2026年8月16日／株式会社東京ネット工務店 海老沢敦
① 事実
サンフランシスコ連邦準備銀行（米国の中央銀行にあたる連邦準備制度の、地区の銀行の一つ）が、2026年5月26日、こういう題のレポートを出しました。
「我々は高生産性成長の時代に入ったのか」
タグ＝運用, 統計
米国経済は、この3年間、年2.5%前後で拡大しています。 ところが同じ3年間、雇用の伸びはほぼゼロでした。
人が増えていないのに、産出が増えている。ならば、一人あたりの生産性が上がっているはずです。 そこにAIへの巨額の設備投資が重なっているので、「AIで生産性の時代が始まったのではないか」と言われています。
連銀は、それを確率で出しました。
二つの物差しで測ると、答えが二つ出た
物差しは二つあります。
一つ目＝労働生産性。 働いた1時間あたりの産出です。これは、設備を厚くすれば上がります。 同じ人が、より良い機械を持てば、1時間あたりの産出は増える。連銀はこれを資本の深化（capital deepening）と呼んでいます。
二つ目＝TFP（全要素生産性）。 設備の増加でも人員の増加でも説明できない、残りの伸びだけを取り出した数字です。連銀の説明はこうです——「経済がすべての投入をどれだけ効率よく使っているかを測る」「工程と技術の、本物の改善を捉えることを意図している」。
この二つで、同じ経済を測った結果が割れました。
「高生産性の時代に入った確率」（過去70年のデータから、経済が高成長の局面と低成長の局面のどちらにいるかを確率で推定する統計の手法を使っています）。2025年10〜12月期時点で——
- 労働生産性で測ると、57%
- TFPで測ると、21%
同じ経済です。同じ時点です。
連銀が書いた一文
なぜ割れたのか。連銀は、こう書いています。
「この乖離は、AI技術とデータセンターなどの基盤への企業投資が急増するなかで起きている。投資の増加は、働き手の生産性が上がったことと同時に起きたが、TFPが測ろうとしている、より広い利得はまだ生んでいない。
これは、ここまでの生産性の改善が、働き手により良い道具——新しいソフトウェアや、増強された計算能力——を渡したことを映しているのであって、経済の根本的な前進ではないことを示している。」
道具は渡った。仕組みは、まだ変わっていない。
90年代も、同じ形をしていた
連銀は、1990年代のコンピュータとインターネットの時期と比べています。あのときも、労働生産性が先に伸びて、TFPが遅れる形が出ていました。
ただし、ここに注意書きが付いています。図に出ている確率は、2025年までの全データを使って計算されたものです。 つまり1995年の確率を出すときにも、「その後に生産性が伸びた」という事実を知ったうえで計算しています。
そこで連銀は、1997年までのデータだけに限って、同じモデルを走らせ直しました。 後知恵を抜いた結果です。
- 1997年10〜12月期の確率＝労働生産性で67%、TFPで30%
- 連銀の記述＝「持続的な高生産性成長の時代にすでに入っている、という確かさは、無かった」
さらに、こう付け足しています。「我々の推定は、すでに改訂されたデータを使っている。したがって、当時の不確実性を過小評価している。当時のものは、未改訂の速報値だった」。
渦中にいる人には、渦中にいることが分からない。 連銀は、それを自分のモデルで検算しています。
別の数字も出ています
MITのダロン・アセモグル（労働経済学でノーベル経済学賞）は、2025年1月の学術誌でこう試算しています。AIによるTFPの押し上げは、今後10年で0.66%を超えない。 修正後の見通しでは、0.53%に満たない。
10年で、0.5%台です。
出典（一次）：
- サンフランシスコ連銀 Economic Letter 2026-14「Have We Entered an Era of High Productivity Growth?」（Hamza Abdelrahman／Andrew Foerster・2026年5月26日／57%・21%・67%・30%・二つの指標の定義・引用した記述はすべて本文から） https://www.frbsf.org/research-and-insights/publications/economic-letter/2026/05/have-we-entered-era-of-high-productivity-growth/
