【世界のパラドックス】生産性のパラドックス ─ コンピュータはどこにでもあるのに統計にない

当サイトを閲覧いただきありがとうございます。 本記事は「生産性のパラドックス」について解説します。

1980年代のアメリカ企業は、コンピュータに巨額の投資を続けていました。オフィスは端末で埋まり、業務は次々と電算化されていきますが、国全体の生産性の統計を見ると、伸びるどころか鈍化していました。ノーベル経済学賞を受けたロバート・ソローがこの状況を一言で言い表し、以後40年近く議論が続いています。

ソローが放った一行

1987年、経済学者ロバート・ソローはニューヨーク・タイムズの書評欄で、次のように書きました。

コンピュータの時代は、生産性の統計を除けばあらゆるところに現れている。

皮肉の効いたこの一行が、そのまま問題の名前になりました。ソローのパラドックスとも呼ばれます。

当時の状況を数字で見ると深刻さが分かります。アメリカの労働生産性の伸び率は、戦後から1970年代初頭までは年3%前後で推移していましたが、その後は1%台まで落ち込みました。まさに企業がコンピュータを買い漁っていた時期に、生産性の伸びは半分以下になっていたということですね。

技術が進歩すれば生産性が上がる。経済学が前提としてきたこの関係が、目の前で成り立っていませんでした。

考えられた4つの説明

当時、主に4つの説明が提出されました。

ひとつめは測定の問題です。生産性は産出を投入で割って求めますが、産出の測り方が古いままでした。ソフトウェアが便利になっても、医療の質が上がっても、統計はその改善をうまく数字にできません。特にサービス業で顕著で、実際は伸びているのに測れていないだけだ、という指摘です。

ふたつめは時間差です。新しい技術は、導入しただけでは効果が出ません。仕事のやり方や組織の形を作り替えて初めて効き始めます。エリック・ブリニョルフソンらの研究は、この組み替えに10年以上かかることを示しました。

三つめは再分配です。ある企業がITで顧客を奪っても、奪われた側が減るだけで、社会全体では増えていない可能性があります。

四つめは単純な使い方の失敗です。目的が曖昧なまま導入したり、紙の作業をそのまま画面に移しただけだったり、というものです。

1990年代後半に数字が動いた

議論が長引くなか、1990年代の後半になって状況が変わります。

アメリカの生産性の伸びが、1995年頃から2004年頃にかけて明確に加速しました。年率で見ると2%台後半まで戻り、多くの研究がこれを情報技術の投資がようやく実を結んだ結果だと分析しています。

ソロー自身も後年、パラドックスは解消したと述べています。つまり答えは「効果がなかった」ではなく「効き始めるまでに時間がかかった」というものでした。

導入から効果が出るまでのあいだは、投資という費用だけが先に計上されます。研修や組織変更にも人手が取られるので、見かけ上の生産性はむしろ一時的に下がります。この落ち込みを経てから上昇に転じる形は、後にJカーブと呼ばれるようになりました。

電化のときも同じことが起きていた

この構図には強力な先例があります。1990年に経済史家ポール・デービッドが指摘した、電化の歴史です。

電動機は40年間ほとんど効かなかった

実用的な発電機と電動機は1880年代に登場しました。ところがアメリカの工場の生産性が明確に伸び始めるのは、1920年代に入ってからです。

原因は、工場の作り方にありました。

蒸気機関の時代の工場は、1台の巨大な機関を中心に、天井を走る長い動力軸とベルトで各機械へ力を配る構造でした。動力が届く範囲に機械を詰め込む必要があるため、建物は多層で、配置の自由がききません。

この工場の蒸気機関だけを大きな電動機に置き換えても、構造はそのままなので効率はほとんど変わりませんでした。

効果が出たのは、機械1台ごとに小型モーターを付ける方式に切り替えてからです。動力軸が不要になったことで、平屋の広い工場に作業の流れどおりに機械を並べられるようになりました。ここで初めて生産性が跳ね上がります。

