未来を買うことは、未来をつくることではない——AI投資と実践的価値化論

技術投資の妥当性は、導入や利用の量だけでは判断できない。何を望み、どの行為が変わり、誰にどの帰結が生じ、それによって次の判断をどう修正できるかを問う。本稿の「実践的価値化論」は、この接続を考えるための理論的提案である。

AI投資における期待・実践・価値の断絶—「実践的価値化論」の試論

はじめに

私は、株式会社Actionaryの設立以前から、6年余り事業主として経済活動に携わってきた。AIだけでなく、ITと総称される領域を軸に、経験や学びへの自己投資を含め、さまざまな投資を行ってきた。若輩者なりに投資判断を重ねるなかで、いわゆる技術投資のあり方に強い違和感を抱いている。今回はこの違和感を、学術的な視点からひもといてみたい。

要旨

技術への期待は、まだ存在しない可能性へ人と資源を向かわせる。しかし、期待によって投資が成立することと、その投資が具体的な価値を生むことは、同一ではない。本稿は、この差異を単なる導入失敗や経営者の判断不足としてではなく、社会的な未来像、組織の正当性、日常的な実践、成果の評価、価値の配分が接続される過程の問題として捉える。

期待の社会学、組織制度論、技術の実践論、組織学習論、情報システム研究、プラグマティズムを参照し、本稿では「実践的価値化論」と呼ぶ分析的・規範的な立場を提示する。その中心命題は、技術投資の妥当性を、期待の大きさ、導入の有無、利用頻度、あるいは短期的収益だけで判断するのではなく、期待が行為を方向づけ、その行為の帰結が期待と次の判断を修正できるかによって検討する、というものである。

この立場は、無批判な技術礼賛と、一律の投資回避をともに退ける。同時に、投資の成果を企業利益だけに還元せず、誰が利益を受け取り、誰が移行や運用の負担を引き受けるのかを問う。日本のバブルとその後の経験は、AIの将来を予言する類推ではなく、成功の物語が判断を代行する構造と、現実への応答を妨げる制度を考えるための参照点として扱う。

キーワード： 技術投資、期待の社会学、組織的正当性、脱結合、組織学習、価値実現、生成AI

本稿は公開文献に基づく理論的論考であり、新たな実証データの収集や因果効果の推定を報告するものではない。文献・資料の確認日は2026年9月7日。

1．問題の所在——技術の未来と、自分たちの未来のあいだ

ある技術が社会を変えることと、その技術を購入した企業が報われることは、別の問題である。

さらに、企業が報われることと、その企業で働く人や、その企業の顧客が報われることも、同じではない。

この区別は、言葉にすれば単純である。しかし、技術投資について考えるとき、私たちはしばしば、これらの異なる問いを一つにまとめてしまう。

「AIは世界を変える」という予測が、「自社もAIを導入するべきだ」という判断に置き換わる。「多くの企業が導入している」という観察が、「導入すれば価値が生まれる」という因果関係の証明として扱われる。そして、「業務を効率化できる」という説明が、「そこで働く人の状況も良くなる」という約束へ滑り込む。

だが、その一つひとつの移行には、本来、説明されなければならない条件がある。

たとえば、国際エネルギー機関の2026年報告は、主要テクノロジー企業の設備投資が2025年に4,000億ドルを超え、データセンター投資の拡大を支えていると報告している。ただし、これは当該企業の設備投資額であり、すべてをAI向け投資と同一視することはできない。また、この規模の大きさだけから、投資の過剰性や将来の回収不能が証明されるわけでもない［1］。

巨額の投資が行われているという事実は重要である。しかし、それが教えてくれるのは、まず、多くの資源が特定の未来像に向けられているということである。

そこから先には、別の問いが残る。

その未来像は、どのような収益や便益を前提としているのか。その便益は誰に帰属するのか。技術を供給する企業、設備を保有する企業、技術を利用する企業では、同じ変化が異なる意味を持つのではないか。そして、個別の現場では、何が実際に変わらなければならないのか。

本稿が扱うのは、この残された問いである。

批判すべきなのは、夢の大きさではない。夢と現実のあいだに必要な営みが、省略されることである。

ここでいう「省略」は、導入計画の不備だけを指すのではない。社会全体の期待から個別の投資判断へ、投資判断から現場の行為へ、行為から成果へ、成果から次の判断へと移る際に、異なる水準の問題が同じものとして扱われることを指している。

したがって、本稿の研究課題は、次のように定式化できる。

技術についての未来像は、どのように組織の投資判断を正当化し、その投資はどのような条件で具体的な価値へ転換されるのか。さらに、価値が実現していない場合にも、その投資を支える説明は、なぜ維持されうるのか。

