AI導入後のJカーブとは？｜落ち込む期間を計画に積む

「AIを入れたのに、最初の1か月は前より仕事が遅くなった。やり方が間違っているのではないか」「3か月で効果を報告するよう言われているが、今の数字では出せない」。AIの導入を任された担当者から、こうした声がよく聞かれます。焦る気持ちはもっともですが、導入の直後に数字が下がること自体は、珍しいことでも、失敗の証拠でもありません。新しい汎用の技術を入れた直後に生産性がいったん下がり、その後に上がる形は、経済学で「生産性のJカーブ」と呼ばれ、研究の積み重ねがあります。つまり、落ち込みは避けるべき事故ではありません。本当は、最初から計画に積んでおき、終わるかどうかを見張るべき期間です。この記事では、Jカーブの考え方と裏付けになる調査、ある部門の時間の流れ、落ち込みを計画と評価の時期に組み込む方法を整理します。

Jカーブとは何か　下がってから上がる形

Jカーブは、新しい技術や仕組みを取り入れた直後に成果がいったん下がり、しばらくしてから元の水準を超えて上がっていく動きを指す言葉です。横に時間、縦に成果をとって線を引くと、最初に少し沈み、その後に大きく伸びる形になり、それがアルファベットのJに似ていることから名付けられました。経済学では為替と貿易の収支の関係を説明する言葉としても使われますが、この記事で扱うのは生産性のJカーブと呼ばれるほうです。

生産性のJカーブの考え方の核は、新しい技術はそれだけでは成果を生まず、周りの仕組みを作り直す投資が要る、という点にあります。業務の手順の組み直し、働く人の学習、データの整備、新しい使い方の工夫です。こうした投資は目に見える成果物を生まないので、その期間は、時間と手間を使っているのに、出てくる成果が増えない状態になります。これが落ち込みの正体です。

大切なのは、落ち込みがその技術の失敗を意味しないことです。むしろ、周りの仕組みの作り直しに手を付けた証拠でもあります。逆に、導入しても何も落ち込まない場合は、道具を配っただけで業務は何も変わっていない、ということもあり得ます。落ち込みをどう読むかは、その中身次第です。この記事の後半で、中身の分け方と見張り方を扱います。

提唱した研究　見えない投資が数字に出ない

生産性のJカーブを理論として示したのは、米国の経済学者エリック・ブリニョルフソン、ダニエル・ロック、チャド・サイバーソンの3人です。2018年10月に全米経済研究所の研究論文として公表され、2021年1月に米国経済学会のマクロ経済学の学術誌に掲載されました。論文は、人工知能のような汎用技術は、業務の組み直しや新しい事業の形、人への投資といった補完的な投資を必要とし、その多くは形のない投資で、国の統計では十分に測られていないと指摘しています。

論文の主張は、測り方の問題として組み立てられています。導入の初期には、形のない投資に資源が使われているのに、それが成果として数えられないため、生産性が実際より低く見えます。のちにその投資が実を結ぶと、今度は生産性が実際より高く見えます。論文は、研究開発やソフトウェア、コンピューターへの投資を調整すると、2004年から2017年の全要素生産性（技術や工夫による生産性の伸びを表す指標）が、公式の値よりおよそ11〜16％高くなるという試算を示しています。

この研究は国全体の統計についての話ですが、同じ理屈は一つの会社、一つの部門にも当てはまります。AIを入れた部門で、担当者が指示文の型を作り、手順書を直し、データの置き場所を整えている時間は、その月の成果物の数には表れません。落ち込みの時期にやっていることの多くは、後で効いてくる投資であり、月次の成果には映らないと理解しておくことが出発点になります。

企業の単位でも確かめられた落ち込み

理論だけでなく、会社や事業所の単位でJカーブの形を確かめた研究もあります。ブリニョルフソンらは2025年4月、米国勢調査局と共同で集めた2017年と2021年の大規模なデータをもとに、米国の製造業での産業用のAIの導入と生産性の関係を分析した論文を公表しました。結果は、短期の成果の低下が長期の伸びに先立つ、Jカーブの形をした効果を示すものでした。

論文によれば、産業用のAIを使い始めた事業所では、仕掛かり中の在庫や産業用ロボットへの投資が増え、人員の削減も起き、短期では生産性と利益が下がりました。この落ち込みは一様ではなく、歴史の長い事業所に集中し、成長を目指す経営方針をとる会社や、社内の他の拠点から知見が伝わる会社では和らいでいました。2017年より前に導入した早い会社は、存続した場合には、その後により強く成長していたとされます。

