2026.08.20 ｜ AI導入

AIを取り入れるほど
生産性が下がる理由

「AIを導入したのに、現場がむしろ忙しくなった」——これは感覚の問題ではありません。 106件の研究を集めて分析した結果、人間とAIの組み合わせは平均すると成績が下がっていたというデータがあります。ただし、その内訳を見ると分かれ目がはっきりしています。

1. 「人間＋AI」は、平均すると成績が下がっていた

2024年に Nature Human Behaviour に掲載されたメタ分析があります。2020年1月から2023年6月までに発表された106件の実験研究・370の効果量を集めて、「人間だけ」「AIだけ」「人間＋AI」の成績を比較したものです。

結果は、人間とAIの組み合わせは、平均すると「人間だけ」または「AIだけ」の良いほうより有意に成績が悪かったというものでした。

AIを足したのに、足さないほうがよかった。直感に反しますが、これが100件を超える実験を集計した結果です。日本企業を対象にした調査でも、活用は進んでいるのに効果が期待を下回る企業が増えている、という傾向が報告されています。

同じ研究には続きがあります。タスクの種類で分けると、結果が正反対になっていました。

タスクの種類	人間＋AIの結果
意思決定（判断する・選ぶ・診断する）	成績が下がった
コンテンツ作成（つくる・書く・整える）	有意に上がった

つまり「AIを入れると下がる」のではありません。下がる仕事にAIを入れると下がる、というだけの話です。

ここを分けずに「とりあえず全社に配る」をやると、上がる仕事の効果を、下がる仕事の損失が食いつぶします。導入したのに変わらない会社で起きているのは、多くの場合これです。

AIの出した判断は、正しいかどうかを人が確かめないと使えません。作業そのものは速くなっても、確認する時間が新しく発生します。判断が重い仕事ほど確認も重くなり、差し引きでマイナスになります。

マイクロソフトとカーネギーメロン大学が2025年のCHI（国際会議）で発表した研究では、AIへの信頼が高い人ほど、批判的に検討する回数が減る傾向が示されています。使い慣れるほど確認が甘くなる、という逆説です。

人のミスは、その1件で止まります。しかしルールや判断基準を誤ったままAIに任せると、同じ誤りが全件に複製されます。判断をAIに寄せた企業が事故るのは、精度の問題ではなく、この複製の構造によるものです。

全社に配ると、どうしても習熟度の差が出ます。片方はAI前提で仕事を組み、もう片方は従来どおり。この差が引き継ぎや確認のたびに摩擦を生み、チーム全体では遅くなるということが起こります。

先ほどのメタ分析には、もう一つ重要な条件が示されています。そのタスクの熟練者がいる場合には、パフォーマンスが向上していたという点です。

分かれ目は、AIの性能でもツールの数でもありません。「どの業務を、どこまで任せるか」を決められる人がいるかどうかです。

ツールを配ることは、この決定を各社員に丸投げすることと同じです。決める人がいない状態で配れば、判断に使う人も出てきます。そこで下がります。

難しい理屈は要りません。自社の業務を書き出して、次の線で分けるところから始まります。

右側を空けたまま左側だけをAIに渡す。これがメタ分析の示した「上がるほう」の使い方です。判断そのものを渡すのではなく、判断の材料を揃えるところまでを渡す——この一線を引けているかどうかで、同じツールでも結果が変わります。

「どの業務を任せるか」から一緒に決めます

PathForgeのAI社員派遣は、ツールを配るサービスではありません。業務の棚卸しから始めて、任せる業務を見極め、実際に動く状態まで構築します。
サービス資料では、AI社員が担う工程と人が持つ工程の分け方、導入の進め方、費用までをまとめています。

先に「自社の何を任せられるか」を確かめたい方は、シミュレーターをお使いください。業種と業務を選ぶだけで、任せられる業務の候補と削減できる時間が1分で出ます。