2．考察の方法——結論を補強するためではなく、問いを修正するために文献を読む

本稿は、網羅的なシステマティックレビューではない。技術への期待、組織による導入、実践と成果の関係、投資の時間構造、価値の配分という論点を横断し、既存研究を照合することで概念を組み立てる、叙述的な文献検討と理論的総合である。

この方法で重要なのは、文献を、自分たちの直観を権威づけるために並べないことである。

出発点には、「実利を伴わないAI投資は無意味ではないか」という問題意識がある。しかし、先行研究に照らすと、この直観は少なくとも三つの修正を必要とする。

第一に、実務上の改善につながらない投資は、必ずしも無知や非合理性だけから生まれるわけではない。外部から正当な組織と認められることや、不確実な状況で説明可能な選択を行うことにも、組織にとっての意味がある。したがって、問うべきなのは「合理的か非合理的か」だけではなく、何に対して合理的なのかである。

第二に、短期的な利益が確認できない投資を、一律に無意味とは呼べない。新しい能力や知識の形成には時間がかかり、その形成過程が通常の成果指標では捉えられない場合がある。したがって、利益の不在と、価値形成の不在を区別しなければならない。

第三に、価値を、成長や収益だけで定義することにも問題がある。ある人が生活の安定や家族との時間を重視しているなら、成長しなかったという理由だけで、その選択を失敗とは評価できない。成果の評価には、目的と価値基準が必要である。

この三つの修正を経て、問題設定は変わる。

「夢を見るな、利益を出せ」という主張では不十分である。より正確には、何を望み、何を変えようとし、何が起こり、その帰結によって何を学び、誰の状況がどう変わったのかを接続して考えよ、という主張になる。

なお、本稿では、記述・説明・規範を区別する。

企業がどのように行動しているかは、記述の問題である。その行動がなぜ生じるかは、説明の問題である。そして、その行動を望ましいと評価するかは、規範の問題である。

データがあるというだけで規範的な結論が自動的に導かれるわけではなく、望ましい理念を持っているというだけで因果関係が証明されるわけでもない。この区別を保つことが、本稿の議論の前提である。

3．期待は、現実の反対側にあるのではない

3.1．未来への期待は、現在の行為を組織する

「夢」と「現実」を対置するとき、夢はしばしば、現実から離れた空想として扱われる。

しかし、新しい技術や産業は、まだ存在しないものへの期待なしには、十分な協力や資源を集められない。未来について語ることは、現実の外に逃れることだけではなく、現実の形成に参加することでもある。

Borupらが整理した「期待の社会学」は、技術への期待を、将来についての単なる記述ではなく、関係者の関心を集め、役割を与え、協力や行動を方向づける構成的な力として捉える。期待は技術開発の結果であるだけでなく、その展開に作用する条件でもある［2］。

この視点に立つと、夢と現実を完全に分離することはできない。

将来の需要に期待するから設備がつくられ、その設備がつくられるから、以前は不可能だった利用が可能になることがある。技術の将来性に期待するから人が学習し、その学習が技術を有効に使える社会的条件を形成することもある。

したがって、「現時点で価値を証明できないなら投資すべきでない」という基準は、未来を実現するために必要な行為まで排除しかねない。

ただし、ここから「期待されているものには価値がある」と結論づけることもできない。

期待が現実に作用することと、期待された結果が実現することは違う。資源を動かす力があることと、その資源配分が望ましいことも違う。

本稿では、この違いを捉えるため、期待の働きを二つに分けて考える。

現実を開く期待は、未知の可能性へ行為を向け、その帰結を調べることを促す。

現実を覆う期待は、未来への確信によって、現在の行為を検討する必要そのものを消してしまう。

これは、期待を善悪に二分するための分類ではない。同じ期待でも、ある場面では探究を促し、別の場面では批判を封じることがある。区別したいのは、期待の内容だけでなく、その期待が判断の過程でどのように働いているかである。

3.2．「起こる」「望ましい」「実現する」は別の命題である

技術についての言説では、予測、希望、約束が混ざりやすい。

「AIが広く普及する」は予測である。「AIによって働き方が良くなるべきだ」は価値判断である。「このサービスによって顧客の負担を減らす」は、行為に関わる約束である。

これらが一続きに語られると、普及の予測が、望ましい未来の保証に変わり、その保証が、個別サービスの購入理由になる。

しかし、普及する技術が必ず望ましいとは限らない。望ましい未来が、特定の製品によって実現されるとも限らない。そして、実現すべき未来があるとしても、その費用や負担を誰が引き受けるかは、別途決めなければならない。

