[写真=ゲッティイメージバンク]
人工知能（AI）の導入により、業務時間は週に1.5時間短縮されたが、実際の生産性向上にはつながっていないとの分析が韓国銀行から発表された。AI導入が組織全体の業務再設計や人員再配置に結びついていないため、いわゆる『生産性の断絶』現象が現れているという診断である。
韓国銀行が7日に発表した『BOKイシュー・ノート：AI導入は生産性を高めるのか？初期3年間の効果分析』によれば、AIの活用は業務時間を平均3.8%短縮することが示された。これは週あたり約1.5時間の節約効果に相当する。
AI導入による時間短縮効果は、低熟練労働者やAIを高強度に使用するユーザーにおいてより顕著に現れた。韓国銀行は、AI活用の熟練度が高いほど技術導入による限界効率が大きくなる一方で、AIが低熟練労働者の経験不足を補い、熟練度による生産性の格差を緩和する役割を果たしていると分析した。
韓国銀行は、この業務時間短縮効果を生産性の向上に換算すると、約1.0%の潜在的な生産性向上効果があると推定した。しかし、AI活用によって節約された時間が実際の生産増加にはつながっていないことが明らかになった。個々の業務時間短縮と業務処理量の増加との相関係数は0と推定された。
韓国銀行は、AIが個別の作業レベルでは効率性を高めたが、その効果が業務フローの改善、組織構造の変化、人員再配置などに広がらなかったため、『生産性の断絶』現象が現れていると説明した。生産過程のボトルネックや成果報酬制度の歪みも生産性の転換を妨げる要因として指摘された。
一方、成果誘因と業務の自主性が高いグループでは生産性の増加効果が確認された。自営業者や専門職、AIを高強度に使用するユーザーなどが代表的である。
年齢別では、若年層（15〜39歳）が50〜64歳よりも業務処理量を約0.6%ポイント多く増加させたと分析された。韓国銀行は、デジタル技術への適応力が高い若年層がAI活用を生産活動により効果的に結びつけているためと解釈している。
職業別では、専門職が事務職よりも業務処理量を0.7%ポイント多く増加させ、AI使用時間上位50%のグループは下位グループよりも0.5%ポイント高い生産性改善効果を示した。これはAI活用の強度が高いほど、学習コストや結果検証の負担など初期の摩擦コストを克服し、実質的な生産性向上につながる可能性が高いことを意味する。
韓国銀行のオ・サムイル雇用研究チーム長は、「現在、AIは『効率性』の段階には入っているが、まだ『生産性』の段階には十分に移行していない状態である」と述べ、「これは汎用技術導入初期の典型的な転換過程と見ることができ、今後の政策対応や企業組織及び労働市場構造の転換により生産性の経路は大きく変わる可能性がある」と語った。
続けて、「AIの生産性効果を実現するためには、業務プロセスと組織構造の再設計、職務再配置、成果に基づく誘因制度の構築が重要である」とし、「若年層の熟練形成経路の変化についても継続的な点検が必要である」と付け加えた。
韓国銀行が7日に発表した『BOKイシュー・ノート：AI導入は生産性を高めるのか？初期3年間の効果分析』によれば、AIの活用は業務時間を平均3.8%短縮することが示された。これは週あたり約1.5時間の節約効果に相当する。
AI導入による時間短縮効果は、低熟練労働者やAIを高強度に使用するユーザーにおいてより顕著に現れた。韓国銀行は、AI活用の熟練度が高いほど技術導入による限界効率が大きくなる一方で、AIが低熟練労働者の経験不足を補い、熟練度による生産性の格差を緩和する役割を果たしていると分析した。
韓国銀行は、この業務時間短縮効果を生産性の向上に換算すると、約1.0%の潜在的な生産性向上効果があると推定した。しかし、AI活用によって節約された時間が実際の生産増加にはつながっていないことが明らかになった。個々の業務時間短縮と業務処理量の増加との相関係数は0と推定された。
韓国銀行は、AIが個別の作業レベルでは効率性を高めたが、その効果が業務フローの改善、組織構造の変化、人員再配置などに広がらなかったため、『生産性の断絶』現象が現れていると説明した。生産過程のボトルネックや成果報酬制度の歪みも生産性の転換を妨げる要因として指摘された。
一方、成果誘因と業務の自主性が高いグループでは生産性の増加効果が確認された。自営業者や専門職、AIを高強度に使用するユーザーなどが代表的である。
年齢別では、若年層（15〜39歳）が50〜64歳よりも業務処理量を約0.6%ポイント多く増加させたと分析された。韓国銀行は、デジタル技術への適応力が高い若年層がAI活用を生産活動により効果的に結びつけているためと解釈している。
職業別では、専門職が事務職よりも業務処理量を0.7%ポイント多く増加させ、AI使用時間上位50%のグループは下位グループよりも0.5%ポイント高い生産性改善効果を示した。これはAI活用の強度が高いほど、学習コストや結果検証の負担など初期の摩擦コストを克服し、実質的な生産性向上につながる可能性が高いことを意味する。
韓国銀行のオ・サムイル雇用研究チーム長は、「現在、AIは『効率性』の段階には入っているが、まだ『生産性』の段階には十分に移行していない状態である」と述べ、「これは汎用技術導入初期の典型的な転換過程と見ることができ、今後の政策対応や企業組織及び労働市場構造の転換により生産性の経路は大きく変わる可能性がある」と語った。
続けて、「AIの生産性効果を実現するためには、業務プロセスと組織構造の再設計、職務再配置、成果に基づく誘因制度の構築が重要である」とし、「若年層の熟練形成経路の変化についても継続的な点検が必要である」と付け加えた。
* この記事はAIによって翻訳されました。
亜洲日報の記事等を無断で複製、公衆送信 、翻案、配布することは禁じられています。