注目したいのは、歴史の長い事業所では、落ち込みのおよそ3分の1が、それまでの体系立った生産管理のやり方を手放したことで説明される、という分析です。新しい技術に気を取られて、それまでうまく回っていた管理の型を崩すと、落ち込みが深くなるということです。なお、この研究が対象にしたのは製造の工程に使う産業用のAIで、文章を作る生成AIではありません。生成AIの部門にそのまま数字を当てはめず、形と理屈だけを借りるのが適切な読み方です。

生成AIでも「遅くなった」実験がある

生成AIについても、使い始めに遅くなることを示す実験があります。AIの能力の評価を行う米国の非営利の研究機関が2025年7月に公表した実験では、長年関わってきた大規模な公開型のソフトウェア開発に取り組む、経験豊富な開発者16人が、実際の課題246件に取り組みました。課題ごとにAIの使用を認めるか認めないかを無作為に割り当てて比べたところ、AIを使えた課題のほうが、完了までに19％長くかかりました。

興味深いのは、本人たちの感覚との食い違いです。開発者たちは始める前、AIで24％速くなると予想し、終えた後でも20％速くなったと感じていました。研究機関は遅くなった要因として、指示を出し直す時間、AIの応答を待つ時間、AIが出したものを確かめて直す時間、提案を採用する割合の低さ、そして開発者がその課題の中身を熟知していたこと、などを挙げています。体感では速くなったと感じていても、測ると遅くなっていることがあるというのが、この実験の重い示唆です。

ただし研究機関自身が、この結果は多くの開発者や他の仕事でAIが役に立たないことを示すものではない、と断っています。対象は、自分がよく知る大規模な開発に取り組む熟練者という特殊な条件です。また参加者は、生成AIそのものの利用経験は豊富だった一方、実験で使ったAI付きの編集用ソフトの利用は数十時間程度で、使い込むと結果が変わるかは分からないとしています。使い込む前の時期に測れば、遅く出ることがあるという点こそ、Jカーブを計画に積むべき理由です。

落ち込みの中身は4つ　確認・手直し・指示文の整備・二重運用

部門でAIを入れた直後に時間を取られるのは、主に4つの作業です。1つ目はAIの出力を確かめる時間、2つ目は出力を直す時間、3つ目は指示文や手順の型を整える時間、4つ目は新しいやり方と古いやり方を並行して回す二重運用の時間です。先の実験で挙げられた要因とも重なります。

この4つは、落ち込みの間ずっと同じ割合で続くわけではありません。指示文の整備と二重運用は、うまくいけば時間とともに減っていく投資の性格が強い作業です。型ができれば作り直す必要はなく、古いやり方を止めれば二重の手間は消えます。一方で、確認と手直しは、仕事の性質によっては減りきらず、ずっと残ることがあります。

落ち込みの中身を4つに分けて記録しておくと、後で「落ち込みが終わりつつあるのか」を判断できます。全体の時間だけを見ていると、減るべき作業が減っているのか、減らない作業が増えているのかが区別できません。AIで増えた仕事の型と、その戻し方は別の記事で詳しく扱っているので、ここでは時間の流れの中でこの4つがどう動くかに絞ります。

シナリオ　導入から1か月目に起きること

ここからは、ある法人向けの会社のマーケティング部門が、記事や資料の下書きに生成AIを入れた場合を例に、時間の流れを追います。架空の例で、期間や動きは説明のための目安です。最初の週は、使い方の説明会と利用の準備で終わります。2週目から実際の仕事に使い始めると、下書きはすぐに出てくるものの、事実の確認や自社の言い回しへの直しに、思った以上の時間がかかります。担当者によっては、自分で書いたほうが早かったと感じます。

この時期にもう一つ時間を取るのが、指示文の試行錯誤です。同じ依頼でも、書き方によって出てくる下書きの質が大きく変わるので、担当者それぞれが工夫を始めます。工夫が個人の中にとどまっていると、同じ試行錯誤を全員が別々に繰り返すことになり、部門全体での落ち込みが深くなります。

さらに、上司への報告や外部への納品では、念のため従来のやり方で作った資料も並べて用意する、という二重運用が始まりがちです。新しいやり方に切り替える判断を先延ばしにするほど、この二重の手間は続きます。1か月目の終わりには、部門の成果物の数が導入前より減っていることがあり、ここで「効果が出ていない」という声が上がり始めます。この声が出る時期を計画書にあらかじめ書いておけば、想定の範囲として受け止められます。