- Daron Acemoglu「The Simple Macroeconomics of AI」（Economic Policy 第40巻121号・2025年1月／TFP押し上げ0.66%以下・修正後0.53%未満） https://doi.org/10.1093/epolic/eiae042
② 構造 — 買ったことは数字に出る。変えたことは、別の数字に出る
1. 二つの物差しは、二つの階層を測っている
労働生産性は、設備を厚くすれば上がります。 AIの利用料を払い、社員が使えば、一人あたりの産出は増える。
TFPは、そこを引き算した残りです。設備を増やしたから増えた分は、TFPには入りません。
57%と21%の差は、この引き算の差です。
買ったことは、数字に出ています。 変えたことは、まだ出ていません。
2. 100年前の工場は、同じところで20年止まっていた
歴史循環で読むと、これは一度通った道です。電気です。
スタンフォード大学のポール・デイヴィッドが1990年に書いた論文に、年数が並んでいます。
- 1881年——エジソンの中央発電所がニューヨークとロンドンで動き出す。
- 1899年——米国の製造業に設置された電動機の馬力は、工場の機械動力の5%未満。
- そこから50%に達するまで、さらに約20年。
- 1920年代初頭——ようやく工場の機械動力容量の半分をわずかに超え、このときに初めて、電化が製造業の生産性に効き始めた。
デイヴィッドの一文です。「最初の中央発電所が営業を始めてから、四十年後だった」。
40年、統計は動きませんでした。
3. 40年かかった理由が、この号の芯です
遅れていたのは、工場の建物のほうです。
蒸気機関の工場は、こういう作りをしています。動力源が一つあり、天井に長い回転軸（シャフト）が通り、そこからベルトが各機械に下りている。動力を配るのが物理的な軸なので、機械の置き場所は軸の下に決まり、軸を支えるために建物は頑丈な多層構造になります。
ここに電気が来たとき、工場が最初にやったことは——動力源だけを電動機に替えることでした。 天井の軸も、ベルトも、機械の配置も、そのままです。デイヴィッドはこれを group drive（区画ごとの駆動）と呼んでいます。天井の軸を何区画かに分け、その区画ごとに電動機を1台あてがう方式です。
デイヴィッドの記述はこうです。
「工場主は、既存の動力伝達設備の埋没費用を合理的に無視し、group driveの導入に要する追加の設備投資が、必要動力の低減と機械の速度制御の改善で正当化されるかどうかだけを計算すればよかった。だが生産性を計算する側からすれば、元のベルトと軸（およびそれを動かしていた原動機）は、使える設備としてそこに残っていた。
その結果、製造業の資本産出比率は上がり、それが全要素生産性（TFP）の急速な伸びを妨げた。」
埋没費用＝すでに払ってしまい、戻ってこない費用。資本産出比率＝設備の額を、産出の額で割った比率です。
設備は増えた。産出は同じだった。だからTFPは、むしろ伸びなかった。
これが、group driveの正体です。動力源を最新のものに替えて、仕事のやり方は一つも変えていない。
4. 効いたのは、機械ごとにモーターを付けたときでした
次に来たのが unit drive（機械ごとの駆動）です。機械の一台ごとに、電動機を直結する。
これで何が起きたか。デイヴィッドが列挙しています。
- 天井の軸を支える筋交いが要らなくなり、工場の構造そのものを根本から設計し直せた（軽い建物で済む）
- 軸を長く回す必要が消えたので、多層の建物をやめて、平屋にできた
- 平屋の直線的な配置になったことで、材料の運び方を最適化でき、機械の並べ方も後から組み替えられるようになった
- 配線の柔軟さによって、保守や配置換えのときに工場全体を止めなくてよくなった（それまでは、一部門を直すのに動力系統を全部止めていた）
効いたのは、電動機を前提に、工場を建て直したことでした。
数字が出ています。米国製造業のTFP成長率は、1909〜19年に比べて1919〜29年に5パーセントポイント加速しました。デイヴィッドによれば、そのおよそ半分が、この10年間に機械側の電動機の容量が伸びたことだけで、統計的に説明できる。
出典（一次）：
