はじめに
「AIのおかげで、資料づくりはかなり楽になった」。現場の担当者からは、こうした声をよく耳にします。一方で経営者からは、「AIを入れたのに、売上もコストも目に見えて変わらない」という声も聞こえてきます。
どちらも本当だと考えています。担当者が感じている「楽になった」は、作業1つあたりの手間が減ったという実感です。経営者が見ている「変わらない」は、会社全体の時間と成果の話です。この2つは、放っておくとつながりません。
つながりを断っているのが、「パーキンソンの法則」です。本稿では、海外の調査をもとに、AIで浮いた時間がどこへ消えているのかを整理します。そのうえで、人手不足が続く日本の中堅企業にとって、浮いた時間を何に変えるべきかを考えます。
なぜ「楽になった」のに、会社の成果は変わらないのか?
浮いた時間の行き先を、誰も決めていないからです。AIは作業を速くしますが、浮いた時間は自動的には会社に返ってきません。行き先を決めないと、その時間は別の仕事に吸い込まれていきます。
この現象をよく説明するのが、パーキンソンの法則です。1955年、英国の歴史学者シリル・ノースコート・パーキンソンは、英誌『エコノミスト』への寄稿で「仕事の量は、完成のために与えられた時間を満たすまで膨張する」と書きました。軍艦が減っても海軍省の職員は増え続けた、という観察から生まれた法則です。
Forbes JAPANの寄稿記事(AIで浮いた時間はどこへ消えた?「パーキンソンの法則」という罠)は、この法則がいまのAI導入でそのまま起きていると指摘しています。AI導入前に12週間と見積もられた移行プロジェクトは、AIを使っても12週間のままでした。変わったのは、成果物の質だけだったといいます。
ここで押さえておきたいのは、誰も怠けていないという点です。資料づくりに1日使えるなら、人は構成を練り直し、細部を直して、1日を使い切ります。AIでたたき台が早くできても、空いた時間で調べものや修正を重ねれば、本人は以前と同じように忙しいままです。担当者は確かに楽になっています。ただ、その楽さは、より手の込んだ仕事に姿を変えて、時間を埋め直しているのです。
データで見る「実感と成果のずれ」
この「ずれ」は、海外の複数の調査で数字として表れています。経営の期待と現場の業務量がずれている。本人の体感と実際の時間がずれている。そして、個人の作業が速くなっても、会社の数字には表れにくい。この3つです。
経営の期待と、現場の業務量
Upwork Research Instituteの2024年の調査(From Burnout to Balance: AI-Enhanced Work Models)は、米国・英国・オーストラリア・カナダの経営幹部、正社員、フリーランス計2,500人に聞いたものです。経営幹部の96%が「AIで会社の生産性が上がる」と期待していました。一方で、AIを使っている従業員の77%は、AIによって業務量が少なくとも何かしらの点で増えたと答えています。
経営はAIを「時間を減らすもの」と見ていますが、現場では「仕事を増やすもの」としても働いている。同じAIが、立場によって逆に見えているのです。
本人の体感と、実際の時間
もう1つ厄介なのは、本人の「速くなった」という実感が当てにならない場合があることです。パーキンソンの法則が働いていても、本人はそれに気づきにくい、ということでもあります。
AIの評価を行う米国の研究機関METRは、2025年に無作為化比較試験(Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity)を行いました。経験豊富なオープンソース開発者16人が、実際の課題246件に取り組んでいます。開発者は事前に「AIで24%速くなる」と予想していましたが、実際にはAIを使ったときの方が19%長くかかりました。それでも終了後、本人たちは「20%速くなった」と感じていたのです。
2025年初めのAIツールでの結果で、いまのツールにそのまま当てはまるわけではありません。それでも、担当者の「楽になった」という声だけで効果を判断するのは危うい、という示唆は重いと言えるでしょう。
個人の作業は速くなる。しかし、会社の数字には出にくい
作業そのものが速くなることは、多くの研究が示しています。ハーバード・ビジネス・スクールとボストン コンサルティング グループ(BCG)の研究者らによる実験(Navigating the Jagged Technological Frontier)では、758人のコンサルタントがAIを使うと、こなしたタスクが12.2%増え、完了までの時間は25.1%短くなりました。成果物の質も3割以上上がっています。ただし、AIが苦手な種類の課題では、AIを使った人の方が正答率が19ポイント下がりました。
