「作業時間が減った」で止まる人と、そこから労働時間が爆発する人に分かれる
この回の中心にあるのは、AIを導入したのに労働時間が減らない——それどころか増えている——という現実の逆説である。マイキー氏は参加者に「AIを使っているか」「それで仕事量が減ったか」を挙手で確認したうえで、実はその質問は意地悪な質問だったと明かした。作業時間が減ったこと自体は良い。問題は残りの時間で何をしているかだからである。
理論的支柱として持ち出されたのがジェボンズのパラドックスである。19世紀イギリスの経済学者ウィリアム・スタンレー・ジェボンズは、蒸気機関の燃料効率が改善すれば石炭使用量は減ると思われていた局面で、逆に消費量が増えると指摘した。効率化によって採用コストが下がり、利用が加速するからである。同じ現象がLEDでも、ハイブリッドカーの走行距離でも、ハードディスクの容量とクラウド開発でも、そしてペーパーレスと紙の消費量でも繰り返されてきた。
いま米国のスタートアップで起きているのはその最新版だ。AIによって既存作業は確かに減った。しかし新しい仮説が指数関数的に生まれ、その検証作業が倍増した。さらに最終的な承認は人間が行うため、AIが次々と成果物を提出してくるほど経営者の承認作業だけが積み上がる。パソコンが鳴り、スマートウォッチが鳴り、タブレットが鳴る。睡眠不足とメンタル不調が社会問題になっている、というのがシリコンバレーの現状として語られた。
ここで導入されたのが補完と代替という枠組みである。PCもインターネットも、登場時は人が仕事をするための補完だった。補完が成長して代替に変わる。紙の代替になったのはスマートフォンやタブレットである。ではAIは今どちらか——補完である。そして補完の時期には作業時間は上がる。これがこの回の最も実用的な結論だった。
技術導入で削減されるのは既存の作業時間だけである。正しい仮説・検証・目標を新しく立てられる人は、削減された余白に新しい課題を流し込むので、総労働時間はむしろ爆発的に増える。したがって「8時間の仕事が4時間で終わったので今日は終わりです」という人は、AIを全く使いこなせていない人である——というのが講義の判定基準だった。
ジェボンズのパラドックス――効率化が消費を増やす
ジェボンズが指摘したのは、蒸気機関の燃料効率が改善してエネルギー効率が良くなれば石炭の使用量は減少するはずだ、という一見自然な推論が誤りだということである。今まで100で動いていたものが30で動くようになれば石炭量は減るように思える。しかし現実には、採用コストが下がることで蒸気機関そのものの普及が加速し、石炭の消費量は大きく増加した。これが産業革命の一側面である。
- 人物：ウィリアム・スタンレー・ジェボンズ（William Stanley Jevons, 1835–1882）。イギリスの経済学者。限界効用理論の先駆者としても知られる。
- 著作：『The Coal Question（石炭問題）』1865年。発言の「19世紀のイギリスの経済学者」は正確。
- 要確認 数値未特定：「石炭の量が3倍に増えた」という具体的倍率について、期間と対象を特定できる一次データを今回の調査では確認できなかった。19世紀イギリスの石炭消費が大幅に増加したこと自体は確立した事実だが、「3倍」という数字を対外的に引用する際は期間を明記した出典が必要である。
- なお2025年以降、このパラドックスはAIの電力消費・需要予測の文脈で活発に再議論されている。効率化が需要を増やすとは限らないという反論（リバウンド効果の大きさは分野依存）も存在する。
同じ構造を持つ4つの前例
講義では現代の例が4つ並べられた。第一にLED。発光効率が劇的に良くなり電気代が下がった。結果として照明は民主化され、あらゆる場所でライトが使われるようになり、電気の使用量は上がった。第二にハイブリッドカー。燃料効率が良くなった結果、運転距離のデータを見ると人はより遠くへ行くようになった。
第三にハードディスクとクラウド。データ容量が増え電力効率が上がると、いろいろなものを投入できるようになり、AWS・Azure・Google Cloudといった基盤が登場して、そこでソフトウェアを開発する人が一気に増えた。ある指標が下がった結果、別の何かが上がったのである。第四にペーパーレス。1980〜90年代に「もう紙を印刷しない時代が来る」と言われたが、実際にはPCとメールで資料が簡単に作れるようになった結果、紙の消費量は爆発的に増えた。4時間かかっていた資料作りが1時間で終わるようになり、誰もが提案を量産するようになったからである。