- Paul A. David「The Dynamo and the Computer: An Historical Perspective on the Modern Productivity Paradox」（American Economic Review 第80巻2号 pp.355-361・1990年5月／1899年の5%未満・50%到達までさらに約20年・1920年代初頭・中央発電所から四十年後・group driveと資本産出比率・unit driveの4つの効果・1919-29のTFP加速5ポイント。引用と数字はすべて原文から）
- 原典＝ https://www.jstor.org/stable/2006600 ／ 全文PDF（著者本人がアップロードした版）＝ https://www.researchgate.net/publication/4724731
5. AIには、建て直す工場がありません
100年前の工場が止まっていたのは、建物のせいでした。 天井の軸をやめて機械ごとにモーターを付けるには、工場を建て直す必要がある。建て直すには、古い工場が価値を失うまで待つしかありませんでした。動かせなかったのは、鉄とコンクリートです。
AIには、それがありません。
買った設備はありません。償却の途中のものもありません。AIの費用は、ほとんど変動費です。 使った分だけ請求が来て、使わなければ止まります。設備を買って寝かせている状態が、作れません。
替えるのは、誰が何をやるかの配置です。
40年かかったほうには、「まだ設備の償却が終わっていない」という理由がありました。 帳簿に載っている理由です。銀行にも、社内にも、そう説明できます。
AIには、それがありません。
6. ここに、段階があります
四つに分けられます。
| 点 | やること | 疑っている前提 |
|---|---|---|
| 10点 | エクセルの作業を自動化する | 疑っていない（いまのやり方が前提） |
| 50点 | エクセルをいらなくする | 道具は疑う（作業の存在は前提） |
| 80点 | その作業を無くす | 作業の存在を疑う |
| 100点 | 上の階層の戦略に照らして、最適解を探る | 何のためにやっているかから決める |
上に行くほど、疑う前提の範囲が広がります。
下の段でどれだけ完璧にやっても、上の点数にはなりません。 10点の作業を100%の精度でやっても、10点です。
group driveは、10点でした。 動力源を蒸気から電気に替えた。工場のレイアウトも、機械の配置も、疑っていません。
unit driveと平屋への建て直しが、80点です。 動力の配り方が変わったなら、建物の形はもう決まっていない——そこまで疑った。
連銀の二つの数字は、この表の下段と上段です。 労働生産性57%＝道具は入った。TFP21%＝作り直しは、まだ数字になっていない。
7. 既刊の数字が、同じ分布の別の断面になります
本紙が一次で確認してきた数字を、この表に載せ直します。
- Vol.20「役割まで変えた会社は9.5%」——AIを入れた会社は多い。研修を用意した会社も多い。役割まで変えたのが9.5%。 前の三つが10〜50点、9.5%が80点以上です。
- Vol.16「9割がAIの影響は無かったと答えた」——10点の使い方をすれば、数字は動きません。同じ道具を入れて片方だけ請求書が変わった理由は、仕事の組み立てを作り直したかどうかでした。
- Vol.22「6割が個人の判断に任せている」——会社が線を引いていないので、何点の問いを立てるかが、個人任せになっています。
一号ずつ読んでいるときは、別々の調査です。並べると、同じ分布を三方向から見ています。
8. 上限を決めているのは、渡す側です
ここが最後です。
どんなに賢いAIでも、10点の問いを渡せば、10点の答えが返ります。
エクセルの作業を自動化してくれと言えば、自動化してくれます。「その作業は要るのか」とは訊かれません。
上限は、渡す側が決めています。
③ 経営者の自分事
私は、AIを使い始めた初期から、社内でこの採点表を使っています。
エクセルの作業を自動化しよう、は10点。
エクセルをいらなくしよう、は50点。
そもそもその作業を無くす、が80点。
その上のレイヤーの戦略に照らした最適解を探る、が100点。
言い続けている理由は、一つです。
できるようになった瞬間が、いちばん10点で止まりやすい。