ところが、会社や経済の単位で見ると、効果はぐっと小さくなります。
| 調査 | 対象 | 分かったこと |
|---|---|---|
| NBER(Humlum & Vestergaard) | デンマークの7,000職場・2万5,000人 | AIの利用者が浮かせた時間は労働時間の約3%。利用者の85%は、浮いた時間を別の仕事に回していた。収入や記録上の労働時間に、目に見える変化はない |
| セントルイス連邦準備銀行 | 米国の労働者 | 生成AIの利用者は労働時間の5.4%(週約2.2時間)を節約。利用していない人も含めた全労働者でならすと1.4% |
| MIT NANDA | 300件超の公開事例・52組織への聞き取り・経営幹部153人への調査 | 業務に組み込んだAIのパイロットのうち、損益に目に見える効果が出たのは約5% |
出典:NBER(2026)、Federal Reserve Bank of St. Louis(2025)、MIT NANDA(2025)より筆者作成
全米経済研究所(NBER)のワーキングペーパー(Still Waters, Rapid Currents: Early Labor Market Transformation under Generative AI)は、企業がAIを「仕事の組み替え」で吸収していると述べています。AIの出力を確かめる仕事や、AIを業務に組み込む仕事が、新しく生まれているのです。セントルイス連邦準備銀行の分析(The Impact of Generative AI on Work Productivity)や、MIT NANDAの報告書(The GenAI Divide: State of AI in Business 2025)も、同じ形を示しています。
いずれも本人の申告や限られた対象にもとづく数字で、MIT NANDAは自らの報告書を「予備的な調査」と位置づけています。注目すべきは数字の大きさではありません。どの調査でも「個人では効くのに、全体では小さい」という同じ形が出ていることです。
AIで浮いた時間は、どこへ消えるのか?
浮いた時間は、行き先を決めなければ、大きく3つに吸い込まれます。品質の上積み、AIが生んだ新しい仕事、そして優先度の低い既存業務です。どれも担当者にとっては「仕事をしている」状態なので、時間が消えていることに本人も会社も気づきにくいのが厄介なところです。

1. 品質の上積み
1つ目は、成果物の磨き込みです。AIでたたき台が早くできると、そのぶん別案を作ったり、表現を整えたりできます。
「品質が上がるなら、それも成果ではないか」という見方もあるでしょう。半分はその通りです。ただし、品質が成果になるのは、受注率や単価が上がる、手戻りが減るといった形で数字に表れたときだけです。顧客に出す提案書の質が上がって受注率が上がるなら、それは成果です。一方で、社内の定例資料の見栄えが良くなっても、売上もコストも動きません。数字に表れない品質の上積みは、時間を吸い込むだけです。
2. AIが生んだ新しい仕事
2つ目は、AIを使うことで新しく生まれる仕事です。AIの出力を確かめ、誤りを直し、社内のルールに合わせて書き直す。NBERの研究が言う「AIの監督」にあたる仕事です。
さらに、作れる資料が増えれば、それを共有して議論する会議も増えます。Forbes JAPANの寄稿者は自社の時間の記録を振り返り、AIを使い始めてから会議の時間が倍になっていたと書いています。
3. 優先度の低い既存業務
3つ目は、もともとあったものの、優先度の低い仕事です。急ぎでない社内調整、念のための確認、目的のはっきりしない打ち合わせ。普段は後回しにしていた仕事が、空いた時間に入り込んできます。
私はこれまで複数の企業でAX(AIトランスフォーメーション。AIを前提に業務を作り替えること)の戦略づくりに関わってきました。そこでよく目にしたのは、AIで浮いた時間が、使い方をはっきり決めていないと、こうした重要度の低い仕事に消えていく光景です。社員が怠けているわけではありません。一人ひとりが目の前の仕事を頑張るだけでは、会社全体の余力は自然には生まれない、ということです。
日本企業はいま、どこで止まっているのか?