米国スタートアップで起きていること――承認作業の地獄
マイキー氏が「アメリカのスタートアップ界でかなりの社会問題になっている」として紹介したのは次の状況である。AIを導入すればするほど仕事量が増え、睡眠不足が起こり、事業が拡大し、24時間監視されている状態になり、メンタル不調を起こす。これは労働の効率化ではなく過剰労働だという調査が多数出ている、と。
その原因はこうだ。AIができることによって新しい課題が生まれ続ける。新しい仮説が出来上がるので、それを検証する作業が指数関数的に増える。結果として作業量が倍増する。さらに深刻なのは承認のボトルネックである。AIがトレーニングされ、様々なものを次々に提出してくると、10分に1回スマートウォッチが鳴り、ずっと承認作業をしなければならない。最終的に承認するのは人間だからである。
AIに任せることで多くの作業は削減される。しかしその成果物を承認し、OKを出す判断は社員に任せるわけにいかない。結果として経営者の仕事だけがばかみたいに増える。パソコンが鳴り、スマートウォッチが鳴り、タブレットが鳴る。「これOK、これダメ、これは見直し」を1日中やり続ける状態が、シリコンバレーで実際に起きている問題として語られた。
日本の状況との対比も提示された。日本ではYouTubeやメディアが「労働時間が減った」「働いている時間が効率化された」と語る傾向がある。一方でAIを駆使して車やロボットを作っている中国の労働時間はどうか——増えている。新しい課題、新しい目的、新しいターゲットが次々に出てくるから、もっと働かなければならなくなっているからだ、というのがマイキー氏の見立てである。（この文脈で、中国のロボット運動会で400m走の記録が話題になった件にも触れられた。）
AI導入とスタートアップの過重労働・メンタル不調を結びつける調査が「むちゃくちゃ出ている」という発言について、今回の検索では該当する具体的な調査レポート名を特定できなかった。関連する学術的知見としては後述のFrontiers in Psychology論文（AI依存→期待水準上昇→不安→インボリューション）が最も近い。「米国スタートアップの調査」として第三者に引用する際は、具体的な調査名を確認したうえで使うのが安全である。
アセモグル＝レストレポの成長曲線と価格弾力性
この現象を理論として説明する研究として、ダロン・アセモグルとパスカル・レストレポの名前が挙げられた。自動化技術が稼働時間にどう影響するかを扱った研究で、講義での要約はこうである。人間労働を機械が代替するということは、もっと難しく複雑な問題を生み出すことと相互関係になっていなければ、成長曲線に入っていない。すでに新しいものが来て今までのものが簡単になるということは、他のもの、今まで見えなかったことが見えるようになっているはずだ、と。
これを繰り返すことによって何ができるか。サービスや製品が生み出す価格弾力性を高くすることに結びつく。逆に、作業時間の削減で終わってそれをそのままサービスとしてアウトプットすると、価格弾力性が低い状態で製品を市場に出すことになり、結果として価格競争に巻き込まれ、商品自体が廃れてしまう。
- 論文：Daron Acemoglu & Pascual Restrepo, "Automation and New Tasks: How Technology Displaces and Reinstates Labor", Journal of Economic Perspectives, Vol.33 No.2, Spring 2019, pp.3–30。
- 中核概念：自動化は既存タスクから労働を追い出す置換効果（displacement effect）を持つ一方、新しいタスクを生み出して労働需要を回復させる復元効果（reinstatement effect）を持つ。両者のバランスが賃金と雇用シェアを決めるという枠組みで、講義の「代替と新しい複雑な問題の生成が相互関係でなければ成長曲線に入っていない」という要約はこの理論と整合的である。
- 補足の注意：アセモグルは近年、生成AIの短中期的な生産性押し上げ効果を控えめに見積もる立場を取っており、「AIが自動的に成長をもたらす」という楽観には批判的である。講義の論旨（自動的には成長しない、新タスク創出が伴って初めて成長する）はむしろこの慎重論と同じ方向を向いている。
身近な言い換えも添えられた。自分と同じ作業をしている人がいて、8時間かかっていた仕事が4時間で終わるようになったとする。隣のライバルも同じく4時間で終わるようになったが、彼は残りの4時間をいろいろな課題に充て、結果10時間働くようになった。そうなったらその人には絶対に勝てない、というのが実感としての結論である。