シナリオ　2〜3か月目に下がり方が分かれる

2か月目に入ると、部門の中で差が出始めます。指示文の型を共有する場を作った部門では、よく効く型がまとまり、担当者が一から工夫する時間が減ります。手直しの中身を記録していれば、よく出る誤りに合わせて指示文を直せるので、手直しの量も少しずつ減っていきます。

反対に、何も手を打たなかった部門では、落ち込みがそのまま続きます。確認と手直しの手間が変わらず、二重運用も止まりません。ここで先の製造業の研究を思い出したいところです。それまでうまく回っていた管理の型、たとえば原稿の確認の段取りや納期の管理を崩したままだと、落ち込みは深くなります。AIを入れたことで、確認の担当や順番があいまいになっていないかを、この時期に見直します。

3か月目の終わりは、最初の評価を置くのに向いた時期の一つです。この時点で見るべきは、成果物の数が導入前を超えたかどうかではありません。落ち込みの中身のうち、減るはずの作業が減り始めているかどうかです。指示文の整備の時間と二重運用の件数が下がっていれば、Jカーブの底を過ぎつつあると読めます。

シナリオ　半年後に上がる部門と戻らない部門

半年がたつと、上がる部門と戻らない部門の違いがはっきりします。上がる部門では、AIを使う工程と使わない工程が決まり、確認の範囲も絞られています。たとえば、構成案と下書きはAIに任せ、事実と数字の確認、自社の事例の書き足しは人がやる、という分担が手順書に書かれています。成果物の数が導入前を超え、担当者の手が空いた分を別の仕事に回せています。

戻らない部門では、確認と手直しの手間が減らず、担当者の一部だけがAIを使い、残りは元のやり方に戻っています。使い続けている人と使わなくなった人に分かれるのは、落ち込みが終わっていない強い兆しです。この段階で「もう少し様子を見る」と判断を先送りすると、費用だけがかかり続けます。

違いを生むのは、道具の性能よりも、落ち込みの間に何をしたかです。型の共有、手直しの記録、古いやり方を止める判断、確認の段取りの維持。Jカーブの上がる側は、待っていれば来るものではなく、落ち込みの間の投資で作るものだと言えます。だからこそ、落ち込みの期間を計画の中に積み、その間にやることを決めておく必要があります。

評価の時期と落ち込みの目安を最初に決める

落ち込みを計画に積む第一歩は、評価の時期を導入の前に決めておくことです。導入してから時期を決めようとすると、数字が悪い月には先延ばしになり、良い月には早めに成果を報告したくなります。最初の評価、中間の評価、続けるかを決める評価の3つの時期を、導入の計画書に日付で書いておくと、途中の数字に振り回されずに済みます。

落ち込み期間の目安は、どこかの研究の数字を借りずに、自社で置きます。先に見た研究は、製造業の産業用のAIや熟練の開発者という特定の条件のもので、事務やマーケティングの部門でどれだけ続くかを示すものではありません。置き方としては、少人数で試した期間の実績から、型が固まるまでにかかった期間を見て、全体に広げたときの落ち込みの長さを見積もる方法が現実的です。

試す期間がとれない場合は、落ち込みの期間を「何か月」と決めるより、「この作業がこの水準まで減ったら底を過ぎたと見なす」という条件で決めるほうが扱いやすくなります。たとえば、二重運用の件数がなくなったら、手直しにかかる時間が一件あたりで導入直後の半分になったら、といった形です。期間ではなく中身の条件で底を決めておけば、延長の判断にも根拠が残ります。効果の見極めに要る期間の一般的な物差しは別の記事で扱っているので、ここではAIの導入に固有の、落ち込みの中身で決める方法に絞っています。

落ち込みの間に見る「先行する数字」

落ち込みの間は、成果物の数や売上のような結果の数字はまだ動きません。そこで、結果より先に動く数字を決めて見張ります。先行する数字は、落ち込みの中身に対応させて選ぶのがこつです。

落ち込みの中身	見る数字	底を過ぎた兆し
確認	一件あたりの確認にかかる時間	確認する項目が絞られ、時間が下がり始める
手直し	手直しが要った件数の割合と、直した理由の内訳	同じ理由の手直しが減る
指示文の整備	共有された型の数と、型を使った依頼の割合	新しい型を作る時間が減り、既存の型の利用が増える
二重運用	従来のやり方でも作った成果物の件数	件数が減り、なくなる
利用の広がり	実際に使っている人の数と、使わなくなった人の数	使わなくなる人が増えない

