7月2日、パーソナルファイナンス・労働経済をテーマに実証研究を読み解くメディアOkane Landが「The real ROI of AI for knowledge work (what reaches the paycheck) · Okane Land」と題した記事を公開した。ラボ実験では「40%速くなる」と示されるAIが、実際の給与明細には**わずか3〜7%**しか届かない——この落差の構造を、デンマークの大規模行政データをはじめ複数の実証研究を横断しながら解説した記事だ。
「AIで40%速くなった」のに給与は変わらない
AIが仕事を速くするという研究結果は多い。だが「速くなった時間が収入になるか」という問いへの答えは、別の話だ。
経済学者のAnders HumlumとEmilie Vestergaardは、約25,000人の労働者と7,000のデンマーク企業を対象に、AI活用状況の調査データを実際の給与記録と紐付けるという手法を取った（論文原文）。デンマークの行政記録を活用することで「自己申告バイアス」を排除した点がこの研究の強みだ。結果、AIによる時間節約は週約1時間（全労働時間の約2.8%）という小さな実績値が得られた。
問題はその先だ。どの職種においても、AIは収入や労働時間に有意な影響を与えなかった。 生産性向上のうち給与に反映されたのは**わずか3〜7%**にとどまった。
ラボ実験では、AIが人間を15%、40%、場合によっては55%速くするという数字が出る。両方の数字が「正しい」のは、測定対象が異なるからだ。20分の単発タスクではAIは強力に機能する。しかし実際の1ヶ月の業務、実際の給与明細のスケールで見ると、その効果は大半が蒸発する。
タスクレベルの勝利は本物、ただし範囲が狭い
タスク単位の効果は、複数の実証研究で繰り返し確認されている。
- 453人のプロフェッショナルを対象にしたランダム化実験（プレスリリース、短報告書、センシティブなメールなど）では、ChatGPT利用で所要時間が40%短縮、品質スコアが18%向上した（Science誌掲載）。
- 5,179人のカスタマーサポート担当者を対象にした調査では、AIアシスタントにより1時間あたりの解決件数が平均14%向上、経験の浅い担当者では34%向上した（NBER）。
ただし、これらは全て「タスク」を測っており、「給与」を測っていない。タスクの速度改善が給与や売上というアウトカムに変換されるまでには、組織構造・報酬設計・業務量の弾力性など複数の関門が存在する。
最も重要な発見：AIの能力には断崖がある
HarvardとBCGが758人のコンサルタントを対象に行った実験が、AIのリスクを端的に示している（論文リンク）。
GPT-4を使ったグループは、AIが得意な範囲のタスクでは、より多く・速く・高品質に仕事を仕上げた。しかし、研究者が意図的に「AIの得意範囲の外」に設定したタスクを与えたとき、AI利用グループは非利用グループと比べて正答率が19ポイント低かった。
AIは自分の能力の限界を宣言しない。得意なタスクも苦手なタスクも、同じ流暢さ・自信で答える。「自信ある誤答」は、正答が節約した時間より修正コストが高くつく。 求められるスキルはプロンプト力ではなく、「今自分がAIの得意領域の内側にいるか外側にいるか」を判断する能力だ。
マクロで見ても同じ構図
企業・経済全体のスケールでも、パターンは変わらない。
- MITのProject NANDA（2025年）によると、同調査によれば企業がAIに投じた300〜400億ドルにもかかわらず、95%の組織が「ゼロリターン」と報告されており、P&Lへの影響が計測できた企業は全体の5%のみとされている。
- MIT経済学者のDaron Acemogluは、AIが今後10年で全要素生産性を押し上げる効果を最大0.66%、おそらく0.53%未満と推計している（NBER）。金融機関が予測していた年率1.5〜3%とは桁が異なる。
タスク単位の実験成果が、企業収益や国民経済の統計に現れにくい構図は、マクロ・ミクロの両方で一貫している。
では、どうすれば「銀行に届く」のか
記事は「AIが無意味」と結論づけているわけではない。価値は実在するが、小さく・漏れやすい。そのため、意図的に回収しなければ消える。
記事が示す実践的な指針は以下の3点だ：
- AIが実証的に強いタスクに集中して使う。 ライティング、要約、定型文、サポート返信など。効果が大きく測定されているのはここだけ。
- 高頻度・反復的な業務に重ねる。 タスク単位で数%の改善でも、月に何十回もこなす作業に適用すれば積み上がる。
- 節約した時間を意図的に収益に変換する。 節約時間は放置すれば別の作業で埋まる。請求時間に換算する、クライアントを増やす、コストを削減するといったアクションに変えない限り、給与には届かない。
3〜7%しか給与に届かないのが平均値だとすれば、自分のワークフローでそれを意図的に回収できれば、平均を大きく上回るというのが記事の核心だ。AIの恩恵を「タスクの速度」で終わらせず「報酬の増加」まで接続できるかどうかは、ツールの性能ではなく使い手の設計次第だということになる。
詳細はThe real ROI of AI for knowledge work (what reaches the paycheck) · Okane Landを参照していただきたい。