講義で「新システムを定着させる過程で短期的には生産性が低下する」という調査の出所として「マングループ」が挙げられたが、文脈からは投資運用会社のMan Groupではなく人材サービス大手ManpowerGroup（マンパワーグループ）を指している可能性が高い。ManpowerGroupは労働トレンドに関する年次レポートを継続的に発表しており、直近では "The Human Edge — 2026 Global Trends Report" がある。ただし「Future of Work Trends Report」という名称の該当レポートおよび「短期的に生産性が低下する」という具体的知見は今回の検索で特定できなかった。引用時は必ずレポート名と発行年を確認されたい。
出典：https://www.manpowergroup.co.in/human-edge-report/MPG-The-Human-Edge-2026-Global-Trends-Report.pdfなお講義では、そうでない場合——つまり生産性が下がらないケース——について「需要の弾力性に乏しい」「限定的な課題にしかAIを適用できていない」「新しい仕事を作り出せず成長機会を見逃している可能性があるので注意」という警告も紹介された。
補完と代替――AIは今どちらか
この回でもっとも実用的な枠組みが補完と代替である。PCやインターネットといったデバイスは、まず人が仕事をするための補完として始まる。補完されているものが成長すると代替に変わる。紙の代替品になったのはスマートフォンであり、タブレットである。紙がなくても漫画が読め、新聞が読めるようになった。補完から代替へ移る作業が循環として存在する、というのが講義の整理である。
ではAIは今どちらか。参加者との応答で確認されたのは補完だった。そして補完の時期には作業時間が上がると言われている。だからAIで実務作業自体が落ちるのは構わない。8時間が4時間で終わってよい。ただしそうすると、今まで見えなかった課題や疑問、今までできなかったことに時間を回せるようになる。そこにどんな時間を使っているかのほうが重要になる。
人間の作業を支援する。最終判断・承認は人間に残る。既存作業は減るが、新しい課題が生まれるため総労働時間は増える。ボトルネックは人間の承認能力に移動する。
人間や旧デバイスの役割そのものを置き換える。新しいインターフェースの登場が引き金になる。この段階に至って初めて、旧作業は消滅する。
8時間の労働を4時間で終えて「もう仕事は終わりです」という人は、AIを全く使いこなせていない人である。普通であれば、AIやシステムを導入して何かが削減される分だけ余白が生まれ、新しいアイデア・疑問・課題が生まれて、そこに取り組む時間に思いきり費やされ、結果として時間は長くなる。削減された時間を何に使っているか——これが問いの本体である。
水準の上昇とワークス・インボリューション
もう一つの理論的補助線として、スキル水準の恒常的な上昇が挙げられた。パソコンが使えたらすごい、という時代から、パソコンが使えなかったらまずい、という時代に変わった。同じように、綺麗に資料を作る、プログラミングができる、コードを書けるといったことは、もう当たり前の世界になってしまった。ということは、企業・投資家・市場が求める水準も確実に上がる。
これに対して人が取る行動には複数のパターンがある、という研究として「ワークス・インボリューション」が紹介された。講義で挙げられたのは3つで、①自分のポジションを守るために動く人、②既存のことをやって量でカバーしようとする人、③変化だけを求める人である。既に水準レベルのもの、自分が今まですごいと言われたものがすごくなくなってしまった以上、変化をベースに考えなければ次に評価されることはないだろう、という発想を持つ人と持たない人とで圧倒的な差が出る、と。
- 論文：Ruochen Huang（福州職業技術学院）, "Transforming Work or Eroding Social Capital? How Reliance on Artificial Intelligence Drives Workplace Involution", Frontiers in Psychology（Organizational Psychology セクション）。
- 発表年の差異：講義では「2025年の最新研究」とされたが、実際の公開は2026年5月25日。