汎用技術には共通の遅れがある

同じ形は、大きな技術が現れるたびに繰り返されています。

遅れは短くなってきていますが、ゼロにはなっていません。そして必要だったものは毎回同じで、道具ではなく仕事の側の作り直しでした。

デービッドがこの論文を書いたのは1990年、まさにソローのパラドックスが未解決だった時期です。彼は電化の前例をもとに「あと数年待てば数字は動く」と予測し、実際に1995年から生産性は加速しました。

そして2度目のパラドックスへ

ところが話はここで終わりません。

2005年頃を境に、アメリカの生産性の伸びは再び鈍化します。スマートフォンが普及し、クラウドが広がり、機械学習が実用化されていったにもかかわらず、統計の数字は伸び悩みました。

この状況は2度目の生産性のパラドックスと呼ばれ、現在も議論が続いています。ブリニョルフソンらは2017年の研究で、汎用技術には「目に見えない補完的な投資」が大量に必要だと指摘しました。

人材の再教育、業務プロセスの再設計、データの整備。こうした投資は資産として計上されにくく、統計上は費用に見えます。仕込みの期間は数字が下がり、成果が出てから上がるという構造が繰り返されているという説明です。

生成AIをめぐる現在の状況も、この枠組みで語られることが増えました。ツールを配っただけでは何も変わらず、仕事の組み立て方を作り替えたところだけが効果を得る。1980年代とほぼ同じ話が、40年ぶりに繰り返されていることになります。

今回の遅れは短くなるのか

生成AIについても同じ順序をたどるとして、待ち時間は電化やコンピュータより短くなるのでしょうか。短くなりそうな要因と、そうでない要因の両方があります。

短縮を後押しする側の事情です。

・導入の初期費用が小さい：工場を建て替える必要がなく、既存の端末から使える ・普及の速度が速い：数か月で数億人規模に届いた ・試行の回数を稼げる：小さく試して捨てる作業を安く繰り返せる

一方で、遅れを長引かせる側の事情もあります。

・作り直すのが人の仕事：機械の配置と違い、役割分担や責任の所在を変える必要がある ・品質の検証に手間がかかる：出力が正しいかを確かめる工程が新たに要る ・制度が追いついていない：責任範囲や監査の方法が定まっていない領域が多い

道具を配る速度は歴史上例がないほど速く、仕事を組み替える速度は昔とあまり変わらない。この差が、今回の遅れの長さを決めることになりそうです。

私は、統計に出るまでの時間はある程度短くなるにしても、ゼロにはならないだろうと考えています。効果が出ないと騒がれる期間が必ず挟まると分かっていれば、その時期に判断を誤らずに済むはずです。

導入した側の実感としても正しい

この構図は、現場の感覚ともよく一致すると思います。

新しいツールを入れた直後は、たいてい効率が落ちます。使い方を覚え、既存の手順とすり合わせ、うまくいかない部分を回避する。この期間の生産性は、導入前より低くて当たり前です。

そのうえ多くの組織では、「入れたこと」を成果として扱ってしまい、業務の側を作り替えるところまで踏み込みません。すると落ち込んだままで終わります。

私はこのパラドックスの一番の教訓が、技術は道具であって、成果を出すのは仕事の作り直しの方だという点にあると考えています。統計に出てこないのは技術のせいではなく、作り直しが済んでいないからだ、という受け止め方です。

40年前のコンピュータでそうだったのなら、今のAIでも同じ順序をたどると考えておくのが無難だと思います。

経済と幸福の関連パラドックス

技術やお金による改善が、期待どおりの結果につながらない関連パラドックスです。

まとめ

本記事は「生産性のパラドックス」について解説しました。如何だったでしょうか。

コンピュータはどこにでもあるのに統計にない。この一行が突きつけたのは、技術の導入と成果のあいだには長い時間差と、大量の見えない投資が挟まっているという事実でした。

しかも1度解決したはずの問題が、新しい技術のたびに戻ってきます。今まさに同じ場所に立っているのだと思うと、なかなか他人事ではない話です。

パラドックスの一覧に戻りたい方は以下のリンクからどうぞ。

それでは次の記事も閲覧いただけると幸いです。

【世界のパラドックス一覧】哲学・数学・物理・経済まで有名パラドックスを完全解説senkohome.com/paradox-list/