これらの数字の多くは、AIの利用記録と、担当者が付ける簡単な記録から取れます。毎回細かく記録させると、それ自体が新しい負担になるので、手直しの理由は選択肢から選ぶだけにする、記録は週に一度まとめて付ける、といった軽い形にします。

先行する数字を決めるという考え方そのものは、マーケティングの指標の設計と共通しています。違うのは、ここで見る数字の多くが、最終的には減っていくことを期待する数字だという点です。確認の時間、手直しの割合、二重運用の件数は、下がるほど良い数字です。上がる数字ではなく、下がるはずの数字を見張ると考えると、落ち込みの間の報告が組み立てやすくなります。

経営への報告の書き方

落ち込みの期間中の報告で避けたいのは、成果の数字だけを出すことです。導入の1か月目に成果物の数が減ったとだけ報告すれば、受け取った側は失敗と判断します。計画の段階で、落ち込みが起きる見込みであることと、その期間の目安、見張る数字を経営に説明しておき、報告ではその計画と実際を並べます。

報告の中身は、4つに分けると伝わりやすくなります。1つ目は計画のどの段階にいるか、2つ目は先行する数字の動き、3つ目は落ち込みの中身のうち減った作業と減っていない作業、4つ目は次の評価までにやることです。減っていない作業は隠さず、なぜ減らないかの見立てと対策を書くほうが、経営の信頼を得られます。

導入の効果を金額に直した試算は、稟議の段階で作っていることが多いはずです（試算の作り方は別の記事で扱っています）。落ち込みの期間中の報告では、試算の数字と月々の実績を直接比べないようにします。試算は落ち込みが終わった後の状態を見込んだものなので、途中の月と比べれば下回るのが当然です。比べるなら、計画に書いた先行する数字の見込みと比べます。

報告の頻度も分けておきます。先行する数字は月に一度、部門の中で確かめ、経営への報告は計画書に書いた評価の時期に合わせます。月ごとの細かな上下を毎回経営に上げると、落ち込みの途中の揺れに判断が引きずられます。経営に上げるのは評価の時期と、危険信号が重なったときの2つと決めておくと、報告を受ける側も、どの報告で判断を求められているのかが分かります。報告の書式は最初の月に決め、途中で欄を増やしたり減らしたりしないことも、前の月と比べやすくするための小さな工夫です。

落ち込みが終わらない危険信号

Jカーブの考え方を知ると、「今は落ち込みの時期だから」と言えば、どんな数字も説明できてしまう危うさがあります。先の製造業の研究でも、落ち込みの深さは会社によって大きく違い、上向くのは存続した会社について言えることでした。だから、落ち込みが終わらない兆しを、あらかじめ言葉にしておきます。

• 評価の時期を過ぎても、二重運用の件数が減っていない
• 手直しの理由が毎月同じで、指示文や手順を直しても減らない
• 使わなくなった人が増え、使う人が一部に固まっている
• 確認の担当や順番があいまいになり、誤りが外に出た
• 落ち込みの中身を誰も記録しておらず、減っているかどうかを判断できない

どれか一つに当てはまったらすぐに止める、という意味ではありません。二つ以上が重なり、次の評価の時期までに改善の見込みが立たないときに、打ち切りを含めた判断に進む、という使い方をします。最後の項目はとくに重く、記録がないと、落ち込みが続いているのか終わりかけているのかを誰も判断できません。

危険信号が出たときは、まず原因が仕事の選び方にあるのか、進め方にあるのかを分けます。そもそもAIに向かない仕事を選んでいたなら、仕事を変えるのが先です。進め方の問題なら、型の共有や確認の段取りを見直して、もう一度だけ評価の時期を決めます。

打ち切りの判断を先に決めておく

続けるか止めるかの判断は、評価の時期に、決めた手順で行います。手順を導入の前に決めておくことで、その場の雰囲気や担当者の思い入れで結論が変わるのを防げます。

延長を一度までと決めるのは、Jカーブを理由にした先送りを防ぐためです。「あと1か月様子を見る」を繰り返すと、落ち込みの期間がいつまでも終わらず、その間の費用と担当者の手間がかかり続けます。止めることは失敗ではなく、仕事の選び直しです。止めた部門で作った型や手直しの記録は、別の仕事でAIを試すときの材料になります。