- 中核知見の差異：この論文の主張は「AI依存がインボリューションを直接引き起こす」ではない。AI依存 → 業績期待の高まり → 従業員の不安 → 職場のインボリューションという逐次媒介経路が有意であり、AI依存とインボリューションの直接効果は有意でないと報告されている。つまり技術そのものではなく、評価圧力と心理反応が有害な競争行動を駆動しているという結論である。この点は講義の「水準が上がるから人が変わる」という説明と方向性は一致するが、因果の焦点が「技術」ではなく「評価圧力」にある点は押さえておく価値がある。
- 要確認 出所未特定：講義で示された「3つの行動パターン」の分類は、この論文の記述としては確認できなかった。話者独自の整理である可能性が高い。
変化に要する時間は膨大にかかるため、労働時間が跳ね上がるのは仕方がない。むしろ生産性が一時的に落ちたとしても、最終的にはその生産を長期的に取り戻していく流れを作る。これが綺麗なジェボンズのパラドックス——まず生産性が落ちて、その後に上がっていく——という1つの流れになる、というのが講義の締めである。
モラベックのパラドックスと「AIにできないこと」
最後に別の角度からの概念としてモラベックのパラドックスが紹介された。人工知能やロボティクスの研究で使われる言葉で、講義での用法は「これまでの既存作業スキル——データ処理、成果物の作成、プログラミング、コードを書くこと——は簡単になっている。ではAIにはできないところは何なのか。そこが価値を生む」という主張として提示された。
そのうえで、人間の価値として4つが挙げられた。感覚・文脈・交渉・高い評価基準である。この4つはAIには作れない、というのが紹介された理論の骨子だった。したがってAIで空いた時間を何に使うか、そして今後AIができることが増えるほど手持ちのスキルが無効化される可能性がある以上、AIにはできないことは何なのかを探るほうが重要ではないか——これが講義の結びである。
- 原典：ハンス・モラベック『Mind Children』（1988年）ほか。マービン・ミンスキー、ロドニー・ブルックスらも同趣旨を述べている。
- 原義：「高度な推論はごくわずかな計算資源しか必要としないが、低次の感覚運動スキルは膨大な計算資源を必要とする」。つまり人間にとって難しいこと（チェス・論理）はAIに易しく、人間にとって易しいこと（歩く・掴む・見る）はAIに難しいという逆説である。
- 4項目との関係：講義で挙げられた「感覚・文脈・交渉・高い評価基準」という4分類は、モラベック本人の主張ではなく話者（あるいは引用元の論者）による現代的な再整理と理解するのが正確である。要確認 具体的な提唱者は今回の検索では特定できなかった。
- 注意点：近年はロボティクスの進展（中国のヒューマノイド競技会での走行・跳躍性能など、講義でも言及）により、モラベックのパラドックスが指した「AIに難しい領域」自体が縮小しつつあるという議論もある。「AIにできないこと」のリストは固定ではなく、毎年書き換わる前提で持つ必要がある。
| 領域 | 状況 | 投資・キャリアへの含意 |
|---|---|---|
| データ処理・資料作成 | ほぼ代替済み。できて当然の水準へ | 差別化要因にならない。ここに時間を使い続けるのは水準低下と同義 |
| プログラミング・コード | 大幅に補完。生産量が跳ね上がった | 書ける量ではなく「何を書かせるか」の設計側へ移動が必要 |
| 承認・最終判断 | 人間に残る。ゆえにボトルネック化 | 判断のスループット自体が経営資源になる |
| 感覚・文脈・交渉・評価基準 | 現時点では代替されにくいとされる | ただし「できないことリスト」は毎年縮む前提で更新し続ける |
質疑応答・会場とのやりとり
宿題・アクションアイテム
- AIによって削減された自分の作業時間を実数で把握し、その余白を何に配分しているかを書き出す。配分先がないなら、それがそのまま課題である。
- 自分の主要スキルについて「これはもう当たり前の水準になっていないか」を点検し、市場が求める水準の上昇分を見積もる。
- アセモグル＝レストレポの置換効果／復元効果の枠組みで、保有・検討中の銘柄が「新しいタスクを生み出している側」か「既存タスクを削っているだけの側」かを判定する。
- 「AIにできないこと」の自分なりのリストを作り、四半期ごとに更新する（リストは縮む前提で持つ）。
- 補完→代替の循環において、注目分野が今どちらの段階にあるかを判定する枠組みとして使ってみる。