営業AI自由研究
← 記事一覧に戻る

【調べてみた】ソローのパラドクス再来 — 全員がAIを使い、誰も効果を示せない

導入の落とし穴

個人の自由研究として、「AIの採用率は上がっているのに、なぜ効果が見えないのか」を調べてみました。

1987年、経済学者ロバート・ソローはこう書いた。

「コンピュータの時代は至る所に見えるが、生産性統計には現れない」（You can see the computer age everywhere but in the productivity statistics.） — Robert Solow, New York Times Book Review, 1987年7月12日

39年後の2026年。同じ現象が、AIで起きている。

アポロ・グローバル・マネジメントのチーフエコノミスト、トーステン・スロークはこう表現した。「AIは至る所にある。マクロ経済データ以外のすべてに」（AI is everywhere except in the incoming macroeconomic data）。

  • 営業AI採用率88%（McKinsey 2025）
  • ROIを証明できる企業 41%、しかも前年の49%から低下（Jasper 2026）
  • GDPへの寄与「基本的にゼロ」（Goldman Sachs 2026）

採用率が上がるほど、効果を示せる比率が下がる。この構造を掘り下げた。

この記事でやったこと

  • 調査対象: AIの採用率と生産性の乖離（「ソローのパラドクス」のAI版）を、マクロ経済データ・営業AI固有データ・日本市場データの3層で検証
  • 参照した情報: NBER論文2本（#34836 経営者6,000人調査、#34984 CFO750人調査）、PwC第29回CEO調査（4,454人・95カ国）、McKinsey State of AI 2025、MIT GenAI Divide Report、Jasper State of AI Marketing 2026（1,400人）、ActivTrak職場調査（44,300万時間・16.3万人分析）、Goldman Sachs分析、Workday Beyond Productivity Report、UC Berkeley AI燃え尽き症候群研究、Salesforce State of Sales 2026（4,050人）、Highspot GTMレポート（463人）、Gartner Sales予測、Harvard/BCG「ギザギザの境界線」実験（758人）、Stanford/MIT顧客サービス研究、PwC Japan 5カ国比較、東京商工リサーチ調査、日本語メディア（WIRED Japan、東洋経済、@IT等）
  • ソース総数: 100件超（英語70件超、日本語30件超）※既存記事の累計を含む全体は1,240件超
  • 調査日: 2026-04-02
  • 関連記事: 営業AI「導入したのに使われない」問題 — 本記事はその「使われない」現象を、マクロ経済の視点から再検証する
  • 関連記事: なぜ営業AIは「真顔の喜劇」になるのか — 本記事のデータは、あの構造が2026年Q1にさらに加速していることを示す
  • 関連記事: 人間+AI＝パフォーマンス低下？ — ミクロの研究データ。本記事はマクロ経済指標から同じ結論にたどり着く

まず、数字を並べてみる

以下は、2025年後半〜2026年Q1に公開された主要調査の結果だ。

採用率 vs 成果: 8つの調査

調査（発行元・時期）採用率成果
NBER #34836（6,000人経営者、2026-02）69%が積極利用約90%が生産性への影響ゼロ
PwC CEO調査（4,454人、2026-01）—56%がROIゼロ。両方達成は12%
McKinsey State of AI（2025）88%61%がEBIT影響ゼロ。「高業績企業」6%のみ
MIT GenAI Divide Report（2025）—95%がP&L影響ゼロ。投資額$300-400億
Jasper（マーケター1,400人、2026）91%（前年63%→）ROI証明能力41%（前年49%→低下）
Goldman Sachs（2026）—GDP寄与「基本的にゼロ」
Highspot（営業463人、2025）77%がAI投資中28%のみが業績改善を実感
ActivTrak（16.3万人、2026）80%がAI利用タスク所要時間27-346%増加

