AIで生産性が上がらない理由｜人を減らす順番の失敗
「AIを導入したのに、現場の仕事が思ったほど速くなっていない」「ツールは入れた。それなのに、誰も積極的に使おうとしない」——AI活用に踏み出した会社ほど、この手応えのなさにぶつかります。
結論から言うと、AIで生産性が上がらない原因の多くは、ツールの選定ではなく導入の順番にあります。とくに「AIを入れるから人を減らす」を先に言ってしまうと、残った人がAIを使わなくなり、期待した効率化そのものが起きなくなります。
株式会社Fyveは、中小企業のAI活用を月額で伴走する「専属AI活用顧問サービス」を運営しています。私は現場で「導入したのに使われない」を何度も見てきました。この記事では、2026年8月に公開された海外の研究データと、私自身が支援の現場で見てきたことを突き合わせて、順番を間違えないための設計をお伝えします。
約9割の経営者が「AIで生産性は上がっていない」と答えている
まず、前提となる数字から確認します。ここを押さえておかないと、あとの話が「うちだけが失敗している」という話に聞こえてしまいます。
アトランタ連邦準備銀行の調査——約90%が効果を実感していない
ピッツバーグ大学のMark Ma教授が2026年8月12日に学術メディア The Conversation で公開した記事によると、アトランタ連邦準備銀行の調査で約90%の経営者が「自社ではAIがまだ生産性を押し上げていない」と回答しています。
この数字は、AIの性能が足りないという話ではありません。ツールは十分に賢くなりました。それでも会社全体の生産性という単位では、効果が見えていない会社のほうが圧倒的に多い、ということです。
つまり「うちはまだ効果が出ていない」は例外ではなく、現在の標準的な状態です。ここで焦って打つ手を間違えることのほうが、はるかに大きな損失になります。
それでも「AIによる人員削減」を発表する企業がある
興味深いのは、効果が確認できていないにもかかわらず、AI導入を理由に人員を削減する企業が出ていることです。同記事でも、生産性向上が実感されていない一方で、AIの実装に紐づけて人員削減を決める企業がある、という食い違いが指摘されています。
順序としては逆になっています。効果が出たから減らせる、のではなく、減らすことを先に決めている。この順番が何を引き起こすのかを、次の研究が実データで示しました。
研究が示した逆説——AI起因の人員削減は、生産性を壊す側に働く
ここがこの記事の中心です。感覚論ではなく、大規模なデータで確認された話として押さえてください。
何をどれだけ調べたのか
Mark Ma教授らの研究チームが分析したのは、次のデータです（The Conversation 2026年8月12日公開・Fortune が2026年8月22日に再報）。
- 従業員満足度レビュー数百万件（Glassdoor.com に投稿されたもの）
- 企業業績に関する報告 数千件
- 米国上場企業による数百件のAI投資およびレイオフ発表（過去5年分）
「AI導入と業績」を語る記事は無数にありますが、従業員の感情と業績を突き合わせた点がこの研究の特徴です。会社が何を発表したかではなく、そこで働く人が何を感じたかを変数に入れています。
株価の反応は「ほぼゼロ」だった
まず投資家側の反応です。研究では、AIに紐づけられたレイオフ発表に対する株式市場の平均リターンはゼロに近いという結果が出ています。さらに、こうした発表の半数超で、市場の反応はマイナスかゼロ近辺だったとされています。
「AIで人を減らします」という発表は、コスト削減の good news として受け取られていない、ということです。人員削減は、少なくとも短期の株主評価という面では報われていません。
機構——雇用不安が、AIへの感情を壊す
では、なぜ効果が出ないのか。研究が示した経路はこうです。
Glassdoor のレビューを分析すると、AIに関する言及は、従業員レビュー全体のトーンよりもはるかにネガティブでした。不満の理由として挙がっていたのは、次のようなものです。
- 仕事を失うことへの恐れ
- 訓練・スキルアップの機会が用意されていないこと
- AI導入のマネジメントが稚拙であること
- そもそも効果があるのかという疑い