本稿が求めるのは、夢を小さくすることではない。夢を語る際に、予測・希望・約束の境界を曖昧にしないことである。

4．「みんながやっているから」は、なぜ判断理由になるのか

4.1．効率性とは異なる、組織の正当性

技術投資を、効率性だけから説明することはできない。

MeyerとRowanは、組織の形式的な構造が、技術的な必要だけでなく、制度的に正当とされる形式を取り込むことによって形成されると論じた。組織は、そのような形式を採用することで、正当性や資源、安定性を得ることがある［3］。

また、DiMaggioとPowellは、組織が似た形へ変化する過程を分析し、不確実性への対応として他組織を模倣する作用を、その一つとして位置づけた［4］。

この観点をAI投資に適用すると、ある企業がAIを導入する理由は、業務改善だけではないと考えられる。

たとえば、取引先に将来への対応を説明するため、採用市場で先進性を示すため、競合より遅れているという批判を避けるために、導入が選ばれることがありうる。

ここで注意すべきなのは、これらを、ただちに偽物の価値と呼ばないことである。評判や信頼が取引や採用に寄与するなら、それも企業にとっての価値になりうる。

問題は、外部から評価されることと、内部の仕事が改善されることを、同じ成果として扱うことにある。

「先進的な企業と認識された」という成果を、「従業員の仕事が改善された」という成果の証拠にはできない。逆に、外部への見え方に変化がなくても、現場の負担が大きく減っているなら、その改善は存在する。

投資を評価するには、何を目的としていたのかを、後から都合よく入れ替えない必要がある。

4.2．未来に参加しているという安心を買う

本稿では、技術を用いて状況を変えることよりも、その技術を持つことで「未来に取り残されていない」と確認することに主要な意味が移る状態を、「未来参加の消費」と呼ぶ。

これは、個人の虚栄心だけを指す概念ではない。

周囲が導入を当然視している状況では、導入しない理由の説明には労力がかかる一方、導入する理由は「他社もやっている」で済むかもしれない。その場合、投資を行うことは、批判される可能性を下げる選択になりうる。

ここから導かれる仮説は、無駄な投資が、単に考えなかったために生まれるとは限らない、ということである。

説明しやすい選択をすることが、よく機能する選択をすることよりも報われる環境では、判断能力のある人であっても、実務上の改善から離れた投資を選びうる。

したがって、問題を「経営者はもっと勉強すべきだ」という訓戒だけで処理することはできない。何を示せば評価され、何を改善しても評価されないのかという、組織の評価構造まで検討する必要がある。

5．実践的価値化論——技術の価値を、関係と過程として捉える

5.1．価値は、技術の内部に完成品として入っているのか

本稿は、技術の性能と、その技術によって実現する価値を区別する。

これは、性能が重要でないという意味ではない。性能不足の技術を、運用努力だけで有効にできるとは限らない。

ただし、性能が高いことだけでも価値は決まらない。何をするために、誰が、どのような状況で使うのかによって、同じ性能の意味は変わる。

Orlikowskiの技術研究は、技術の利用を、現場で繰り返される実践を通じて成立する過程として捉える。導入された技術が組織に一方的に効果を及ぼすというよりも、利用と組織的な実践の関係に着目する立場である［6］。

また、CohenとLevinthalは、外部の知識を認識し、取り込み、活用する能力を「吸収能力」として論じ、その形成に既存の関連知識が重要であるとした［7］。

これらの議論に照らせば、技術を取得することと、技術の可能性を活用できるようになることは、異なる活動として扱う必要がある。

本稿でいう価値化とは、技術的な可能性を具体的な行為へ接続し、その行為によって生じた変化を、関係者の目的や負担に照らして評価し直す過程である。

5.2．プラグマティズムとの接続

この立場の哲学的な接点として、デューイのプラグマティズムがある。

デューイは、思想や概念を、具体的な問題状況から切り離された最終回答としてではなく、状況の再構成に関わるものとして扱った。同時に、その有用性を、個人が望む利益や主観的な満足へ還元する理解を明確に批判している［5］。

本稿は、この観点から、理念と実務の関係を考える。

理念は、現実から独立して保存しておけばよいものではない。しかし、現実に合わせて理念をすべて捨てればよいわけでもない。

理念によって、現状の何を問題と捉えるかが変わる。行為によって、新しい現実が生まれる。その帰結によって、理念の意味や適用の仕方も修正される。

したがって、ここでいう実践とは、「理論を後から現場に当てはめること」だけではない。現実への働きかけを通じて、自分たちが何を目指しているのかについても学ぶことである。

