生成AIを導入した現場では作業が速くなっている。それなのに、仕事が減ったとは感じられない。なぜか。ホワイトカラー業務の本質から読み解き、DeNA・メルカリ・SBI・Shopify・Amazonの事例を交えて考える。
生成AIを導入した現場から、こんな話をよく聞く。資料作成の時間が半分になった。議事録が自動で仕上がる。調査レポートが一瞬で出てくる。それなのに、「仕事が楽になった」という感覚がない。むしろ資料の枚数は増え、会議の前準備は厚くなり、比較表や想定問答や追加分析が積み上がっている。
AIで作業は速くなっているのに、なぜ企業全体の生産性は簡単には上がらないのか。この問いに向き合うには、ホワイトカラー業務の本質から見直す必要がある。
ブルーカラー業務には、物理的な完了条件がある。荷物を運ぶ、部品を作る、部屋を掃除する、料理を提供する。どこまでやるかの上限は比較的見えやすく、作業が終われば仕事が終わる。
ホワイトカラー業務はそうではない。資料作成、調査、企画、会議、分析、レビュー、リスク洗い出し、社内調整——これらにはすべて、「もっとできる」という余地が残り続ける。もっと調べられる。もっときれいにできる。もっと比較できる。もっと関係者に確認できる。もっとリスクを洗える。ホワイトカラー業務には自然な「終わり」がない。
仕事が終わるのは、完成したからではなく、誰かが「これで十分」と判断したからだ。言い換えれば、ホワイトカラー業務は「完成」ではなく「納得」で終わる。そして「納得」は、組織文化、上司のスタイル、責任回避の不安によって、いくらでも遠ざかる。
生成AIは資料作成、要約、調査、比較、メール文案などのコストを劇的に下げる。これ自体は良いことだが、同時に「念のため」のコストも下げてしまう。これがAI導入の意図せぬ副作用だ。
昔は「念のため競合10社を比較しておいて」と言われたら、半日かかる作業だった。今はAIに頼めば30分で出てくる。「念のため想定問答も作って」「念のためリスク一覧も出して」「念のため法務観点も整理して」「念のため別案を3つ作って」——AIはこれらすべてのコストを下げる。すると、作るのが簡単になったから、作る量が増える。
AIは仕事を減らすどころか、「念のため業務」のコストを下げてしまう——これが多くの現場で起きている逆説だ。資料を作る速度は上がるが、読む人、確認する人、判断する人の負荷は増える。AI導入前にボトルネックは「作成」にあった。AI導入後、ボトルネックは「判断」に移る。意思決定の速度が上がらなければ、作業効率が上がっても組織全体の生産性は上がらない。
「AIで仕事が速くなれば、残った時間で新しいことができる」という期待は合理的だが、現実には機能しにくい。理由は人間と組織のインセンティブにある。
新規事業、プロダクト企画、仮説検証などの創造的な仕事は、失敗がはっきり見える。一方、資料を増やす、分析を深くする、会議を丁寧にするという作業は安全で、評価も見えやすい。会議が多い、資料が多い、レポートが多いと、大きな仕事をしているように見える。逆に「この会議をやめました」「このレポートを廃止しました」は、強い意思決定が必要だ。マネージャーには、チームが忙しく見えるほど存在意義が明確になるため、業務を減らすより増やすインセンティブが働きやすい。
「AIで効率化して人が浮きました」と現場から自然に報告されることは少ない。人は空いた時間に別の仕事を取りに行く。これは怠けているからではなく、組織内で合理的に動くとそうなる結果だ。放っておけば、空いた時間は創造性ではなく既存業務の膨張に吸収される。
この構造を示す事例として、DeNAが際立っている。2025年2月、会長の南場智子氏は「AIにオールイン」を宣言した。約3000人で行っている現業をAIで効率化し、半分の人員で現業を維持・発展させ、残りを新規事業に回すという構想だ。
宣言から1年後の2026年3月、南場氏は進捗を率直に語った。AIによる業務効率化は一定の成果を上げた。しかし人材の新規事業へのシフトは、想定より進まなかったという。理由として挙げられたのが、AIで業務が楽になると、社員が空いた時間に別の仕事を詰め込んでしまうことだ。対策として「先に人を動かす」こと、そして人材輩出をマネージャーの評価に組み込む重要性を語った。AIで効率化しても、組織設計を変えなければ人は動かない——この現実をトップが認めた事例として重みがある。
メルカリは異なるアプローチを取っている。100名規模のAI Task Forceを立ち上げ、法務・ファイナンス・HRなどの領域でワークフローの棚卸しと再設計を進める。AIを「個人の便利ツール」で終わらせず、業務プロセスそのものを見直す姿勢が特徴だ。エンジニア一人当たりのアウトプットは64%増加したと報告されており、「AIを使う」ではなく「AI前提で仕事を作り直す」という方向性が見える。