そして同記事は、従業員のAIに対する感情と、企業の生産性のあいだに強い関連があると述べています。従業員の感情は、AI活用時の企業生産性を予測する最も強い指標のひとつだ、という位置づけです。
つなげると、こうなります。人員削減を発表する → 雇用不安が広がる → AIへの感情が悪化する → AIを使わなくなる／抵抗する → 生産性が出ない。AIを効かせるための条件を、AIを理由にした人員削減が自ら壊しているという構図です。
研究者自身の提言も明快です。経営者はAIの果実を従業員と分かち合うという本気の約束——単に人を減らすのではなく、スキルへの投資と機会の拡大に投資すること——をすべきだ、と述べられています。
現場で見てきたこと——「摩擦」の手前に「恐怖」がある
ここからは、私が中小企業のAI活用支援で実際に見てきたことと、この研究がどうつながるかをお伝えします。
定着を決めるのは、機能の高度さではなく摩擦コスト
私がこれまでの支援で繰り返し確認してきたのは、AIが浸透した業務とそうでない業務の差が、機能の高度さではなく「摩擦コスト」の低さで決まる、ということです。摩擦コストとは、学習の手間・操作の手間・立ち上げの面倒さの合計だと考えてください。
今のやり方を崩さずに済むほど、操作が軽いほど浸透します。逆に、本来の業務以外に考えることが増えると使われません。「長い目で見れば効率化になる」と頭で分かっていても、「それをやるくらいなら、自分でやったほうが早い」が勝ってしまい、そこで止まるのです。
摩擦を越える動機は、「自分の仕事が残る」前提の上にしか乗らない
今回の研究を読んで、私は自分の観察に足りていなかった層があることに気づきました。摩擦コストの手前に、もう一段下の層があるということです。
摩擦を越えるには、越えるだけの動機が要ります。「これを覚えれば自分の仕事が楽になる」という見返りです。ところが人員削減が先に公表されると、この見返りの前提が消えます。覚えた先にあるのが「自分の仕事がなくなること」なら、覚えないほうが合理的になってしまう。
そうなると、現場で起きるのは反対運動のような分かりやすい抵抗ではありません。もっと静かです。使ってみない。うまくいかなかった話だけが共有される。前のやり方に戻っている。誰も反対していないのに、何も変わらないという状態になります。
定着した組織に共通していた2つの条件
逆に、私が見てきたなかで定着した組織には、次のどちらかが必ずありました。
- 推進する立場の人（経営者・責任者）自身が学習し、「自分は使える」状態まで到達している。トップが本当に使えると、現場への翻訳が機能します
- 定着のさせ方そのものを外部に任せている。学習コストやつまずきを外側が肩代わりするため、現場は摩擦を避けて使い始められます
共通しているのは、誰かが摩擦を引き受けていることです。「よく分からないけれど、なんだかすごく便利らしい」で導入を決め、現場に丸投げすると、ほぼ止まります。
そして、ここに研究の知見を重ねると、条件はもう1つ増えます。摩擦を引き受ける人がいても、雇用不安が同時に存在していれば効きません。手間を肩代わりしても、覚える動機そのものが消えているからです。
よくある失敗は、どれも「順番」の話に還元できる
私が支援の現場で見てきた失敗パターンを並べると、原因はツールの良し悪しではなく、着手の順番に集約されます。
- AIツールを入れすぎてワークフローが太る——「この作業はこれ、別の作業はあれ」と良いとこ取りをした結果、入力と出力は1つなのに中間工程だけが増え、かえって遅くなります。まず汎用のAIサービスを1つ選び、それでどうしても届かない部分だけを他で補う。多くても2〜3つに抑えるのが実務的な上限です
- 「ツールを入れること」がゴールになる——業務特性を見ずに一律導入すると、合わない業務まで巻き込んで破綻します。業務ごとに向き不向きを振り分けるほうが先です
- 現場のITリテラシーを勘定に入れない——一定のPC操作・ネット知識が前提になる以上、そこを把握せずに進めると形骸化します。リテラシーが高くなくても効果が出る部分を選んで使ってもらう、という設計が要ります
- 最初から難しい業務を狙う——汎用性が高いツールほど無茶ができてしまいますが、想定外の出力を直すコストが実務コストを超えると、その時点で撤退が決まります