ただし、何が起きても理念を言い換えて正当化できるなら、探究は成立しない。目的の修正には、新しい事実や理由が必要である。成功の基準を、失敗のたびに移動させることとは区別しなければならない。

6．期待と価値のあいだにある、五つの接続問題

以上の議論を、技術投資の分析に用いるため、本稿では次の関係を考える。

未来像 → 投資判断 → 実践の変化 → 成果 → 価値の評価・配分 → 次の判断

これは、すべての投資が順番どおりに進むという工程表ではない。現場での試行が先にあり、そこから投資方針が生まれることもある。目的が途中で変わることもある。

ここで示しているのは、区別して検討すべき接続である。

6.1．未来像と投資判断の接続

第一の問題は、社会全体の未来像が、個別の投資理由へ適切に翻訳されているかである。

「AIによって産業が変わる」という主張だけでは、「この業務に、この費用で、このサービスを導入する」という判断の説明にはならない。

自社の何が制約となっているのか。その制約は技術によって変えられるのか。ほかに実行可能な方法はないのか。必要な変化が、製品の機能とどのようにつながるのか。

これらが不明なままでは、技術の将来性についての判断が、自社の投資適合性についての判断を代行している。

6.2．投資判断と実践の接続

第二の問題は、資源を投入した結果、現実の仕事が変化するかである。

契約が成立しても、日常業務に組み込まれるとは限らない。利用手順があっても、そのための時間や権限が確保されているとは限らない。

たとえば、情報を自動整理できても、整理された情報を誰が確認し、誰が行動に移すのかが決まっていなければ、仕事の流れは変わらない。

このとき、導入は成立していても、実践への接続は成立していない。

6.3．実践と成果の接続

第三の問題は、使われていることが、目指した成果につながっているかである。

BromleyとPowellは、方針が実践されないという問題と、実践自体は行われているものの、それが目的と十分につながらないという問題を区別した。後者は「手段と目的の脱結合」と呼ばれる［9］。

AI導入でも、利用回数が増え、生成物が増え、報告書が増えているにもかかわらず、本来の課題が改善されない状況は、分析上区別すべきである。

情報システム研究でも、単なる利用と、有効な利用は同一視されていない。Burton-JonesとGrangeは、情報システムの性質と目的を踏まえ、利用がどのように成果につながるかを理論化している［10］。

したがって、「利用率が低いから成果が出ない」という説明だけでは足りない。利用率が高くても、間違った行為が効率よく繰り返されている可能性は残る。

6.4．成果と価値の接続

第四の問題は、生じた成果が、誰にとっての価値なのかである。

作業時間の短縮は、観察可能な変化である。しかし、その時間が、残業削減、顧客対応の改善、別の仕事の追加、あるいは人員削減のどれに変わるかによって、関係者にとっての意味は異なる。

技術から生じた利益が、技術を生み出した主体にそのまま帰属するわけではないことは、Teeceのイノベーション研究でも重要な論点であった。Teeceは、補完的な資産や利益を確保する条件に着目し、技術的成功と収益獲得を区別している［8］。

同論文の主たる対象はイノベーターの収益獲得であり、個々のAI利用企業と分析単位は異なる。しかし、価値が生まれることと、特定の主体がその価値を受け取ることは別であるという区別は、本稿にとっても重要である。

6.5．評価と次の判断の接続

第五の問題は、結果が、その後の行動を変えられるかである。

成果を測定していても、その結果によって予算や運用を見直せないなら、測定は判断につながっていない。

不利益を把握していても、それを報告した人が不利になるなら、問題は正確に伝えられないかもしれない。撤退の基準を設けていても、撤退が担当者の失敗としてのみ扱われるなら、その基準は実際には使われないかもしれない。

本稿は、この最後の接続を特に重視する。

価値化の問題は、成果が生まれないことだけではない。成果が生まれていないという情報が、次の判断に作用しないことでもある。

7．なぜ断絶は維持されるのか——期待の循環と、現実への応答

7.1．入力が、成果の証拠に置き換わる

投資額、導入社数、利用者数、生成回数は、活動の規模を示す指標である。しかし、それ自体では、望ましい成果が生まれた証拠にはならない。

本稿では、これらの入力や活動量が、価値実現の証拠として扱われる過程を、「入力の成果代替」と呼ぶ。

その典型的な循環は、次のように表現できる。

期待が高まる → 投資や導入が増える → その増加が技術の成功として語られる → 期待がさらに高まる。

この循環は、必ず虚偽であるとは限らない。普及の拡大によって費用が下がり、利用環境が整い、実際の価値が増える可能性もある。

問題は、投資や導入の増加とは独立した成果の確認がなくても、循環が成立してしまうことである。

「多くの企業が使っているから有効である」と、「有効だから多くの企業が使っている」が相互に支え合うとき、実際に何が改善されたかという問いが入り込む余地は小さくなる。