SBIホールディングスの北尾吉孝氏は2026年3月、融資や資産運用などをAIエージェント化する構想とともに、「よほど優秀でなければ採るな」という趣旨の発言をしたと報じられた。AIを入れても採用を続ければ人件費は下がらない。本気でコスト構造を変えるには、増員や補充の前提を問い直す必要があるという論点を、経営判断として示した形だ。
海外でも同様の動きが広がっている。Shopifyは2025年、CEOのTobi Lütkeが社内メモを公開した。追加の人員やリソースを求める前に、AIでできない理由を示すべきだ、という内容だ。採用申請の前にAI代替可能性の確認を義務づけるこの方針は、AI活用を個人の努力ではなく、経営判断の前提に組み込む試みとして象徴的だ。
Duolingoは2025年4月に「AI-first」方針を発表し、AIで対応できる業務について契約社員・外注を段階的に削減すると表明した。コンテンツ制作や翻訳などが対象で、正社員のレイオフは否定している。AIで12年かかる仕事を12ヶ月で完了したとも発表しており、まず外注・契約から置き換えが進むパターンを示している。
IBMは2023年から約7800人分のバックオフィス職をAIで代替する見通しを発表し、2025年には人事・給与・管理業務を中心に約3900人の削減を実施した。非顧客対応のホワイトカラー業務が先に対象になるという見方が、ここでも裏付けられている。Amazonは2025年にCEO Andy JassyがAIエージェントによってコーポレート部門の人員が縮小されると従業員向けに発信し、同年秋以降に約14000のコーポレート職を削減した。Jassyは「必要な仕事の種類が変わる」と述べており、ホワイトカラー業務の再定義が進む局面を示している。
PCが普及した1980〜90年代、コンピューターへの投資は急増したにもかかわらず、マクロの生産性統計には長らく反映されなかった。「コンピューターはあらゆるところに見えるが、生産性統計には現れない」とされた、いわゆる生産性パラドックスだ。
その後、IT投資が生産性に結びついたのは、ツールを導入しただけの段階ではなかった。業務プロセスを見直し、組織を再設計し、サプライチェーンや在庫管理、販売チャネルを作り直した企業と産業において、生産性が上がった。技術導入だけでなく、組織改革・業務再設計・資本の移動がセットになって初めて効果が出た。
AIも同じ構図を辿る可能性が高い。AIを入れただけでは、資料と会議と確認作業が増える。生産性向上は、現場の努力ではなく、経営による再配置で初めて実現する。
AIで本当に生産性を上げている企業の共通点を見ると、単に「AIを使え」と言うだけでなく、一連の経営判断をセットで行っている。採用計画の見直し、退職者の自動補充の停止、外注・契約社員のAI代替可能性の検証、既存業務の廃止、レポート頻度や資料枚数への上限設定、人材の成長領域への先行移動——そして、マネージャー評価に「仕事を終わらせる」「人材を輩出する」を組み込むことだ。
AI導入の本質は、作業の自動化ではなく、仕事の上限を決めることだ。ホワイトカラー業務には終わりがないから、外から境界を引く必要がある。現場の自発性だけに委ねると、空いた時間は自然に既存業務に吸収されていく。
AI時代に強い会社は、AIをたくさん使う会社ではない。AIを使って、何をやめるか、誰を採らないか、誰を動かすか、どこに資本を移すかを決められる会社だ。AIで仕事が速くなる会社は多いが、AIで仕事が減る会社は少ない。この非対称性を理解し、経営の意思決定に変換できるかどうかが、次の差になる。
ホワイトカラー業務は「完成」ではなく「納得」で終わるため、AIで作業時間が短縮されても、その時間は別の仕事に埋まりやすい。AIは「念のため業務」のコストを下げることで、かえって仕事の量を増やしてしまう側面がある。空いた時間が創造的な仕事に向かわない理由は、怠慢ではなく、組織のインセンティブ構造にある。DeNAの南場氏が認めたように、AIで効率化しても、人を先に動かさなければ人材はシフトしない。Shopify・Duolingo・IBM・Amazonの動きが示すのは、AI活用の効果を人件費削減に結びつけるには、採用方針の変更が不可欠だということだ。歴史的に見ても、技術導入だけでは生産性は上がらない。技術と組織改革と資本の移動が揃って初めて効果が出る。AI時代の経営課題は、AIを導入することではなく、仕事の上限を決め、資本と人材を動かすことにある。