4つとも、ツールを変えれば解決する話ではありません。どこから、どの順で、誰の負担で始めるかを決めていないことが共通の原因です。そして今回の研究が加えたのは、この順番リストの最上段に「人員の話をどう扱うか」が来る、という指摘でした。
順番の設計——効率化を「削減」から切り離す
では具体的にどうするか。私が実務で使っている順番は次の4段です。
ステップ1: 棚卸しをして、着手する業務を1つに絞る
最初にやるのは、ツール選定ではなく業務の棚卸しです。どこに時間が溶けているかを洗い出し、「効果が大きく、かつ他の効率化の土台になる業務」を1つだけ選びます。
ここで欲張って複数を同時に始めると、覚えることが増えて摩擦コストが跳ね上がります。中小企業のAI導入を失敗しない順序で進める考え方は、以下の記事でも3ステップにまとめています。
ステップ2: 「浮いた時間を何に使うか」を、導入の前に言う
これが今回の研究から導かれる、いちばん実務的な示唆です。
多くの会社は、効率化の話を「何がなくなるか」で説明します。「この作業がなくなります」「この工程が自動化されます」。悪気はありませんが、聞いている側の頭には「では、その作業をしていた自分はどうなるのか」が残ります。
だから、浮いた時間の行き先を先に宣言してください。削減ではなく再配置であることを、導入より前に言葉にするということです。
- ❌「記録作業を自動化して、事務の負担を減らします」（行き先が語られていない）
- ⭕「記録作業を自動化して、浮いた時間を◯◯に充てます」（行き先が示されている）
順番が大事です。効果が出てから説明するのでは遅い。不安は、効果より先に現場に届くからです。
ステップ3: スキルへの投資を、同じタイミングで見せる
研究で不満として挙がっていた項目のひとつが「訓練・スキルアップの機会がないこと」でした。これは裏を返せば、研修の設計が定着施策そのものだということです。
資料を配って「読んでおいて」で終わる説明会は機能しません。社員は自分で触って「これは軽い」「これは楽だ」と実感して初めて、積極的に使おうとします。全社員に一次体験をどう届けるかが分岐点です。
ステップ4: 効果測定してから、次の業務へ広げる
1業務で効果が確認できたら、時間・コストを数字で記録して次に進みます。ここで初めて「効果が出たので広げる」という説明が成立します。
導入したあとに使われなくなるパターンとその防ぎ方は、補助金を使ったケースを題材に以下の記事で整理しています。
減らさないなら、効率化のコストはどこで回収するのか
ここまで読んで、当然の疑問が残ると思います。「人を減らさないなら、AIに払ったコストは何で回収するのか」。ここに答えを持たないまま「削減はしません」と言っても、経営としては空手形になります。
回収の道は、実務上4つあります。自社がどれを狙うのかを、導入前に1つ選んでおいてください。
回収1: 同じ人数で受けられる仕事の量を増やす
いちばん素直な回収先です。事務・記録・書類作成に溶けていた時間が浮けば、その分だけ本来の生産活動に人を回せます。人員は同じで、処理できる案件数が増える。コスト側ではなく売上側で回収する形です。
この道を選ぶなら、伝え方も自然になります。「減らすためではなく、受けられる量を増やすために入れる」と言えるからです。
回収2: 残業と外注費を削る
人を減らさずにコストを下げる現実的な方法がこれです。月末に集中する集計、繁忙期だけ外に出していた作業、持ち帰りの書類仕事。ここが減れば、雇用に手をつけずに固定費以外が下がります。
従業員から見ても、なくなるのが「残業」であって「自分の仕事」ではないため、抵抗が起きにくい。研究が示した経路をそもそも踏まない回収先です。
回収3: 離職と採用コストを下げる
見落とされやすいのがこれです。書類仕事の重さが離職理由に直結している業種では、負担を下げること自体がコスト削減になります。1人辞めたときに発生する採用・教育のコストを思い浮かべれば、金額の桁は決して小さくありません。
そして人手不足が続く業種ほど、この回収先の価値は上がります。減らす話をしている場合ではない、というのが現場の実感に近いはずです。