日本企業も、AIの導入そのものは急速に進みました。しかし、使い方は個人の作業の補助が中心で、業務プロセスを変えるところまでは進んでいません。その結果、効果も「業務が効率化した」で止まり、売上や利益にはほとんど届いていないのが現状です。
情報処理推進機構(IPA)の調査(DX動向2026(データ集))を見ると、その姿がはっきりします。
| 項目 | 数字 |
|---|---|
| 生成AIを「導入している」企業 | 44.0%(2023年度は15.6%) |
| AIの用途:文書・音声の要約など | 82.5% |
| AIの用途:業務プロセス・ワークフローの自動化・最適化 | 21.2% |
| AIの効果:業務の効率化・迅速化 | 91.6% |
| AIの効果:売上や利益の向上 | 3.9% |
| AIの効果:戦略的な人員配置・削減 | 4.1% |
出典:上記IPA調査(用途は導入・試験利用・検討中の企業、効果は効果があったと答えた企業が対象)
AIの効果があった企業の9割以上が「業務が効率化した」と答えています。しかし、売上や利益の向上を挙げた企業は3.9%、人の配置の見直しや削減を挙げた企業は4.1%にとどまります。効率化は起きている。けれども、それが売上にも、人の配置にも変わっていない。担当者の「楽になった」と、会社の「成果が出ない」が、そのまま数字に表れています。
人手不足の日本では、浮いた時間の「回収先」が違う
ここに、日本の中堅企業ならではの論点があると考えています。浮いた時間を成果に変える方法として、海外では人員の削減がよく語られます。しかし、従業員30〜100名規模の日本企業で、AIを理由に人を減らすのは現実的な選択肢になりにくいと見ています。むしろ人が足りない側にいる企業が多いはずです。IPAの同じ調査の本文でも、DXを推進する人材の「量」が不足していると答えた企業は85.5%に上ります。
そう考えると、浮いた時間の回収先は「人を減らす」ことではありません。次の2つになると私は見ています。
- 売上に効く活動に回す:商談の準備、既存顧客へのフォロー、これまで手が回らず断っていた案件など
- これから増やすはずだったコストを抑える:予定していた採用や外注を、浮いた時間で吸収する
どちらも、行き先を決めて初めて数字に表れます。人を減らさないぶん、浮いた時間は職場に残ります。だからこそ、日本企業ではパーキンソンの法則がより強く働きやすい。行き先を会社として先に決めておく必要性は、むしろ海外より高いと言えるでしょう。
もう1つ、見ておきたい数字があります。IPAの「DX動向2026」の本文では、全社レベルで業務プロセスの最適化に「取り組んでいる」「完了している」企業は、DXの成果が出ている企業で53.8%でした。成果が出ていない企業では29.5%です。AIではなくDX全体についての数字で、相関であって因果ではありません。それでも、成果の出ている企業ほど、個人の作業ではなく業務プロセスそのものに手を入れていることがうかがえます。
浮いた時間を成果に変えるために、まず取り組むべき3つのこと
すべての業務で一斉に取り組む必要はありません。まず取り組むべきは、次の3つです。仕事の終わりを決めること、浮いた時間の回す先と測る指標を決めること、そして業務プロセスに組み込むことです。

1. 仕事の「終わり」を先に決める
パーキンソンの法則は、与えられた時間に仕事が膨らむという法則です。裏返せば、終わりを先に決めれば、仕事はその中に収まろうとします。
まず、業務ごとに「期間はそのままで品質を上げる」のか、「品質はそのままで期間を縮める」のかを決めます。受注率に効く提案書なら前者、社内の定例資料なら後者です。期間を縮める業務では、見積もりを先に短くします。12週間の見積もりを8週間で試し、何に支障が出たかを確かめる。Forbes JAPANの寄稿者が勧める進め方です。
あわせて、会議や社内資料のように「完了」の定義がない仕事には、終わりの形を置きます。「この会議は30分で、決めることはこの2つ」「この資料は3枚まで」。これだけでも、時間の膨張はかなり抑えられます。何を磨き、何を磨かないかを決めるのは、「何をやらないか」を決めることと同じです。
2. 回す先と、測る指標を決める
次に、浮いた時間をどこに回し、何の数字で確かめるかを決めます。ここが曖昧なままだと、1で終わりを決めても、空いた時間は結局ほかの仕事に吸い込まれます。