8つの調査すべてが、同じ方向を指している。採用は進んでいる。効果は見えない。

Jasperの数字が最も端的

Jasperの調査が象徴的なのは、時系列の変化が見えるからだ。

  • 2025年: マーケターのAI利用率63%、ROIを証明できる比率49%
  • 2026年: マーケターのAI利用率91%、ROIを証明できる比率41%

使う人が1.4倍に増え、効果を示せる人の比率は低下した。「全員が使い始めたら、かえって効果が見えにくくなった」。

ソローが1987年にコンピュータについて指摘したのと、構造が同じだ。

「マクロでゼロ、ミクロで見える」の構造

ゴールドマン・サックスのチーフエコノミスト、ジャン・ハッツィウスは2026年3月の分析で、AI投資のGDP寄与を「基本的にゼロ」と評価した。シニアエコノミストのロニー・ウォーカーも「経済全体レベルでは、AI採用と生産性の間に意味のある関係は見つからない」と述べている。

しかし同じ分析の中で、特定のタスクでは中央値30%の生産性向上が見られたとも報告している。カスタマーサポートとソフトウェア開発の2領域だ。

つまりこういう構造になっている。

  • タスク単位: 効いている（30%改善の事例がある）
  • 企業単位: ほぼ見えない（90%が「影響なし」）
  • 経済全体: ゼロ（GDPに現れない）

タスクの改善が、なぜ企業の業績に積み上がらないのか。いくつかの説明がある。

説明1: AIが時間を「節約」したのではなく「再配分」した

ActivTrakの調査は衝撃的だ。44,300万時間のデジタル活動データと16.3万人の従業員を分析した結果、AI導入後にすべての業務カテゴリで所要時間が増加していた。

業務カテゴリAI導入後の時間変化
メール+104%
チャット・メッセージング+145%
ビジネス管理+94%
集中作業セッション-9%

減ったのは「集中して考える時間」だけだ。AIで浮いたはずの時間は、メールとチャットに吸い込まれている。

UC バークレーの8ヶ月間の研究はそのメカニズムを明らかにした。AI利用者は作業量と作業の種類を自発的に増やし、マルチタスクと仕事/プライベートの境界の曖昧化が進んだ。結果、AI積極利用層の燃え尽き率は62%に達した（経営層の38%と対照的に）。

「時間泥棒」業務5つ×AIで調べた「AIは時間を節約するのか、別の仕事を増やすのか」という問いに、マクロデータが答えを出している。別の仕事を増やしている。

説明2: 「検証税」が節約分を食っている

Workdayの2026年1月のレポートは、もう一つの漏れ口を特定した。

  • AIが節約した時間の37%が「手直し」（修正、確認、書き直し）で消えている
  • 77%の従業員がAIの出力を人間の仕事と同等以上に入念にレビューしている
  • 明確にプラスの成果を出している従業員は、全体のわずか14%

提案書AI、修正地獄を避ける使い方で描いた「修正地獄」が、提案書に限らず起きている。AIが10分で作った資料を、人間が30分かけてレビューする。AIが1時間節約して、人間が40分検証に費やす。差し引き20分の節約は、GDPを動かさない。

説明3: 全員が同じ武器を持ったので、相対優位が消失した

Jasperの数字に戻る。利用率91%の世界では、AI活用は差別化要因ではなくなる。

AI vs AI 戦線マップで整理したように、メール・電話・LinkedIn・レビュー・調達の全チャネルで「送るAI」と「受けるAI」が相殺し合っている。採用率が100%に近づくほど、個別企業の優位性はゼロに収束する。

ゲーム理論で言う「囚人のジレンマ」の大規模版だ。個別に見ればAI導入は合理的。全員がやれば誰も得をしない。でも「自分だけやめる」のはもっと不利。だから全員が続ける。

説明4: 「量の最適化」に偏っている

営業AIの「真顔の喜劇」で分析した「量 vs 信頼」の構造は、2026年Q1のデータでさらに鮮明になった。

Gartnerは、2028年までにAIエージェントが営業担当者の10倍になると予測している。同時に、生産性向上を実感する営業担当は40%未満だとも。GartnerのVPアナリスト、メリッサ・ヒルバートはこう述べている。「ある地点を超えると、AIを増やしても生産性は上がらない。すでに複雑なワークフローにプロンプトとツールを積み重ねれば、営業担当を圧倒し、燃え尽きを加速させるリスクがある」。