回収4: これまで手を出せなかった業務を始める
時間がなくて着手できなかったこと——発信、既存顧客へのフォロー、社内の仕組み化——に人を回す道です。短期の数字にはなりませんが、浮いた時間の行き先として最も説明しやすいのがここでもあります。
4つのうちどれを狙うかで、選ぶべき業務も、効果測定で見る数字も変わります。ここを決めずに始めると、効果が出ているのに「で、結局いくら得したのか」に答えられない状態になります。
1人・少人数の会社にとっての意味
ここまで従業員のいる組織の話をしてきました。では、1人でやっている事業者や、数人の会社にはどう効くのか。
減らす人がいない側には、構造的な有利がある
今回の研究が明らかにしたのは、「効率化の効果を、雇用不安が食べてしまう」という損失です。逆に言えば、この損失が発生しない体制には、その分だけ構造的な有利があります。
1人でやっている事業者には、削減対象になる人がいません。だから効率化の成果が、感情の悪化に相殺されずにそのまま残ります。導入判断を自分で下し、自分で摩擦を引き受け、浮いた時間の行き先も自分で決められる。研究が指摘した3つの阻害要因が、そもそも発生しない構造です。
ただし「だから1人が最善」ではない
この話は「人を雇わないほうがいい」という結論には行きません。1人でできることの総量には天井があり、その天井は誰かに任せることでしか上がらないからです。
正しい読み方はこうです。組織の規模が大きいほど、効率化の成果は「人の感情」という係数を必ず通る。だから規模のある会社ほど、ツール選定と同じかそれ以上の時間を、順番の設計と伝え方に使うべきだということです。少人数のうちは係数が1に近いだけで、有利が永久に続くわけではありません。
「静かな不使用」を早めに見つける観測ポイント
雇用不安による抵抗のやっかいなところは、反対の形を取らないことです。会議では誰も反対しません。ただ、使われない。だから「反対意見が出ていないこと」を順調さの証拠にしてはいけません。
代わりに、次のような兆候を見てください。どれも導入から2〜4週間で観測できます。
兆候1: 使用が特定の1〜2人に偏っている
導入直後は、もともと関心の高い人だけが使います。問題は3週目以降もその状態が動かないときです。広がりが止まっているのか、そもそも広がっていないのかを、利用状況で確認してください。
兆候2: 質問が出てこない
本気で使っている人からは、必ず具体的な質問が出ます。「この形式のファイルは読めるか」「この書き方だとうまくいかない」。質問がゼロなのは、順調なのではなく、触られていない可能性が高いと考えたほうが安全です。
兆候3: 失敗談だけが共有されている
「使ってみたけど変な答えが返ってきた」という話だけが回り、うまくいった話が出てこない状態です。これは実際の精度というより、使わない理由を全員が探しているときに起きやすい現象です。
兆候4: 「前のやり方」が並走したまま消えない
新しい手順を入れたのに、従来の帳票やファイルも同時に更新され続けている。二重運用は現場の負担を増やすので、本来は自然に消えます。消えないなら、新しい側が信用されていないか、いつ戻されるか分からないと思われているかのどちらかです。
いずれの兆候も、ツールの再選定では直りません。行き先の説明をやり直すことと、摩擦を誰が引き受けるかを決め直すことが対処になります。
導入前に確認したい7つのチェック
ここまでの内容を、導入判断の直前に使えるチェックリストにまとめます。1つでも「いいえ」があるなら、そこが順番の穴です。
- 1. 着手する業務を1つに絞れているか——複数同時は摩擦コストが跳ね上がります
- 2. 浮いた時間の行き先を、導入前に言葉にしているか——「なくなる作業」だけを説明していないか
- 3. 人員計画の話と、AI導入の話を切り離せているか——同じ会議で並べると、意図と関係なく紐づいて伝わります
- 4. 摩擦を引き受ける人が決まっているか——推進者本人が使えるか、外部に肩代わりさせるかのどちらかが要ります
- 5. 全員が自分で触る機会を作っているか——説明資料の配布は一次体験の代わりになりません
- 6. スキルアップの機会を同時に示せているか——研究で不満として挙がっていた項目のひとつです