7.2．期待の時間と、実践の時間

ここに、時間の非対称性が重なる。

投資の発表や新機能の公開は、ある時点の出来事として示しやすい。一方、情報の取り扱い方、判断の仕方、責任分担、技能の形成は、継続的な変化として進む。

本稿が提示する仮説は、外部に変化を示すための時間と、内部で能力を形成するための時間の差が大きいほど、評価制度によっては、実質的な改善よりも、改善を示す外形へ資源が向かいやすくなるというものである。

この仮説は、企業が常に外形を優先するという断定ではない。むしろ、どのような評価制度が、この時間差を埋め、どのような評価制度が拡大するのかを研究対象にする。

たとえば、短期的な導入件数だけが評価されるなら、利用環境の整備は遅れやすいかもしれない。反対に、途中の学習や業務変更が評価されるなら、同じ導入圧力が、能力形成の契機になる可能性もある。

7.3．学習とは、報告書を残すことではない

期待の循環に対し、別の循環を考えることができる。

仮説を置く → 行動する → 帰結を観察する → 仮説や行動を修正する。

ただし、「振り返りを実施した」「知見を共有した」という事実だけでは、この循環が成立したとは言えない。

何が分かったのか。その知見によって、継続・拡大・変更・停止の判断はどう変わったのか。同じ誤りを繰り返す条件は取り除かれたのか。

こうした変化がなければ、学習という言葉も、活動を正当化する形式になりうる。

本稿では、帰結が判断を修正できる性質を、「帰結への応答可能性」と呼ぶ。

それは、結果を知る能力だけではない。異論を伝える経路、その異論を検討する権限、判断を変更できる制度、変更に必要な資源を含む。

この観点から見れば、期待の問題は、楽観的すぎることだけにあるのではない。

期待が病理的になるのは、現実の帰結によって修正される可能性を失ったときである。

8．不確実性を引き受ける——短期利益主義では捉えられない投資

8.1．意味のある投資は、成功した投資と同義ではない

成功した投資を、後から「意味のある投資」と呼ぶだけでは、理論としての説明力は乏しい。

適切な理由に基づいて選ばれた投資でも、外部環境や偶然によって失敗することはある。逆に、根拠の薄い投資でも、結果として成功することはある。

したがって、投資の妥当性は、実現した結果だけでなく、判断時点で利用できた情報、想定していた可能性、引き受けた負担、その後の学習から検討されなければならない。

Marchは、組織学習における探索と活用を区別し、新しい可能性を探る活動は、既存の能力を使う活動と比べて、収益が不確実で、時間的にも遠くなりやすいことを論じた［11］。

確実で早い成果だけを求める評価は、既存の仕事を改善することには向いていても、まだ評価の仕方自体が定まっていない可能性を探る活動には不利になりうる。

本稿は、こうした探索を排除しない。

8.2．生産性Jカーブを、免責の物語にしない

Brynjolfsson、Rock、Syversonの「生産性Jカーブ」は、AIのような汎用技術には補完的な投資が必要であり、その一部が無形で十分に測定されないため、技術普及の初期には生産性成長が過小に測定される可能性を論じている［12］。

ここで重要なのは、この議論が「最初に利益が出なくても、待っていれば必ず成功する」という法則ではないことである。

同論文は、補完的な無形投資と生産性測定の関係を扱っている。個別企業の赤字や利用不振を、それだけで正当化するものではない。

成果が見えない状況には、少なくとも異なる可能性がある。

実際には能力形成が進んでいるが、既存指標に表れていないのかもしれない。技術と業務が適合していないのかもしれない。補完的な投資が不足しているのかもしれない。あるいは、前提としていた価値自体が存在しないのかもしれない。

これらを区別しないまま「まだ初期段階だから」と説明し続ければ、Jカーブもまた、現実から期待を守る物語になる。

8.3．探索的投資は、何を残すのか

本稿では、投資が残しうるものを、直接的な成果だけに限定しない。

業務品質や費用の改善が残ることもあれば、技能やデータ整備、連携可能性といった能力が残ることもある。また、以前は判断できなかった選択肢について、継続すべきか、やめるべきかを判断できるようになることもある。

ただし、何かを学んだという事実だけでは、その投資額が正当化されるわけではない。

同じ知識を、より少ない費用で得られた可能性はないか。得られた知識は、別の意思決定に利用できるのか。失敗の理由を「現場が使いこなせなかった」とするだけで、具体的な条件が何も明らかになっていないのではないか。

