅に改善され、より多くの問題をより速く、より高い品質で解決しました。AIはまるで先輩が耳元で正しい答えをささやくように機能しました。しかし、最も経験豊富なエージェントは、スピードがわずかに向上したものの、品質は低下しました。この発見は見出しになりませんでしたが、なるべきでした。なぜなら、AIが実際に何をするかについて重要なことを教えてくれるからです。AIは初心者と有能な人の間のギャップを縮めますが、有能な人を自動的に卓越した人に押し上げるわけではありません。

ハーバードビジネススクールの研究はこれをさらに明確にしました。研究者はマーケティング専門家、ソフトウェア開発者、ウェブアナリストにAIツールを提供し、互いの仕事を実行するよう依頼しました。AIは全員が始めるのを助け、概念化には優れていましたが、実行段階では、ドメイン経験のない人は明らかに質の低い出力を生成しました。マーケティング専門家がAIを使っても、ウェブアナリストが自分の仕事をする品質には及ばなかったのです。テクノロジーは知識のギャップを埋めましたが、ドメインを実際に理解するという生の経験を置き換えることはできませんでした。研究者の言葉を借りれば、AIは地図を提供できますが、地形をナビゲートするのは別の問題です。

最も衝撃的なのは、2025年に発表されたランダム化比較試験です。16人の経験豊富なオープンソース開発者が、平均5年間作業してきたコードベースで246のタスクを完了しました。タスクの半分はAIツールを許可し、半分は許可しませんでした。開始前、開発者はAIが完了時間を24%削減すると予測しました。終了後、約20%節約したと見積もりました。しかし実際の結果は、AIが完了時間を19%増加させたのです。このツールは経験豊富な開発者を遅くし、彼らはそれに気づきさえしませんでした。

すべての研究に共通するパターンがあります。知識作業のボトルネックは生産ではなく、判断です。AIはテキスト、コード、分析、要約、ドラフトを人間より速く生成でき、あなたが3つしか考えなかったところを100の選択肢を生み出せます。しかし、それらの選択肢の価値は、AIの意思決定に完全に依存するのではなく、あなたが評価できるかどうかに完全に依存します。良い戦略とただ良さそうに聞こえる戦略の違いがわかりますか？技術的に正しいコードと大規模で失敗するコードを区別できますか？AIが生成したマーケティングコピーがトーンを完全に外していることを認識できますか？それが判断力であり、経験、ドメイン知識、AIにはない文脈の理解から来ます。高性能の起業家はAIを使って選択肢を生成し、自分の判断で正しいものを選びました。低パフォーマーはAIの提案を額面通りに受け入れました。同じツール、同じアクセス、大きく異なる結果。違いはAIではなく、人間が何をもたらしたかです。

「AIは誰でもより生産的にする」というナラティブの核心的な問題は、スピードが正しい方向に進んでいる場合にのみ価値があることです。AIには方向感覚がなく、出力が特定の状況に適しているかどうかの判断もありません。ただ生産するだけです。経験豊富なプロダクトマネージャーにAIツールを与えると、彼らはより速く選択肢を探り、仮説を検証し、意思決定をストレステストします。彼らはすでに良いものが何かを知っているので、より良く、より速くなります。同じツールをその基盤のない人に与えると、より多くの出力を生産します。それは磨き上げられ、文法的に完璧で美しくフォーマットされているかもしれません。しかし、戦略的に間違っていたり、技術的にナイーブだったり、文脈を外れていたりして、被害が生じた後にしか見えないかもしれません。2,500人の専門家を対象とした調査では、77%がAIが実際に作業負荷を増加させたと報告し、半数近くが生産性向上の方法がわからないと答えました。ツールはあるのに、うまく使う判断力がなかったのです。

特に危険な中間地带があります。それはAIの出力がほぼ正しい場合です。AIが明らかに間違ったものを生成したとき、あなたは気づきます。素晴らしいものを生成したとき、恩恵を受けます。しかし、85%正しいもの——一貫性があり、妥当で、もっともらしい——を生成したとき、本当のリスクがあります。なぜなら、微妙に間違っているものを特定するには、より多くの専門知識が必要であり、AI出力が持つ自信（きれいな書式、権威あるトーン）がそれを疑問視するのを難しくするからです。多くの人がここで苦労します。知能が足りないからではなく、正しく見えるものを評価するのに必要な経験が不足しているからです。AIはこの問題を解決しません。多くの場合、もっともらしいが欠陥のある出力を大量に生産し、レビューする人の判断力を圧倒することで悪化させます。

これらはAIに反対する議論ではなく、AIが実際に何をするかを理解するための議論です。AIはアンプです。あなたがテーブルにもたらすもの——専門知識、判断力、文脈の理解——を何倍にも増幅します。深い知識を持ち込めば、より効果的になります。浅い理解を持ち込めば、より効率的に浅くなります。これはAIを仕事に使う方法に実際的な意味を持ちます。専門知識がより重要になること、判断力が本当のレバレッジであること、ツールだけでは結果を生み出さないことです。AI生産性の議論はツール、モデル、機能に支配されてきましたが、研究は同じつまらない結論を指し示しています：最も重要な変数は人間であるということです。プロンプトエンジニアやAIオペレーターとしてではなく、結果を方向付ける経験と判断力を持つ人として。どこに行くかを知らなければ、AIはあなたを速くしません。ただ間違った目的地に早く連れて行くだけです。AIが専門知識を民主化するという考えは魅力的ですが、実際には既存の専門知識を増幅するのです。そこにギャップと失望の原因があります。