- 7. 効果を数字で測る準備があるか——測っていないと、次に広げる根拠を作れません
私たちが月額の顧問として実際に引き受けているのは、この4番と5番の部分です。学習の手間を肩代わりし、全員が「軽い」と体感できる設計を一緒に作るところまでを含めて伴走しています。詳しくは専属AI活用顧問サービスのページをご覧ください。
よくある質問
効果が出たあとなら、人員を減らしてよいのですか
今回の研究は「人員削減の是非」を論じたものではなく、AI導入と人員削減を紐づけて発表したときに何が起きるかを測ったものです。研究が示しているのは、その紐づけが従業員のAIへの感情を悪化させ、生産性を予測する指標を悪い方向に動かすという点です。
実務的な示唆は、経営判断としての人員計画そのものよりも、それをAI導入の理由として説明しないことにあります。研究者の提言も、削減ではなくスキルと機会への投資に向かうべきだ、という方向でした。
すでに「AIで効率化するので人を減らす」と伝えてしまいました
その場合に効くのは、行き先の再提示です。浮いた時間で何をするのか、スキルアップの機会をどう用意するのかを、具体的な形で示し直してください。研究で挙がっていた不満は「削減された」ことそのものより、訓練の機会のなさ・マネジメントの稚拙さ・効果への疑いに向いていました。ここは後からでも埋められます。
約90%という数字は、AIに効果がないという意味ですか
いいえ。この数字が示しているのは「経営者が自社の生産性向上を実感していない」という認識であって、個々のツールの性能評価ではありません。会社全体の生産性という単位に効果が現れるまでには、業務の選定・定着・測定という工程が挟まります。多くの企業がまだその工程の途中にいる、と読むのが妥当です。
小さな会社でも、この順番は必要ですか
従業員がいるなら必要です。人数が少ないほど1人あたりの影響が大きいため、1人が「使わない」に傾いただけで導入全体が止まることがあります。むしろ小規模なほど、伝え方の重みは増します。
正社員ではなく、外注や派遣を減らす場合も同じですか
今回の研究が分析したのは、米国上場企業のレイオフ発表と従業員レビューです。したがって外注・派遣の削減について直接の結論は示されていません。
ただし実務上は、社内に残る人がその決定をどう受け取るかが効きます。「AIを入れたので外注を切った」という説明は、残った人には「次は社内か」と読める材料になり得ます。研究が示した経路は雇用不安を経由するので、対象が誰であれ、AI導入を削減の理由として語らないという原則は変わりません。
経営者本人がAIを使えない場合、どうすればいいですか
選択肢は2つです。自分が学習して「使える」状態まで到達するか、定着のさせ方そのものを外部に任せるか。私が見てきたなかで定着した組織には、必ずどちらかがありました。
避けたいのは、どちらも選ばずに現場へ丸投げすることです。摩擦を引き受ける人が社内に誰もいない状態では、ツールの性能に関係なく止まります。
まとめ
AIで生産性が上がらないとき、疑うべきはツールの選定ではなく順番です。
- アトランタ連邦準備銀行の調査では約90%の経営者がAIによる生産性向上を実感していない（The Conversation・2026年8月12日公開の記事より）
- 数百万件の従業員レビューと5年分の企業データを分析した研究では、AIに紐づくレイオフ発表への株式市場の平均リターンはゼロに近く、半数超でマイナスかゼロ近辺だった
- 従業員のAIへの感情は企業の生産性と強く関連しており、雇用不安がその感情を悪化させる
- 現場で見てきた「摩擦コスト」の手前には、「覚えた先に自分の仕事が残るか」という前提がある
- だから、浮いた時間の行き先を導入より先に言う。効率化を削減から切り離す
効率化は、道具が半分で、順番と伝え方がもう半分です。道具のほうは、もう十分に良くなっています。
AIを使う会社と、使わない会社。
その差は、開き始めています。
ここ数年でAIは急速に進化し、正しく導入できている企業とそうでない企業とでは、業務効率や人件費に大きな差が生まれ始めています。「AI導入に興味はあるが、実際に何ができて、どこから手をつければいいか分からない」——そんな方は、まずこの無料プレゼントに目を通してみてください。