たとえば、営業部門で提案書づくりと商談の準備にAIを使い、1人あたり週に数時間が浮いたとします。その時間を「既存顧客へのフォロー」に回すと決め、確かめる指標を「フォローした社数」と「既存顧客からの追加受注」に置く。あるいは、来期に予定していた1名の採用を見送り、その分を浮いた時間で吸収すると決め、採用計画と人件費で確かめる。回す先と指標がセットになって、初めて浮いた時間は成果として数えられます。
成果は、どれだけAIを使ったかではなく、売上とコストがどう動いたかで確かめるべきです。AIの利用率や作業時間の短縮だけを追っていては、パーキンソンの法則の内側から抜け出せません。
3. 個人の工夫ではなく、業務プロセスに組み込む
最も大事なのが3つ目です。1と2を個人の心がけに任せると、AIを上手に使える人とそうでない人の差が残り、会社全体の成果は安定しません。成果につなげるには、業務プロセスそのものを、AIが動く前提で作り替える必要があります。
たとえば、商談の準備です。これまでは、担当者が企業情報を調べ、過去のやり取りを確かめ、質問を整理していました。AIに資料の要約を頼むだけなら、それは個人の効率化にとどまります。業務プロセスとして作り替えるとは、企業情報の収集から過去の接点の確認、質問の整理、担当者への共有までを、一連の流れとしてAIに任せることです。人は、その準備をもとに顧客と向き合う時間に集中します。誰が担当しても同じ質の準備ができ、浮いた時間がどの仕事に回るかも、仕組みとして決まります。
| 個人の効率化 | 業務プロセスの変革 | |
|---|---|---|
| 主語 | 担当者一人ひとり | 会社・部門 |
| AIの使い方 | 作業の補助(要約・下書き) | 作業のまとまりをAIに任せる |
| 浮いた時間 | 本人の判断で使われ、溶けやすい | 回す先を会社が決めておく |
| 成果の測り方 | AIの利用回数、作業時間の短縮 | 売上とコストの変化 |
出典:筆者作成
実践ポイント
最初の対象は、全社ではなく1つの業務で十分です。時間がかかっている業務を1つ選び、「AIで浮く時間」「その時間を回す先」「確かめる売上・コストの指標」の3つを書き出すところから始めることをお勧めします。
まとめ:AIで生まれた時間に、行き先を与える
AIは、担当者の作業を確かに楽にしています。しかし、浮いた時間の行き先を決めなければ、パーキンソンの法則どおり、その時間は品質の上積みや新しい作業、優先度の低い仕事に吸い込まれていきます。「楽になった」と「成果が出た」は別物です。
その間をつなぐのは、個人の頑張りではありません。仕事の終わりを決め、浮いた時間の回す先と指標を決め、業務プロセスそのものに組み込むことです。人手不足の日本企業では、浮いた時間は人を減らすためではなく、売上に効く活動と、増やさずに済むコストに回すのが現実的な答えだと考えています。
ギアソリューションズは、AI・データ・システムを組み合わせて業務プロセスを変革し、人の力を本来やるべき仕事に振り向けることを目指しています。「AIは入れたが、会社の数字が変わらない」という課題をお持ちの方は、まず1つの業務から、浮いた時間の行き先を見直すところから始めてみてはいかがでしょうか。
参考情報
- Forbes JAPAN「AIで浮いた時間はどこへ消えた?「パーキンソンの法則」という罠」(2026)
- Upwork Research Institute「From Burnout to Balance: AI-Enhanced Work Models」(2024)
- METR「Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity」(2025)
- Dell'Acqua et al.「Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and Quality」(Organization Science, 2026)
- NBER(Humlum & Vestergaard)「Still Waters, Rapid Currents: Early Labor Market Transformation under Generative AI」(2026)
- Federal Reserve Bank of St. Louis「The Impact of Generative AI on Work Productivity」(2025)
- MIT NANDA「The GenAI Divide: State of AI in Business 2025」(2025)
- 情報処理推進機構(IPA)「DX動向2026(データ集)」(2026)
- 情報処理推進機構(IPA)「DX動向2026」(2026)