Highspotの数字がこの構造を裏付ける。77%がAIに投資しているのに、業績改善を実感しているのは28%。差分の49ポイントは「投資したが効いていない」層だ。

営業AIの数字

マクロの話を、営業の現場に降ろしてみる。

Salesforce State of Sales 2026

Salesforceの第7版レポート（4,050人調査、2025年8-9月実施）は、営業AIの「採用側」のデータとしては最大規模だ。

  • 87%の営業組織が何らかのAI利用
  • 54%がエージェント型AIを使用済み、90%が2027年までに利用予定
  • AI導入チームの83%が収益成長（AI未導入は66%）

しかしこの数字には注意が要る。Salesforce自身の顧客を対象にした調査であり、自社製品の購買層に偏りがある。「AI導入チームの方が成長している」は「成長している会社がAIを導入した」かもしれない。因果と相関の区別が不明確だ。

一方、Salesforce Agentforceの実態

同じSalesforceのAgentforce（AIエージェントプラットフォーム）は、別の数字を示している。

  • 顧客の**5.3%**のみが採用（推定$800M ARR、約29,000件の取引にもかかわらず）
  • B2Bデプロイの77%が失敗（データ品質とUXの問題）
  • 幻覚（事実でない情報の生成）率: 3-27%（設定により変動）

87%の「何らかのAI利用」と、5.3%のAgentforce採用率の間にある81.7ポイントの差。この差が「AIを使っている」と「AIが機能している」の距離を物語っている。

AI SDRの崩壊

営業AIエージェントの現実と静かに壊れている5つの故障パターンで追いかけてきたAI SDR（AI営業開発担当）市場は、2026年Q1にさらに象徴的な展開を見せた。

Artisan AI — AI SDRスタートアップの代名詞 — は、自社の人間従業員の約2/3を解雇し、自社のAI製品（Ava）に置き換えた。「人間を雇うな」と看板に書いた会社が、自社で実験した形になる。

結果はどうか。G2での評価は3.8/5（レビュー対象のAI SDRプラットフォームで最低）。ユーザーレビューには「1,400通送って返信ゼロ」「文面が明らかにAI丸出し」という報告がある。

AI SDRツール全体の年間解約率は50-70%。みんな導入するが誰も続けないで調べた構造が、さらに加速している。

「誰も計測していないのに、削減は進む」

ここで、構造的に最も不思議な現象がある。

NBER論文#34984（Duke大学CFO調査、2026年3月公開）によると、750人のCFOが2026年にAI関連で合計約502,000人の人員削減を計画している。前年（55,000人）の9倍だ。

だが上述の通り、NBER論文#34836の同じ規模の調査では、約90%の企業がAIから生産性への影響をゼロと回答している。

この2つの論文を並べると、こういう構造が浮かぶ。

  1. 「AIで生産性が上がった」というデータはない
  2. しかしCFOは「AIで人を減らす」計画を立てている
  3. その計画の根拠は、計測されていない効果に基づいている

論文の共著者であるジョン・グレアムは「終末的な雇用シナリオではない」と述べているが、ここで問うべきは規模ではなく構造だ。効果を計測しないまま、その効果を前提に意思決定が進んでいる。

反対意見: 「まだ早い」は正しいか

ソローのパラドクスの面白いところは、最終的に「解決された」（または少なくとも和らいだ）点にある。1990年代後半、IT投資の生産性効果がようやく現れ、年1.5%の生産性加速が10年ほど続いた。

2026年のAIにも同じことが起きるのか。主要な反論を3つ整理する。

反論1: J字カーブ（Brynjolfsson）

スタンフォード・デジタルエコノミー研究所のエリック・ブリンジョルフソンは「生産性のJ字カーブ」理論を提唱している。汎用技術（General Purpose Technology）は、ワークフローの再設計、スタッフの再教育、ソフトウェアの再構築といった大規模な補完投資が必要で、これらは国民経済計算で十分に測定されない無形資産だ。結果として、測定される産出量は最初に停滞ないし低下し、その後急上昇する — J字型の軌跡を描く。

実際、2025年の米国生産性は約2.7%上昇した（過去10年平均の1.4%のほぼ2倍）。ブリンジョルフソン自身はこれを「投資フェーズから収穫フェーズへの転換点かもしれない」と述べているが、**「確認にはさらに数期間の持続的成長が必要」**とも慎重に付け加えている。