学習価値は、失敗を成功と言い換えるための言葉ではない。将来の判断を改善する能力として検討されるべきものである。

また、すでに将来収益として見積もった効果を、別途「学習価値」として加算すれば、同じ便益を二重に数えることになる。価値を広く捉えることと、価値を都合よく水増しすることは違う。

9．利益とは何か——成果の発生、獲得、配分を分ける

9.1．「効率化した」は、評価の終点ではない

会議記録の作成時間が短縮されたとする。

その時間に人件費単価を掛ければ、金額に換算することはできる。しかし、その金額が、そのまま現金支出の減少になったとは限らない。

残業が減ったのか。顧客への対応量が増えたのか。新しい仕事が可能になったのか。余裕が回復したのか。それとも、確認や修正の仕事が別の人に移っただけなのか。

この違いを曖昧にしたまま、すべてを「利益」と呼ぶと、投資評価は正確さを失う。

時間の余裕にも価値はある。仕事の不安が減ることにも価値はある。ただし、それらを現金利益と同じ意味で扱う必要はない。

9.2．比較対象、当事者、期間を明示する

本稿では、ある選択の価値を、次のような比較として考える。

ΔVⱼ(a, b; T) = Vⱼ(a; T) − Vⱼ(b; T)

ここで、a は評価する選択、b は比較する実行可能な選択、T は評価期間、j は企業、従業員、顧客などの当事者を表す。

V は、必ずしも金額一つではない。利益、時間、品質、裁量、負担など、明示した複数の評価軸を含む。

この記法が要求しているのは、価値の客観的な単一尺度を発見することではない。何と比べ、誰にとって、どの期間に、何が変わったと評価するのかを明らかにすることである。

比較対象には、何もしないことだけでなく、業務を廃止すること、既存の手順を整理すること、非AIの自動化を行うことも含まれる。

なお、同じ組織が同じ時点に別の選択をした場合の結果を、直接観察することはできない。そのため、導入前後の変化を、ただちに導入の因果効果とは見なせない。比較可能性や交絡を検討する必要がある［14］。

9.3．価値の総量と、その配分は別の問題である

企業に利益が生じても、従業員の負担が増えることはありうる。顧客の待ち時間が減っても、利用できる人とできない人の差が広がるかもしれない。

技術変化による生産性の上昇と、労働への利益が自動的に一致しないことは、AcemogluとRestrepoのタスクに基づく分析でも示されている。同研究は、自動化による労働の置き換えと、新しいタスクの形成を区別し、それらが労働需要に異なる作用を持つと論じる［13］。

したがって、本稿では、価値の創出、価値の獲得、配分の正当性を分けて扱う。

「全体として利益が増えた」という評価が可能だったとしても、その評価だけで、すべての当事者の不利益が解消されたことにはならない。また、すべての損失を金銭で相殺してよいとも限らない。

ここには、データだけでは決められない規範的な判断が残る。

何を優先し、何を譲れない条件とし、誰の声を判断に含めるのか。技術投資の価値を語ることは、この判断から逃れることではない。

10．実証研究をどう読むか——「AIは効くか」という一問では足りない

以上の理論は、「AIは実際には役に立たない」という前提に立つものではない。

むしろ、異なる条件で異なる結果が報告されていることを、分析の出発点とする。

10.1．顧客対応では、実際の生産性改善が報告されている

Brynjolfsson、Li、Raymondの2025年の査読論文は、5,172人の顧客対応担当者を対象に、生成AI支援の段階的な導入を分析した。一時間あたりの問題解決件数は平均15％増加した一方、効果には経験や技能による違いがあった［15］。

この結果は、特定の現場でAIが実務上の改善に寄与したことを示す重要な証拠である。

ただし、測定されたのは、当該環境における顧客対応の生産性である。すべての業務で同じ効果が得られることや、費用を差し引いた企業利益が同じ割合で増えることまで意味するわけではない。

10.2．同じ研究のなかでも、改善する課題と悪化する課題がある

Dell’Acquaらの研究は、758人のコンサルタントを対象とする無作為化実験を通じて、AIの能力の境界が一様ではないことを検討した。AIが対応できる範囲の課題では遂行速度や品質が改善した一方、その範囲外に設定された課題では、AI利用者が正しい解答を出す確率が19パーセントポイント低かったと報告している［16］。