道具がその作業をこなせるようになった瞬間に、「この作業を、AIにやらせてみよう」がいちばん自然な問いになります。動くものが出てくるので、確かめられます。やった感じもします。
そこで止まります。
私の場合、10点は飛ばしています。
飛ばしたというより、できませんでした。AIがエクセルを操作できなかったからです。10点も、取れませんでした。
私は、その方向を筋が悪いと思っていました。AIにパソコンを操作させる。人間がやっている作業を、そのままAIになぞらせる。 うまくいく気がしませんでした。
いまは、できます。 画面を見て、AIがソフトを操作します。当時まったくできなかったことが、いまは普通にできます。
1年ほどで、意味のある会話ができるようになりました。
変わったのは、コンテキスト——AIに前もって渡しておく前提の情報。何の会社で、何をやっていて、その作業は何のためにあるか——を事前に用意するようになったあたりです。
完全に変わったのは、AIコーディングが始まってからです。
やり方が、こうなりました。
- 人間がやっている作業を、そのままAIにやらせるのではない
- 欲しい成果物を、AIに手で書かせるのでもない
- その成果物を作るプログラムを、AIに書かせる
作業を自動化するのではなく、自動化を自動化しています。
この手法には、再現性が完全にあります。 一度プログラムになれば、同じ手順で、同じものが、何度でも出てきます。AIに毎回書かせれば、毎回違うものが出てきます。
エクセルは、いらなくなりました。 見るときにエクセルを使うのは構いません。作る工程には、要りません。
採点表でいえば、50点です。
80点をやった例も、あります。
当社は、納めたシステムの保守をしています。お客様から「ここを直してほしい」と連絡が来る。読んで、どこを直すか調べて、直して、返す。 依頼は、毎日のように来ます。
この工程を速くする方向では、考えませんでした。
一次受けを、AIに任せました。
いま動いているのは、一部のお客様の分です。順に広げています。
お客様は、いつも使っているチャットに、これまでと同じように書きます。初動の返事をするのは、AIです。 そこからプログラムの中身を調べ、どう直すかを決め、直して、記録を残すところまで、AIが進めます。私は、それを監督しています。 最後に「出していい」と言うのも、私です。
お客様の側から見ると、何も変わっていません。 同じところに、同じように書いて、直る。請求書も同じです。
変えたのは、主従です。
人間が主導して、AIを道具として補助に使う。 その逆にしました。AIが進めて、人間が監督する。
人間がやっていた一次受けは、無くなりました。
これが80点です。 疑ったのは、誰が主でやるかでした。
100点は、一つだけ思い当たります。
昨年、個別の受託契約をやめました。工数見積も、やめました。 ソフトウェア開発を役務として売るのをやめて、AIがあることを前提にした利用規約ベースの形に変えました。
作業を速くしたのでも、無くしたのでもありません。売っているものの定義を、変えました。
外から見えるやっていることは、たいして変わっていません。
ただし、これが100点だったかは、まだ分かりません。 答えが出るまで、何年かかかります。100点は、そういう場所にあります。
この表は、自分に当てるために持っています。
もう一つ、正直に書いておくことがあります。
私は、社長です。「この作業、そもそも要りますか」と訊いていい立場にいます。 訊いて、無くすと決められる。80点や100点の問いを立てられるのは、その権限が手元にあるからです。
中小企業では、決定が一人に集まっています。 弱点として語られます。この表に関しては、そのまま強みです。
大企業の担当者が「この作業は要りません」と言うためには、その作業を作った部署と、決裁の階層を越えなければなりません。 だから10点で止まる。能力ではなく、線の位置の話です。
読者の多くは、私と同じ側にいます。 自分の会社の作業を、無くすと決められる立場です。
性能は買えます。何点の問いを渡すかは、買えません。
点数は借りられます。自社で使えるかどうかは、借りられません。 その一段上に、この行があります。
最新のAIを契約することはできます。そのAIに何を訊くかは、契約に付いてきません。
明日できることを、二つ書きます。
一つ目：直近に入れたAIを、4段階で採点する