歴史的に見ると、PC普及から生産性効果の発現まで約15-20年かかった（PC導入期1980年代→生産性加速1995年前後）。AIのタイムラインがこれに倣うなら、GPT-3の登場（2020年）から数えて2035-2040年頃まで待つことになる。

反論2: 計測の問題

ゴールドマン・サックス自身が指摘しているように、カスタマーサポートとソフトウェア開発の2領域では中央値30%の生産性向上が確認されている。タスクレベルでは効いている。

Harvard/BCGの「ギザギザの境界線」実験（BCGコンサルタント758人、GPT-4使用）では、AIの得意領域内で12.2%多くのタスクを完了、25.1%速く、40%高い品質を達成した（低業績層は43%改善）。

問題は、これらの改善がGDPやEBITに積み上がらないことだ。可能性としては、無形資産（ワークフロー改善、学習コスト等）への投資が「費用」として計上され、「成果」はまだ数年先に出るパターン。あるいは、上で述べたように、改善がメール・チャットの増加や検証税で相殺されているパターン。

反論3: 「12%」はすでに成功している

PwCのCEO調査で、12%の企業は収益増加とコスト削減の両方を達成している。この12%は、AIを広範に埋め込み、責任あるAI（Responsible AI）のフレームワークを整備している企業に集中している。

McKinseyの「高業績企業」6%も同様のパターン — コスト削減だけでなく、成長と組み合わせてAIを活用している。

つまり「AIが効かない」のではなく、「AIの効かせ方を知っている企業が非常に少ない」という構造かもしれない。問題はAI自体ではなく、導入の方法にある — という反論。

これは一定の妥当性がある。ただし、88%が採用して6-12%しか成果を出せない構造自体が、ソローのパラドクスそのものだ。テクノロジーは普及した。効果は少数に集中している。大多数には見えない。

日本の「13%」

ここまでは主に英語圏のデータだ。日本はどうか。

PwC Japanの5カ国比較調査（2025年春）は、端的な数字を出している。

  • AIの効果が「期待を上回った」: 日本13% vs 米国51%
  • AIを業務プロセスに正式に組み込んでいる企業: 日本24%（5カ国最低）

HubSpot Japanの営業調査（State of Sales 2026）はさらに示唆的だ。

  • 営業AIの採用率: 28.9%→43.4%（前年比）
  • ただし「使っていい」と言われただけ（許可のみ）の場合の週次利用率: 47.2%
  • 業務プロセスに統合された場合（CRM連携、共有プロンプト等）の週次利用率: 74.8%

47.2%と74.8%の差 — この27.6ポイントが、マネージャーが入れたAIを現場が使わない構造の定量的な証拠だ。

東京商工リサーチの調査はさらに踏み込んでいる。

  • 生成AIを積極推進している企業: 25.2%（大企業43.3%、中小23.4%）
  • 最大の障壁: 専門人材の不足（55.1%）
  • 2番目の障壁: メリットとデメリットを評価できない（43.8%）
  • 導入済み企業のうち、効果を計測していない: 約60%

日本版のソローのパラドクスは、こうなる。

  1. 43.4%が「使っている」（HubSpot Japan）
  2. しかし25.2%しか「積極推進」していない（東京商工リサーチ）
  3. 導入済みの60%は効果を計測すらしていない（同上）
  4. 効果が「期待を上回った」のは13%（PwC Japan）

「使っている」と「効いている」の距離は、英語圏と同じかそれ以上に大きい。

WIRED Japanは「AIをめぐる生産性のパラドックス問題 — 歴史から学べること」という記事を公開し、東洋経済オンラインはニューヨーク・タイムズの記事を翻訳して「投資が増えても効果が出ないAIの『生産性パラドックス』」として紹介している。日本語メディアもこの構造に気づき始めた。