これは、「難しい仕事ほどAIが苦手で、簡単な仕事ほど得意」という単純な序列では、利用条件を十分に表現できない可能性を示している。

また、対象は研究実施時のモデルと課題である。2026年の掲載論文であることを、2026年時点のあらゆるモデルの性能比較と読み替えてはならない。

本稿にとって重要なのは、AI利用の有無だけでなく、どの課題に、どのような判断でAIを適用するかを分析しなければならないという点である。

10.3．主観的な改善感と、測定結果が一致しない場合もある

Beckerらによる2025年の研究では、経験豊富なオープンソース開発者16人が取り組む246件のタスクについて、当時のAIツールの使用可否を無作為に割り当てた。その結果、AIを使用できる条件では完了時間が19％長くなった一方、参加者は研究後も、AIによって速くなったと見積もっていた［17］。

ここでの19％は、完了時間の増加率である。「生産性が19％低下した」という別の比率と、そのまま同一視すべきではない。また、対象は当時のツール、特定の経験層、慣れたコードベースでの作業であり、開発全体への一般化はできない。

さらに、研究組織METRは2026年2月、後続実験では参加者や課題の選択に偏りが生じ、当時のAIの生産性効果を信頼できる形で推定することが難しくなったと説明している［18］。

したがって、この研究を、時点や条件を無視して「AIは開発を遅くする」という決め台詞に用いることは適切ではない。

むしろ、利用者の実感と測定結果を分ける必要があること、そして技術と利用行動の変化によって、測定方法自体も見直さなければならないことが重要である。

10.4．企業全体の生産性は、タスク単位の改善とは異なる

Yotzovらの2026年のワーキングペーパーは、米国、英国、ドイツ、オーストラリアの約6,000人の経営幹部等を対象とした調査を報告している。過去三年間のAIによる労働生産性への影響について、四か国の調査を集約した値では、89％が「影響なし」に分類された。ここでの生産性は、従業員一人あたりの売上数量という形で質問されている［19］。

この89％を、「AI導入案件の89％が失敗した」と読むことはできない。

調査は経営側の回答に基づき、AI全般を対象としている。個別案件の収益率を監査した結果ではなく、生成AIだけの効果を識別したものでもない。

一時間あたりの問い合わせ処理件数と、企業全体の従業員一人あたり売上数量では、測定している対象が違う。ある作業が速くなっても、それが需要の増加や追加の売上に転換されなければ、企業全体の指標は大きく変わらない可能性がある。

10.5．異なる結果を、無理に一つの結論へまとめない

これらの研究は、対象者、タスク、技術、評価期間、測定方法が異なる。数値をそのまま平均したり、肯定的な研究と否定的な研究の件数で勝敗を決めたりすることには意味がない。

ここから導けるのは、「AIには効果がある」と「AIには効果がない」の中間を取ることではない。

効果を判断する問いの粒度を変える必要がある、ということである。

どの能力が、どの業務に作用したのか。どの負担が減り、どの負担が増えたのか。改善したタスクは、組織全体の制約にどれほど関係していたのか。利用者はどのような判断でAIに依存したのか。

ただし、以上の研究だけで、本稿が論じる制度的同調や期待の循環が、成果不足の原因として証明されたわけではない。実証研究が示した結果と、本稿が提案する説明仮説を混同しないことも必要である。

11．日本史をどう参照するか——上昇と転落の寓話にしない

11.1．「日本は失敗した」という前提から始めない

開国、近代化、復興、高度成長、バブル、停滞という言葉を、一続きの物語として並べることはできる。

しかし、その物語は、そのまま因果関係の説明にはならない。

国家を一人の人物のように扱い、向上心によって成功し、慢心によって失敗したと語れば、制度、政策、金融、産業構造、主体間の利害の違いは見えにくくなる。

また、経済成長、国家の強さ、企業の利益、個人の生活の質は、同じ尺度ではない。軍事的な成功や産業の拡大を、無条件に人間の幸福と結びつけるべきでもない。

日本の経験をAI投資と重ねるなら、歴史を結論の証拠として消費するのではなく、現在の問いを精密にするために用いる必要がある。

11.2．期待の自己強化と、制度的な応答の問題

白塚の研究は、日本の1980年代の資産バブルについて、将来の経済的基礎条件に対する過度に楽観的な期待を重要な特徴として論じている。同時に、期待の持続可能性を当時の情報だけで判断する難しさにも言及している［20］。

一方、Caballero、Hoshi、Kashyapは、経営困難な企業への融資継続が、健全な企業の投資や雇用成長を抑制する経路を分析した［21］。

この二つの研究は、同じ説明をしているのではない。

前者は、将来への期待と資産価格の問題を扱う。後者は、その後の資源配分や企業の再編に関わる金融の作用を扱う。

本稿がここから受け取るのは、「楽観すると必ず失敗する」という教訓ではない。期待が形成される過程と、期待に反する現実が生じた後に資源配分を修正できるかという問題は、分けて分析しなければならないという視点である。

