AI投資の効果が「体感」より遅れて出る理由——CFO734人調査に見るAI生産性の実態

AI投資の効果が「体感」より遅れて出る理由——CFO734人調査に見るAI生産性の実態

「AIに投資しているのに、決算の数字にはっきり表れない」——こう感じたことがある経営者は少なくないはずです。現場からは「助かっている」という声が上がる一方で、売上や利益、人員配置の数字を見ると、投資に見合うほどの変化が見えない。この体感と数字のズレは、投資判断が間違っている兆候なのでしょうか、それとも別の理由があるのでしょうか。

この記事では、Baslandze氏らによる研究(Journal of Finance: Insights and Perspectives誌に掲載予定)を手がかりに、この体感と数字のギャップがどこから生まれるのかを整理します。

出典はRIETI(独立行政法人経済産業研究所)に掲載された著者本人によるコラムです。米企業の財務幹部734人(主にCFO)を、The CFO Survey・FEI・Nasdaq・デューク大学の補完パネルを通じて調査した内容にもとづきます。

30秒で要点

• The CFO Survey等を通じて米企業の財務幹部734人を調査した結果、AI関連支出の大半(従業員500人未満の企業で65%、500人超の企業で54%)はサブスクリプション・サービス・研修という形を取っており、ハードウェア購入や自社ソフトウェア開発ではない
• 企業がAIから得ていると報告する生産性向上は、同時期の売上・雇用の変化が示す水準より一貫して大きく、これは「Solowの生産性パラドックス」(変革的技術の効果は、統計に完全に反映されるずっと前から重要だと認識される現象)と重なる
• 短期的にAIは雇用全体の意味のある減少をもたらしておらず、2026年の雇用減少見込みは0.4%未満。著者はこれを「大量解雇ではなく再配分」と位置づけている
• 米国企業のデータであり、日本の中小企業への一般化には注意が必要

なぜ「投資したのに数字に出ない」と感じるのか

多くの経営者にとって、「投資」という言葉には、工場や設備を買うイメージが結びついています。設備投資をすれば、それは貸借対照表に資産として載り、翌期以降の生産性向上として比較的わかりやすく跡づけられる。この感覚がベースにあると、AIへの支出についても「投資したなら、それに見合う数字が出るはず」という期待を無意識に持ちやすくなります。

しかし今回の調査によれば、企業のAI関連支出の大半——従業員500人未満の企業で65%、500人超の企業で54%——は、ハードウェアの購入や自社ソフトウェアの開発ではなく、サブスクリプション・サービス利用料・研修費という形を取っています。これらは会計上、設備投資として計上されにくい性質の支出です。「投資した」という体感と、統計上の「資本設備投資」という区分が、そもそもズレているということです。

体感される生産性向上と、業績数値のギャップ

調査はさらに、企業がAIから得ていると報告する生産性向上が、同時期の売上や雇用の変化が示唆する水準よりも、一貫して大きいと報告しています。つまり「AIのおかげで効率が上がった」という現場の実感は、決算に表れる数字より先行しているということです。

調査はこの現象を、1980年代にコンピュータの普及期に指摘された「Solowの生産性パラドックス」——変革的な技術は、その効果が生産性統計に完全に反映されるようになるずっと前から、社会に広く重要だと認識される、という現象——と重ねて説明しています。パソコンやインターネットも、導入初期には「便利になった」という体感が先行し、統計上の生産性向上として確認できるようになるまでには時間がかかりました。AIについても同じ構造が起きている可能性がある、というのがこの調査の見立てです。

「AIを入れたら人員削減」という前提への反証

もう1つ、この調査が報告しているのが雇用への影響です。短期的にAIは雇用全体の意味のある減少をもたらしておらず、2026年の雇用減少見込みは0.4%未満とされています。著者はこれを「大量解雇(mass layoffs)ではなく再配分(reallocation)」と表現しています。

この結果は、「AIを導入すれば人を減らせる」という単純な図式への反証になります。ただし、業種別・企業規模別にどのような再配分が起きているのか——たとえば大企業では定型的な事務職が減り、中小企業では技術系のスキルを持つ職種が増えている、といった内訳——は、今回参照した情報源単独では文言を確認できていません。この点は確認できた事実(雇用全体としては大きく減っていない)と、確認できていない事実(内訳の詳細)を分けて扱う必要があります。

この体感と数字のズレが生まれる構造

なぜこのズレは、多くの経営者にとって「投資判断を疑う理由」に感じられてしまうのでしょうか。

背景には2つの思い込みがあります。1つは、「投資」という言葉が資本設備投資のイメージと強く結びついているため、資産計上されないサブスク型支出を「本当の投資」として認識しにくいという点です。もう1つは、投資の効果は投資と同じ会計期間、あるいはその翌期にはっきり数字として現れるはずだという期待です。この2つの思い込みが組み合わさると、「AIに支出しているのに資本投資として見えない」「効果が今期の数字に出ていない」という2つの事実が、「投資が失敗している」という誤った結論に短絡してしまいます。

実際には、この調査が示しているのは「投資が失敗している」ではなく、「支出の形態が変わり、効果が統計に反映されるまでのタイムラグの構造が変わった」ということです。この違いを区別できるかどうかが、AI投資の評価を誤らないための分かれ目になります。

判断軸の提示

自社のAI投資を評価するときは、次の2つを分けて確認することを軸にすると、体感と数字のズレに振り回されにくくなります。

1. 自社のAI関連支出は、資本設備投資型かサブスク型か — サブスク・研修中心の支出であれば、効果が財務指標に反映されるまでのタイムラグを織り込んで評価する
2. 「効果が出た」という判断を、現場の体感だけでなく、具体的な業務指標(処理時間・エラー率・対応件数など)でも確認しているか — 体感先行のギャップそのものは調査が報告する一般的な傾向であり、自社の投資が実際に効果を生んでいるかどうかは、別途の確認が必要

雇用計画についても、「AIを入れたから人を減らす」という単純な図式ではなく、「どの業務が減り、どのスキルの需要が増えるか」という再配分の視点で見直すことが、この調査の示す前提に沿った考え方になります。

確かなことと、まだ確かではないこと

確かなこと: The CFO Survey等を通じた米企業財務幹部734人の調査で、AI関連支出の大半(中小企業65%・大企業54%)がサブスク・サービス・研修型であること。企業が報告する生産性向上が、売上・雇用の変化が示す水準より一貫して大きいこと。短期的な雇用減少は2026年見込みで0.4%未満であること。

まだ確かではないこと: 米国企業のデータであり、日本の中小企業への一般化には注意が必要です。また、業種別・企業規模別の具体的な再配分の内訳(どの職種が減り、どの職種が増えたか)は、今回参照した情報源からは確認できていません。「AI投資をすれば必ず生産性が上がる」という因果関係を保証するものでもなく、あくまで知覚された効果と実測値のギャップについての報告です。

自分でも試せる、最小の検証

自社の直近1年のAI関連支出を洗い出し、資本設備投資として計上されている金額と、サブスク・サービス利用料・研修費として計上されている金額の比率を出してみてください。

後者の比率が高い場合、その投資の効果を「今期の決算数字」だけで判断するのは早い可能性があります。合わせて、現場の担当者に「AIのおかげで楽になったと感じる業務」を1つ挙げてもらい、その業務の処理時間や対応件数といった具体的な指標が実際に変化しているかを確認してみると、体感と実測のどちらに基づいて投資を評価しているかが見えてきます。

この記事で扱ったような、AI投資の評価設計を自社の状況に照らして整理したい場合は、無料診断ツールで状況を言語化するところから始めることができます。