この記事のまとめ

営業AIに限らず、AI全体で「ソローのパラドクス」が再来している。

1987年のソロー: コンピュータは至る所にあるが、生産性統計には現れない。 2026年のスローク: AIは至る所にあるが、マクロ経済データには現れない。

違いは、39年前はPCの普及率が低く「まだ足りない」で説明できた点。2026年は採用率88%でも効果が見えない。

調べた範囲で見えた構造はこうだ。

  • タスク単位では効いている（30%改善の事例）
  • しかし節約された時間はメールとチャットに吸い込まれ（ActivTrak: +104%〜+145%）
  • 検証税が節約分の37%を食い（Workday）
  • 全員が同じ武器を持ったので相対優位は消え（Jasper: 91%利用）
  • 結果としてマクロでゼロ（Goldman Sachs）

J字カーブ理論が正しければ、数年後に急上昇が来る。歴史がそう示している。

だが営業の現場にいる人にとって、「2035年に効果が出る」は実用的な助言にはならない。今できることは、この研究プロジェクトの既存記事が繰り返し示してきた結論と同じだ。

AIを「量を増やす」道具としてではなく、「判断を支える」道具として使う。

12%のCEO、6%の高業績企業、28%の業績改善を実感した営業組織 — これらの少数派に共通するのは、AIを広範に埋め込みながらも、人間の判断を中心に据えている点だ。

注意点: この記事で扱えなかったこと、関連する記事

この記事は概論として「ソローのパラドクス」の構造を扱った。個別の業務や場面については、以下の記事で深掘りしている。

─────────────────────────────── 📋 調査カード ─────────────────────────────── 調査日：2026-04-02 調査ソース： 学術論文（NBER等） 5件 / 調査レポート（PwC, McKinsey, Jasper, Salesforce等） 12件 / メディア記事（Fortune, WIRED Japan, 東洋経済等） 15件超 / アナリスト分析（Goldman Sachs, Gartner等） 6件 / 日本語メディア・調査 10件超 ソースの言語：英語 70件超 / 日本語 30件超 地域・前提：米国中心。PwC CEO調査は95カ国、McKinseyはグローバル。日本はPwC Japan・HubSpot Japan・東京商工リサーチでカバー 情報の鮮度：2025年6月〜2026年4月の公開情報が中心。ソローの原典は1987年

ソース偏りチェック： ✓ 英語・日本語 各10件以上 ✓ 成功と失敗の両面データあり（J字カーブ反論、12%成功企業、Harvard/BCG実験を含む） ✓ 学術論文を核に据え、ベンダーレポートは補助的に使用 △ コミュニティ体験談は間接的（ActivTrak/Workdayの大規模データで代替） ✓ 日本固有データ3件以上（PwC Japan、HubSpot Japan、東京商工リサーチ、WIRED Japan等）

反対意見・異論： ブリンジョルフソンの「J字カーブ」理論は歴史的根拠がある。2025年の米国生産性2.7%上昇は転換点かもしれない。タスクレベルでは確実に効いており（30%改善）、「計測の問題」説は無視できない。PwCの12%/McKinseyの6%は「やり方次第で効く」ことを示している。問題はAI自体ではなく導入方法にある可能性がある

調べきれなかったこと： ・業種別のパラドクス度合い（製造業 vs サービス業 vs テクノロジー業界で差があるか） ・AI投資の「無形資産」としての計上実態（ブリンジョルフソンの理論の会計的検証） ・ActivTrakの「時間増加」データが営業職に限定した場合にどうなるか ・日本の営業現場でのAI効果計測の具体的方法論

私の仮説（暫定）： ソローのパラドクスは「解決された」のではなく「解消に15-20年かかった」。AIでも同じタイムラインが必要かもしれない。ただし営業領域では、AI vs AI の相殺構造（全員が同じ武器を持つ）がIT時代にはなかった新しい要因であり、J字カーブだけでは説明しきれない可能性がある。当面は「12%/6%の少数派はなぜ成功しているのか」を掘り下げることが、読者にとって最も実用的な方向だと考えている ───────────────────────────────

※ この記事は個人の自由研究です。投資助言や特定ツールの推薦ではありません。掲載情報は調査日時点のものであり、AI分野は変化が極めて速いため、最新状況と異なる可能性があります。

※ この記事の調査・構成にはAI（Claude）を使用しています。