判断は、導入を進めた担当者一人に任せないようにします。進めた人ほど、続ける理由を探しがちだからです。評価の場には、その部門の責任者と、導入を進めた担当者の両方が出て、計画書に書いた条件に照らして決めます。

AIの使いどころと、人が決めること

落ち込みを見張る作業でAIに任せられるのは、利用記録の集計と、手直しの中身の分類です。担当者が付けた手直しの記録を渡し、理由ごとに分けて件数を数えさせると、どの理由の手直しが減っていないかが早く分かります。

次の手直しの記録を、1件ずつ理由で分類してください。
分類：事実の誤り／自社の言い回しに合わない／指示の不足／構成の直し／その他
各行に、記録番号・分類・その分類にした根拠の一文を書いてください。
根拠が書けないものは「判断保留」とし、推測で分類しないでください。

この頼み方のように、分類には根拠となる一文を書かせ、根拠のないものは保留にさせます。AIの分類には誤りがあるので、集計の前に数件を抜き出して人が確かめます。そのうえで、次のような使い方は避けます。

• 続けるか止めるかをAIの分析に決めさせる：数字の裏にある仕事の事情が抜け落ちる
• 落ち込みの期間中に成果の数字だけで評価する：投資の途中を失敗と取り違える
• 「今は落ち込みの時期」を理由に評価を何度も延ばす：費用と手間だけがかかり続ける
• 他社や研究の落ち込み期間をそのまま目安にする：仕事も条件も違うので当てはまらない
• 導入と同時に確認の段取りを崩す：落ち込みが深くなり、誤りが外に出る

人が決めるのは、評価の時期、落ち込みの目安、見張る数字、そして続けるか止めるかです。AIに判断させない範囲を先に決め、人が確認する範囲を先に決めておくことで、落ち込みの期間を感覚ではなく記録で乗り切れます。

よくある質問

Jカーブの落ち込みは、どのくらいの期間続きますか？

一律の答えはありません。紹介した研究は、製造業の産業用のAIや熟練の開発者といった特定の条件のもので、事務やマーケティングの部門での期間を示すものではありません。少人数で試した期間の実績から見積もるか、落ち込みの中身が一定の水準まで減ったら底を過ぎたと見なす、という条件で決めるのが現実的です。

落ち込みを小さくする方法はありますか？

型の共有、手直しの記録、古いやり方を止める時期の決定、確認の段取りの維持が効きます。製造業の研究では、それまでの体系立った管理のやり方を手放したことが、落ち込みの一部を説明していました。AIを入れても、確認の担当や順番といった既存の管理の型は崩さないことが大切です。

小さな部門でもJカーブは起きますか？

規模にかかわらず、業務の組み直しや学習に時間を使えば、その間の成果は減りやすくなります。小さな部門では、一人の不在や一件の大きな手直しで数字が大きく動くので、割合より件数と中身で見るほうが判断を誤りません。

落ち込みが出ないのは、うまくいっている証拠ですか？

必ずしもそうとは言えません。道具を配っただけで業務の手順が何も変わっていなければ、落ち込みも伸びも起きないことがあります。落ち込みがないときは、実際に業務の中でどれだけ使われているかと、手順が変わったかを確かめます。

まとめ

生産性のJカーブは、新しい汎用技術を入れた直後に生産性がいったん下がり、その後に上がる形を指す経済学の考え方です。提唱した研究は、業務の組み直しや学習といった形のない投資が、その間の成果に映らないことを示しました。製造業の産業用のAIでも短期の落ち込みが確かめられ、生成AIでも熟練の開発者が使うと遅くなった実験があります。部門での落ち込みの中身は、確認・手直し・指示文の整備・二重運用の4つで、このうち指示文の整備と二重運用は減っていくはずの投資です。評価の時期と落ち込みの目安を導入の前に決め、減るはずの先行する数字を見張り、危険信号が重なったら決めた手順で続けるか止めるかを判断します。AIに任せるのは利用記録の集計と手直しの分類までで、続けるか止めるかは人が決めます。まずは導入の計画書に、最初の評価の日付と、見張る数字を一つ書き込むところから始めてみてください。

※本記事にはAIが活用されています。編集者が確認・編集し、可能な限り正確で最新の情報を提供するよう努めておりますが、情報の完全性、正確性、最新性、有用性等について保証するものではありません。本記事の内容に基づいて行動を取る場合は、読者ご自身の責任で行っていただくようお願いいたします。