2026年10月8日にQJE『Generative AI at Work』、AEA: Insightsの66社フィールド実験、ILOの2025年更新本文を再確認した。5,172人の顧客サポート研究は解決件数/時の平均15%増と経験・技能別の異質性を報告するが、単一企業・職種・ツールの結果である。66社・7,137人の実験は利用者のメール時間を週2時間減らした一方、仕事量や構成の変化を検出していない。ILOも世界の4人に1人を何らかの露出とし、多くの仕事は置換より変容と整理するため、平均生産性から雇用・利益・導入順を一律に推定しない。
生成AIの導入を全社一律で始めると、平均値だけが先に見えて、どの仕事で何が変わったのかが分からなくなります。経験の浅い人に大きな伸びが出た研究と、時間は減っても仕事量は変わらなかった研究を並べ、導入順を決める前に測るものを整理します。
公式資料を読み直した日と範囲
2026年10月7日に、Brynjolfsson・Li・RaymondのThe Quarterly Journal of Economics論文と、Dillon・Jaffe・Immorlica・StantonのAmerican Economic Review: Insightsの概要を確認しました。前者は5,172人のカスタマーサポート担当者、後者は66社・7,137人の知識労働者を対象とする別の研究です。どちらも実際の職場での実証ですが、業務、ツール、指標、期間が違うため、数字を自社へそのまま移せません。
30秒で要点
- QJE研究では、AI支援で解決件数/時が平均15%増え、経験の浅い・低スキル層の伸びが大きかった
- 同研究では最も経験豊富な層で速度の小幅改善と品質の小幅低下も観察され、全員に同じ効果ではない
- 66社のフィールド実験では、利用者のメール時間は週2時間減ったが、仕事の量・構成の変化は検出されなかった
- 導入順はスキル名ではなく、業務の反復性、品質確認、学習、時間、統制を小さく測って決める
表が収まらない場合は、横にスクロールできます
| 研究 | 対象と介入 | 主な結果 | 自社へ持ち帰る問い |
|---|---|---|---|
| QJE 2025 | 5,172人の顧客サポート、段階導入 | 解決件数/時が平均15%、低経験・低スキルで大きい | 品質と再現性を同時に測れるか |
| AER: Insights | 66社・7,137人、メール等へ無作為アクセス | 利用者のメール時間が週2時間減、仕事量・構成は変わらず | 時間短縮が仕事の価値へつながるか |
「低スキル」を導入順へ直訳しない
QJE研究の低スキル・低経験は、同じ顧客サポート業務の中で測った相対的な区分です。AIが「人の能力」を一つの尺度で判定したわけでも、どの会社でも新人から始めるべきだと示したわけでもありません。高スキル層では品質の小幅低下も報告されているため、速度だけで優先順位を決めると危険です。
伸びが大きい理由として、研究は、熟練者の応答パターンが提案として渡り、経験の浅い担当者が学習できる可能性を示します。これは機能の設計、研修、レビュー体制が揃って初めて起きる経路であり、モデルを入れるだけの効果ではありません。
時間短縮と成果を別に測る
66社の実験では、処理に使う時間は減りましたが、個人へのAI提供による仕事の量や構成の変化は検出されませんでした。空いた時間が顧客対応、学習、休息、別の雑務のどれへ移ったかで、組織の価値は変わります。QJE研究でも、解決件数/時は売上、満足度、長期の雇用を直接表しません。
導入前に、入力、出力、品質、再作業、顧客影響、勤務時間、学習、エラー、情報漏えいを分けます。平均値と分布、経験層、業務の難度、AI提案を採用した割合を同じ期間で追います。
最小検証：小さな業務から始める
- 反復性があり、品質基準と人の最終責任が明確な一つの業務を選ぶ。
- 導入前の処理時間、品質、再作業、顧客影響、負担を記録する。
- 利用者・非利用者、経験層、難しいケースを分け、同じ定義で比較する。
- 誤り、提案を無視したケース、レビュー時間、機密データの扱いを残す。
- 継続、修正、保留、終了の条件と、次に検証する層を合意する。
公式資料の範囲を外さない
QJE研究は一つのFortune 500企業の顧客サポートで、中期の個人・職場効果を見たものです。AER: Insightsのフィールド実験も、メール等のアプリを使う知識労働者の時間変化を扱います。業務・国・ツールが違う会社の売上、利益、雇用、賃金を予測する資料ではありません。
