インサイト
AI生産性のパフォーマンス・パラドックス
もし、あなたのチームで最も価値のある人物が、最も生産性が低そうに見える人だとしたらどうだろう？
『Organization Science』に掲載されたフィールド実験では、GPT-4を使用する750人のナレッジワーカーを追跡調査した。AIを活用した労働者は、モデルの能力内のタスクでは25%高速に動作し、より高品質なアウトプットを生産した。しかし、その能力のわずかに外側にあるタスク――AIが自信満々に間違っているような場面――では、AIに依存した労働者が正しい答えにたどり着く確率は、AIなしで作業した労働者よりも19%低かった。ここからが厄介な点だ。AIのアウトプットを検証するために立ち止まり、疑問を持ち、エラーを見抜いた人々は、あらゆる従来の指標において生産性が低そうに見えたのだ。1時間あたりのアウトプットは少なく、成果物も少なく、ターンアラウンドタイムも遅い。だが、最も価値を付加していたのはまさに彼らだったのだ。
パフォーマンス・パラドックス
ハーバード・ビジネス・レビューはこれを「パフォーマンス・パラドックス」と呼んだ。企業は依然としてAI以前の指標――生産性、目標達成度、1時間あたりのタスク量――で従業員を評価しており、そうした指標は今や間違った行動を報酬として与えてしまっている。慎重な判断よりも、無批判なスピードを評価しているのだ。これが大規模な組織で何を意味するか考えてみてほしい。ギャラップ社の2026年版『State of the Global Workplace』レポート（160カ国、26万3,000人が回答）によれば、仕事にエンゲージしている従業員はわずか20%だった。80%はエンゲージしていないか、あるいは積極的に非エンゲージ状態にある。私たちはこれをモチベーションの問題として捉えがちだが、私はむしろ測定の問題ではないかと思う。
組織がアウトプットを測定するとき
組織がアウトプットを測定すれば、アウトプットが得られる。時間を測定すれば、時間が得られる。コンプライアンスを測定すれば、コンプライアンスが得られる。しかし、得られないものがある。それは「思考」だ。システムの欠陥に気づきながらも、問題を指摘すると自分の数値が下がるため何も言わないエンジニアは生まれない。部門間の戦略的つながりを見出しながらも、それを共有する場を持たないアナリストは生まれない。プロセスを再設計できるはずなのに、古いプロセスで測定されることに忙殺されているマネージャーは生まれない。どの組織も、活用されていない知的資本であふれている。人々がアイデアを持っていないからではなく、システムのどこもそれを求めていないからだ。私が何度も立ち返る転換点がこれだ。2世紀にわたり、企業は実行を中心にオペレーティングシステムを構築してきた。パフォーマンスが価値の尺度だった。そしてそれは、実行が希少だった時代には機能したのだ。
ボトルネックは「貢献」である
しかし、AIは実行を豊富にしている。マッキンゼーのグローバル・マネージング・パートナーは、AIによって同社の検索・統合にかかる時間が1年間で150万時間削減されたと報告した。2万5,000体のAIエージェントが、半年間で250万個のチャートを作成した。実行能力はもはやボトルネックではない。ボトルネックなのは「貢献」――どのモデルも複製できない、思考、疑問、つながり、そして判断力である。それにもかかわらず、私たちの測定システムはいまだに逆の方向を向いている。次の十年間で最も重要な組織的イノベーションは、新しいテクノロジーでも新しい戦略でもないのではないかと私は思う。それは「新しい測定単位」かもしれない。アウトプットでもない。生産性でもない。パフォーマンスですらない。「この人物は組織をより深く考えさせただろうか？」という問いに近い何かだ。私たちにはまだその指標がない。だが、それを真っ先に突き止めた組織は、並外れた優位性を手に入れることになる。なぜなら、従業員の80%が貢献したいと待ち望んでいたものを、ついに知る企業になるからだ。