AIによる生産性向上：投資家が注目すべき点

人工知能は、企業が既存の資源を活用して、より多くのものを生み出すのに役立つ。その生産性向上が賃金の上昇、利益の拡大、価格の低下のどれにつながるかは、技術そのものを超えた幅広い要因に左右される。

経済学者Swapnanil SenGupta氏による世界規模の研究が、ばらつきのあるこの関係を分析している。同研究は『Technological Forecasting and Social Change』に掲載された。¹ 2004年から2023年までの83カ国における上場企業69,783社を対象にした分析では、AIへの関心の高まりと生産性の向上に関連が見られた。一方、賃金への影響は先進国と発展途上国で異なる。

投資家にとって、この研究結果は技術の進歩がどのように企業価値へとつながるのかを考えるうえで、有益な論点を提示している。生産性の向上は機会を生み出す。最終的に誰が恩恵を受けるかは、競争、導入コスト、従業員の能力、顧客需要によって左右される。

AIと賃金について、この研究が測定しているもの

この論文では、学問分野としての人工知能に関するGoogle Trendsの検索データを使って、AIへの関心を測定している。これにより、各国の情報環境においてAIがどの程度注目されているかを捉える。ただし、個々の企業がAIシステムを導入したかどうかや、従業員がどの程度頻繁に利用しているかを明らかにするものではない。

この違いは重要だ。技術への期待が変化すれば、経営者は採用や研修、投資を見直す可能性がある。労働者も、どのスキルを身につけるべきかを再検討するかもしれない。こうした反応は技術の導入と並行して起こり得るため、それぞれが及ぼす影響を切り分けるのは難しい。

賃金の指標にも注意が必要だ。この指標は、従業員1人当たりの賃金・給与に対する企業の平均支出を表す。その変化には、報酬だけでなく従業員構成も反映される。たとえば、若手の採用が増えると、既存の従業員の賃金が引き下げられなくても、平均支出が減少する可能性がある。

したがって、この分析が示すのは、AIへの関心と企業業績の間にある関係である。検索への関心の高まりが、それ自体で労働者の賃金を変化させることを証明するものではない。

AIによる生産性向上と賃金への影響は、経済圏によって異なる

先進国の上場企業では、AIへの関心が高いほど、平均賃金が低く、労働生産性と全要素生産性が高い傾向が見られた。労働生産性は、労働投入量に対する産出量を示す。全要素生産性は、労働や資本といった測定可能な投入量の変化を超えた効率性を捉えようとする指標だ。

新興市場・発展途上国の上場企業では、賃金の動きが異なる。生産性にはプラスの反応が見られる一方、賃金の上昇は初期にとどまり、時間の経過とともに薄れる。

一つの解釈として、先進国の企業は自動化やコスト管理への期待に、より強くさらされている可能性がある。発展途上国の上場企業では、当初、追加のスキルや研修、組織としての対応力が必要になるのかもしれない。論文ではこうした説明を取り上げているが、実証済みのメカニズムとして特定しているわけではない。

また、発展途上国のサンプルには偏りがある。上場企業は、非公式経済の事業者や非上場の小規模企業とは大きく異なる。その結果を、国全体の労働者の実情を示すものとして扱うべきではない。

生産性の向上が利益の増加を保証しない理由

投資への示唆を考える際には、経済価値を生み出すことと、その価値を自社にとどめることを区別する必要がある。

AIを使って顧客の注文処理にかかる時間を短縮する企業を仮定してみよう。処理が速くなれば、対応能力に余裕が生まれる。ただし、その余力を生産的に活用し、ソフトウェア、システム統合、監督、研修にかかるコストを上回る便益を得られた場合にのみ、利益は増加する。

競争によって、こうした恩恵が分配されることもある。競合企業も同様のツールを導入すれば、顧客が値下げを求めるかもしれない。業界全体の効率は上がっても、個々の企業には追加利益がほとんど残らない可能性がある。一方、希少な技術人材や強い交渉力を持つソフトウェア供給企業が、賃金や利用料の上昇を通じて恩恵の一部を取り込むこともあり得る。

これらは経済的に起こり得ることであり、この研究によって実証された結果ではない。だからこそ投資家は、AIによる生産性向上の発表を業績予想に織り込む前に、その企業がどのように競争しているかを検討すべきだ。

差別化された製品、顧客からの信頼関係、または模倣が難しい業務プロセスを持つ企業は、価値を自社に取り込める余地が大きい可能性があります。それでも、株価にはすでに高い期待が織り込まれているかもしれません。

AIによる時間の節約を財務上の成果につなげる

もう一つの課題は、節約した時間を測定可能な事業成果に結びつけることです。

ツールによって従業員が毎日1時間を節約できても、人件費総額は変わらない場合があります。それでも、顧客の問題をより多く解決したり、製品を改善したり、需要の拡大に対応したりできれば、価値はあります。財務上の効果は、その後に何が起きるかによって決まります。

