イノベーションから生産性爆発までの「タイムラグ」：情報通信技術革命がAI時代にもたらす重要な教訓

AIによる生産性向上は現実的かもしれませんが、その成果がマクロデータに反映されるスピードは、市場が最も楽観的に見積もるタイムライン通りになるとは限りません。情報通信技術（ICT）革命の経験からも、新技術が商業化され、投資が拡大し、生産性の爆発的な向上までには、しばしば顕著なタイムラグが存在します。

追風トレーディングデスクによると、Goldman Sachs米国経済調査チームのElsie Pengは7月1日に発表したリサーチで、「私たちはAIが今後10年で生産性の成長を顕著に押し上げると予想しています。」と記しています。この見解は、AIの本質的要素が効率向上の有無だけでなく、その向上がいつマクロ統計で確認されるかにあることを示唆しています。

重要な焦点は「AIが有用かどうか」から「AIがいつ観測可能な生産性向上へと変わるか」へ移っています。企業や現場レベルでは効率改善の証拠が数多くありますが、マクロデータとして現れるには企業がプロセス再設計、従業員の再教育、組織調整を完了した後でしか反映されません。

ICT、すなわち情報通信技術は重要な参照例です。パーソナルコンピュータは1981年前後に商業化され、ICT投資は1980年代初頭から増加していますが、米国の生産性が本格的に加速したのは1990年代後半、つまりおよそ15年後のことです。AIはより速く進展する可能性はありますが、組織的な摺り合わせという関門を自動的に飛び越えることはありません。

ICTの核心的教訓：投資が先行し、生産性の向上は遅れる

1980年代初頭、パーソナルコンピュータの商業化がICTイノベーションブームを引き起こしました。画期的なICT特許の一人当たり件数は80年代末から90年代初頭にかけて継続的に増加し、ICT投資も80年代から顕著に増加しました。専門サービス、卸売、運輸、金融等、いくつかの業界が早期に投資を増やしました。

しかし、生産性は同時には向上しませんでした。

業界パネルでの推計では、ICT投資が資本ストックに占める比率が1ポイント上昇すると、最初の4年間は測定上逆に生産性成長へわずかにマイナス影響を与えることが示されています。プラスの影響は約8年後から明確になり、12年目付近でピークに達し、およそ0.6ポイントに上ります。

これが新技術の普及における「Jカーブ」です：企業はまず設備に投資し、プロセスを調整し、摺り合わせコストを負担した後、初めて効率を発揮できる可能性があります。特に情報フローや意思決定、従業員の協業方法が変わる場合には、統計データに最初に現れるのは往々にしてコストであり、成果（アウトプット）ではありません。

生産性向上を遅らせた三つの要因：コスト、ネットワーク効果、無形資本

ICTによる生産性向上が遅れた第一の理由はコストです。半導体や通信機器の価格は1980年代には高止まりしており、市場の競争激化や規制変化による市場開放が進む90年代になるまで、コストの明確な低下は見られませんでした。1996年の米国電気通信法によって通信機器市場の競争が促進され、半導体分野でも競争が激しくなり、重要部品のコスト低下につながりました。

次の要因はネットワーク効果です。インターネットやモバイル通信のような技術は、ユーザー数が臨界点に到達するまでは、個々のユーザーが得られる価値は限定的です。米国でのインターネットや携帯電話等ICTアプリケーションの普及率が90年代後半に分岐点を超えてから、生産性向上の恩恵がより解放されやすくなりました。

最も重要なのは無形資本です。企業はプロセスを再設計し、従業員を再教育し、組織構造を調整し、ソフトウェアやデータシステムを構築する必要があります。推計では、1ドルのICTハードウェア投資ごとに、少なくとも1.7ドルの関連する無形投資が必要であることが示されています。そのうちおよそ3分の2はソフトウェアやデータベースに、残りは人材の組織再編に向けられています。

この点はAIにとって特に重要です。GPU、データセンター、モデル能力などは市場から観察しやすいものの、組織改造は目立ちません。歴史的経験は、後者が生産性がいつ本当に帳簿上に現れるかを左右することが多いことを示しています。