この半年で入れたAIがあれば、それが何点だったかを採点してください。 議事録でも、メールの下書きでも、見積の作成でも。
- その作業のやり方は、前と同じですか。（同じなら10点です）
- 道具は替えましたか。作業そのものは残っていますか。（残っているなら50点です）
- その作業は、無くなりましたか。（無くなったなら80点です）
10点でも構いません。 いま何点の場所にいるかを知らないと、次に立てる問いも、同じ点数になります。
二つ目：一番手間のかかっている作業を、一つ選んで、訊いてみる
「これ、そもそも何のためにやってるんだったっけ。」
社内の作業には、当時は正しかった判断が、理由だけ消えて残っています。
この問いに、その場で答えが出ない作業があったら、それが80点の候補です。
AIに訊く前に、人に訊いてください。 AIは、渡された作業を速くします。要るかどうかは判定しません。
——明日、こう話してみてください。「うちがAIでやったこと、あれって『いまのやり方を速くしただけ』かもしれないな。……そもそも、あの作業って要るんだっけ」
今月のモデル
新しいAIが出るたびに、点数が並びます。ですが、点数と、自社の仕事で使えるかどうかは、別です。
不定期に、一つ取り上げます。点数は書きません。 何が出て、どう配られていて、いくらで、どうやって動かすのか、実際に触るとどうだったかを短く書きます。
今号：PLaMo 3 NICT 8B Base（Preferred Networks × 情報通信研究機構）
Vol.23で「次号までに試します」と書きました。試していません。
動かし方の情報は、公開ページに揃っています。
- 手元のパソコンでAIを動かす道具（Ollama、LM Studio）向けに、量子化版（元のモデルを圧縮して、普通の機械でも動くようにしたもの）が用意されています
- 開発者向けの動かし方も、5行から10行ほどの手本が載っています
- ダウンロードには、利用条件への同意が要ります
- 商用利用は、年間売上10億円以下と、事前登録（Vol.23に書いたとおりです）
距離は、近いほうです。
動かすのに必要な部品には、バージョンの上限が指定されています。 AIを動かす土台のソフトは2.6以上2.9以下、モデルを読み込む部品は4.56以上4.57.1以下。
古すぎても、新しすぎても、動きません。
「無料で公開されている」と「自分のところで動く」の間には、これがあります。 手元の環境が、指定の範囲に入っているか。入っていなければ、そこを合わせる作業が先に来ます。
出典：Hugging Face pfnet/plamo-3-nict-8b-base（PLaMo community license。ダウンロードにはライセンス同意が必要）
CoBANTO3-AIチャット
https://www.netkomuten.tokyo/lp/co-banto3-ai
本紙のバックナンバーを記憶し、本紙の読み方（戦略の階層・歴史循環）で、あなたの会社の状況に当てて答えるAIチャットです。記事は「地図」ですが、地図は現地には当たりません。「この号の話、うちの場合はどうなるのか」を訊く場所として用意しました。
ご利用は事前購入のクレジット制です（1,000円から）。月額の契約ではないので、解約の手続きはありません。使った分だけ減り、無くなれば止まります。
読者登録をいただいた方に、無料クレジットを500クレジット追加させていただきました。ぜひ使ってみてください。
ライトノベル「ようこそ、東京ネット工務店へ」
https://www.netkomuten.tokyo/channels/novel-tnk-part1/articles/ch17
小さなIT企業の現場を書いた小説です。毎号1話ずつご紹介します。
今号の話：〈冬編 第17話「正論は、現場で転ぶ」〉
前号で登場した東大生インターンが、正しいことを次々に言います。Slackで足りる。テストは自動化すべき。要望には優先順位をつけて断るべき。どれも、間違っていません。
Q&Aコーナー
AI・IT業界に関するご質問を募集しています。CoBANTO3-AIチャットのサポートも、こちらへお願いします。
本紙の通知メール・LINEに、そのまま返信していただけます。 読者登録は、この記事のすぐ下からできます。
いただいたお名前は匿名にして回答します。内容によっては、個別に回答させていただく場合があります。