企業幹部を対象とした2026年の調査は、関連する背景を示しています。約750人の幹部を対象とした調査では、認識されている生産性の向上が実測された改善を上回っており、その背景には、収益に効果が表れるまでの時間差がある可能性があると報告されています。また、企業ごとに従業員数の見通しは異なるものの、短期的に雇用が全体として減少することを示す証拠はほとんどないともしています。

これは、投資家が業務上の改善と事業全体の改善を区別すべきことを示唆しています。文書作成や分析の迅速化は、中間的な成果です。顧客維持率の向上、売上の増加、あるいは導入後のコスト削減のほうが、経済的価値を示す強い根拠になります。

Securities.ioが最近取り上げたAIと採用効率は、需要に合わせて人員体制を整えるという関連する機会を掘り下げています。効率の向上には、顧客が必要とする分野で対応力を高めることだけでなく、不要な支出を抑えることも含まれます。

人材への投資がAIの持続的なリターンを支える

SenGuptaの論文で示された賃金の乖離は、持続性についても疑問を投げかけます。平均人件費の低下は短期的な業績を改善する可能性がありますが、それだけで企業がより強固な事業モデルを築いたとは言えません。

従業員は、例外的な状況や顧客の好み、業務上の制約など、ソフトウェアに取り込むのが難しい事柄を理解していることが少なくありません。自動化が有効な領域と、人間の判断が引き続き必要な場面を見極めるうえで、企業にはそうした知見が必要です。

研修を行えば、従業員は増えた対応余力を効果的に活用できます。責任の所在を明確にし、確実なエスカレーション手順を整えることで、業務の迅速化が高くつくミスにつながるのを防げます。こうした点は、Securities.ioが取り上げた従業員の信頼と自動化によるリターンにも関わります。

投資家が確認すべき点には、次のようなものがあります。

• 報告されているコスト削減額は、導入費用と運用費用を差し引いた後に測定されていますか？
• 従業員1人当たりの生産量が増えても、サービス品質は維持されていますか？
• 経営陣は、節約した時間が収益やキャッシュフローにどう貢献するのか説明できますか？

一貫した業務指標に裏付けられた回答は、変革をめぐる漠然とした約束よりも有益です。

Accentureは企業向けAI導入への投資機会を提供

テクノロジーを実務に即した業務プロセスに結びつける必要性は、企業のAI導入を支援する会社に機会をもたらします。Accentureは、テクノロジー統合、データ、組織変革、事業運営にまたがる取り組みを通じて、その一例となっています。

同社の役割は、論文で論じられている相互補完的な投資と直接結びついています。AIが確かな効果をもたらす前に、企業はデータの整備、業務フローの再設計、従業員の研修、システムの統合を進める必要があるかもしれません。こうした要件は、基盤となるモデル以外にも需要を生み出します。

Accentureの2026会計年度の業績では、売上高が742億ドル、新規受注額が845億ドルと報告されました。これらは全社の数値であり、AI関連の売上高を示すものでも、顧客企業への導入がプラスのリターンを生み出した証拠でもありません。

投資判断には相反する要素もあります。AIは導入支援サービスの需要を高める一方、既存業務の一部に必要な労働力を減らす可能性があります。投資家は、組織再編や投資にかかるコストを踏まえたうえで、新規案件、価格設定モデル、業務遂行の効率化が利益ある成長を支えているかを検討すべきです。

SenGuptaの研究は、Accentureを個別に評価したものではありません。同社は企業の導入支援に携わる企業として関連性がありますが、投資対象としての魅力は、実行力、競争環境、バリュエーションによって決まります。

Accenture（ACN）の最新ニュースと動向

見出しの先にあるAIの効果を評価する

この論文が対象とする過去の期間は2023年までであり、現在の生成AIシステムについて結論を導くには限界があります。また、用いられた統計手法によって効果の大きさにかなりの差が生じており、著者は、操作変数法による例外的に大きな推定値を重視しすぎないよう注意を促しています。

それでも、中心的な問いは今なお有益です。生産性の向上は、報酬や組織の調整とどのように関わるのでしょうか？

投資家にとって次に必要なのは、個々の企業に即した証拠です。追加された生産能力を、顧客に評価される製品や信頼性の高いサービスに結び付ける企業は、持続的なリターンを得る道筋がより明確です。AIによって企業が実現できることは広がりますが、その機会が株主、従業員、顧客にどれだけ還元されるかは、経営判断と市場環境によって決まります。

参考文献：

¹ SenGupta, S.（2027）「AIへの注目が賃金と生産性に及ぼす企業レベルの影響：国際比較研究」Technological Forecasting and Social Change, 235, 124913. https://doi.org/10.1016/j.techfore.2026.124913