AIはより速い可能性があるが、“摩擦”は避けられない

AIとICTを比較した場合、重要な違いはコストカーブです。AIモデルの利用コストは、当時のパーソナルコンピュータ価格よりも著しく速いペースで低下しています。米国の一部先端モデルが近年、名目価格を引き上げて利益率を広げたものの、競争圧力と基盤となる計算能力コストの低下により、継続的な値上げには限界があり、全体としてtoken価格は安定傾向へ向かう可能性が高いです。

AIはネットワーク効果への依存も通信関連技術ほど強くありません。企業内でAIツールを導入すれば、業界全体あるいは社会全体で同時期に普及しなくても、局所的な効率向上が得られます。この点で、AIはICTよりも早期に生産性データに表れる可能性があります。

ただし、緩やかな要素は依然として残っています。企業は業務プロセスの再設計、従業員研修、職務分担や組織構造の調整を行わなければなりません。AI関連のハードウェア投資が総資本ストックに占める割合は、当時のICT構築期よりすでに速いペースで増加していますが、プロセス再構築への投資（再編活動に関与する従業員の報酬割合で測定）はいまのところ緩やかに見えます。

同時に、公式統計は企業が進行中の組織改革を過小評価している可能性もあります。アトランタ連邦準備銀行の企業調査によると、2026年のAI関連無形資本支出は約2,800億ドルに達するとのことです。企業データに基づく推計では、米国のAI転換に伴う労働コストは年間1,500億ドル、高管理職の時間配分による組織資本投資は年間およそ400億ドルに上ります。

初期の兆候は四つの業界から現れる可能性

AIによる生産性向上の初期マクロシグナルを探すには、経済全体を見るだけでは意味がありません。より実現可能なアプローチは、デジタル基盤が強く、AI露出度が高く、業務が自動化または強化されやすい業界に注目することです。

レポートのフレームワークは四つの指標に基づいています。従来のIT露出度、AI導入率、AI露出度、2022年以降の業務再編強度です。これで並べると、情報・データ処理、専門サービス、映画・音響関連産業、保険、信用仲介、コンピューター・電子機器製造が上位に位置します。

このうち情報・データ処理は平均スコア1.97、専門サービス1.48、映画・音響関連1.21、保険1.09、信用仲介0.98、コンピューター・電子機器製造0.97です。

より広い業界分類では、情報、専門サービス、保険、金融が優先的にモニターされるべきです。これらの業界はデジタル基盤が強く、AIによって自動化や強化される業務も多い特徴があります。

しかし、判断には慎重さが必要です。これらの潜在的恩恵業界は、過去数十年もともと生産性が強かった分野です。今後さらに成長しても、それを単純にAIの効果と断定することはできません。より重要なのは、それらが自身の歴史的トレンドを越えるような新しい加速を見せるかどうかです。

市場が注目すべき三つの主線

第一はコストです。もしモデル利用コストや計算能力コストが今後も低下し続ければ、AIの普及障壁はICT時代より小さくなるでしょう。

第二は組織資本です。企業が本当にプロセス、職務、データシステムを再設計しているかが、単なるAIツールの導入よりも重要です。ICT革命は、機器購入だけでは生産性の爆発的向上が起こらないことを証明しています。

第三は業界別生産性の転換点です。情報、専門サービス、保険、金融の分野で歴史的トレンドを超える生産性向上が早期に現れれば、それがAIがマクロデータに表れ始めた初期エビデンスとなりえます。

ただし、業界レベルの生産性データの公開自体も遅延があります。たとえAIがミクロの現場で効率改善をもたらしていても、マクロ統計での確認はなお数年を要する場合もありえます。ICT革命がAI時代に残す最大の教訓は――技術的なブレークスルーは速くても、生産性の実現には通常時間がかかるという点です。

~~~~~~~~~~~~~~~~~~~~~~~~

上記の素晴らしい内容は追風トレーディングデスクからのものです。

さらに詳しい解説（リアルタイム解説、現場研究など）は、【追風トレーディングデスク・年間会員】へご参加ください。