AI生産性のパラドックス

近年、人工知能技術の急速な普及により、さまざまな業界で生産性が大幅に向上しています。しかし、気がかりな現象が浮かび上がっています。企業のアウトプット速度は明らかに速くなったものの、実際のビジネス成果は同期して改善されていないのです。この「AI生産性のパラドックス」と呼ばれる現象が、業界全体で注目を集めています。

マッキンゼーの最新季刊誌は、ビジネス世界がAIのパラドックスに直面していると指摘しています。生成AIとエージェント型AIの採用は増え、投資は加速しているが、パフォーマンスへの持続的な影響は捉えどころがないと。アトラシアンの2026年チーム状況レポートでも、経営陣の89%がAIが作業速度を向上させたと回答する一方、具体的な全社的なAI投資収益率（ROI）を示せるのはわずか6%に過ぎません。

これらのデータは、AIが効率を高める一方で、より良い成果には結びついていないことを示しています。著者のMarty Caganは、これは実際にはパラドックスではないと述べています。AI登場以前から、アウトプットの加速が成果の改善に結びつかない問題を研究してきた彼は、その根本原因が、ほとんどのチームがAIを旧来のプロジェクトモデルを加速するためだけに使っていることにあると指摘します。

AI製品リーダーのHilary Gridley氏は、「構築の速度はかつてなく速くなった。つまり、間違った方向に10倍速で進むこともかつてなく容易になった」と述べています。ベストセラー『AI Engineering』の著者Chip Huyen氏も、「AIは構築を容易にするが、最も難しい部分は何を構築すべきかを知ることである」と指摘しています。

プロジェクトモデルの真の問題は、決して速度が遅いことではありません（遅いことも多いですが）。より大きな問題は、アウトプットを提供するように設計されており、成果を重視していないことです。生成AIが登場したとき、Caganはそれが平等をもたらし、最高のエンジニアを持つ企業が他の企業に対して持つ優位性を弱めると楽観視していました。しかし、今となっては、最高のエンジニアを持つ企業は往々にして最高の製品人材も有しており、真の優位性はデリバリースキルではなく、文化、戦略、探索スキルにあることが明らかです。

結果は当初の予想とは正反対となりました。ギャップを縮めるどころか、強力な製品企業は市場の他の企業との差を広げています。彼らは製品モデルを採用することで、AIをアウトプットだけでなく成果の改善に活用しています。強力な製品チームは、「学ぶために構築する」（製品探索）と「稼ぐために構築する」（製品提供）でAIの使い方を区別します。多くのチームがAIを使って旧プロジェクトモデルの成果物（ビジネスケース、ロードマップ、PRD、コードなど）を加速する一方、強いチームはAIを使って、顧客（価値）と自社（実現可能性）の両方を満たすソリューションの発見を加速し、ユーザー、顧客、関係者とともにその提案をテストします。

十分な証拠と確信が得られたら、彼らはAIを使って「稼ぐための構築」を加速し、商用品質の製品、すなわち信頼性、正確性、スケーラビリティ、パフォーマンスに優れ、顧客が依存できるソリューションの構築に集中します。

「なぜチームは素早く何かを生成して市場に投入し、結果を見ればいいのか」と疑問に思う方もいるでしょう。もちろんそれは可能で、実際に多くの企業がそうしています。問題は成果です。これこそがAI生産性のパラドックスの核心です。

Caganは、多くの企業リーダーに対してデータを示したり、彼ら自身の結果を指摘したりしても効果がないと述べています。彼らは、アイデアをより速く構築できれば、結果は自ずとついてくると深く信じているからです。こうしたリーダーに対しては、構築の時間とコストが問題ではなく、そのアイデアがそもそも構築する価値がない（解決しようとしている問題に対する有効なソリューションではない）という証拠を否定できなくなるのを待つしかないでしょう。

しかし、「学ぶための構築」と「稼ぐための構築」の異なる目的やツール、技術を受け入れるチームにとっては、テクノロジーを活用して製品を生み出すかつてない好機が訪れています。