AIの技術的な有用性、AI関連企業への金融投資の収益性、AIを利用する企業の投資効果も、それぞれ別の問題である。ある水準で損失が生じても、別の水準で価値が残る可能性はある。逆に、一部の主体が利益を得たことだけで、全体の資源配分が望ましかったとは言えない。

11.3．成功の外形と、成功を生む能力

ここで、三つの架空の人物を考えてみたい。

一人目は、高価な茶器を手に入れ、豊かな人々と同じように紅茶を楽しむ人である。二人目は、穏やかな家庭生活を送り、大きな事業的成功を求めない人である。三人目は、新しい道具を手に入れ、その使い方を学び続ける人である。

この三人を、浪費する人、何もしない人、成功する人という序列に並べるのは容易である。しかし、その序列には問題がある。

一人目が紅茶の時間そのものを大切にしているなら、茶器の購入には価値がある。二人目が穏やかな生活を望み、その生活を維持できたなら、その人生を失敗と呼ぶ理由はない。三人目も、道具を学んだから必ず成功するとは限らないし、獲得した力の使い方が正当とは限らない。

ここで区別できるのは、人間の優劣ではない。

成果を得た人の外形をまねることと、ある目的を実現するための能力を形成することの違いである。

高価な道具を持つことが、その道具を必要な場面で使えることを保証しないように、先進的なサービスを導入することも、先進的な成果を生むことを保証しない。

同時に、成長しないことを望む選択と、変化する条件を検討せずに放置することも、区別されなければならない。

12．理論を検討可能にする——命題と研究設計

本稿の議論を、実践への姿勢だけで終わらせないためには、経験的に検討できる命題を示す必要がある。

以下は、確認済みの法則ではなく、本稿の枠組みから導かれる研究仮説である。

命題1：同調圧力と成果の関係は、導入後の評価制度によって変わる

周囲の導入に追随して始まった投資でも、その後の評価が業務上の変化や学習を重視するなら、実質的な価値形成へ向かう可能性がある。

反対に、導入件数や利用回数だけが重視されるほど、活動量が増えても、本来の成果との接続は弱いままになりやすいと予測する。

ここでは、投資の出発点が模倣であることと、その後の投資が無意味であることを同一視しない。

命題2：成果を説明するのは、利用量だけでなく、判断と行動の変化である

同じ利用頻度でも、生成された情報が適切な担当者に届き、意思決定や行動を変えている場合と、情報が蓄積されるだけの場合では、成果が異なると予測する。

この命題を検討する際、「有効な利用」を、成果が出た利用という意味で定義してはならない。それでは、「成果が出る利用は成果を生む」という循環した説明になる。

必要な情報が期限内に届いた割合、担当者が変更した行動、確認に要した時間など、最終成果とは独立に観察できる中間過程を定義する必要がある。

命題3：初期成果の不在が持つ意味は、能力形成の進行によって異なる

短期的な財務成果が乏しくても、関連技能や業務設計が形成されている場合と、それらが形成されていない場合では、その後の経路が異なると予測する。

ただし、後から成功した事例だけを見て「能力形成が進んでいた」と判断してはならない。能力形成は、結果を知らない段階で、別の指標によって確認されなければならない。

命題4：帰結への応答可能性は、不適合な投資の継続期間に影響する

不利益の報告が意思決定に届き、投資や運用を修正できる組織では、不適合な実践の継続期間が短くなると予測する。

ただし、停止が早いほどよいわけではない。探索を過度に早く打ち切ることで、将来の価値を失う可能性もある。そのため、投資の性質に応じた評価期間と、途中段階で観察すべき変化を区別する必要がある。

命題5：負担と便益の配置は、利用の持続性に影響する

利益を受け取る主体と、入力・確認・修正・移行の負担を負う主体が分離しているほど、利用継続に摩擦が生じやすいと予測する。

この命題は、現場の不使用や抵抗を、単なる変化への嫌悪として扱わない。利用しないことが、その立場から見て合理的である可能性を検討する。

12.1．成果の測定と、過程の分析を組み合わせる

研究設計としては、投資前の説明、決裁の理由、導入時の目的、実際の利用、評価指標、その後の意思決定を、時間を追って比較する方法が考えられる。

重要なのは、経営側の説明だけでなく、利用者、非利用者、顧客など、異なる立場からの情報を含めることである。成功例だけでなく、非導入が妥当だった例、途中で停止した例、成果が出ていても負担が偏っている例を含める必要もある。

実務上可能であれば、AIの有無と業務再設計の有無を区別した比較も有効である。AIだけの導入、業務再設計だけの実施、両者の組み合わせ、いずれも行わない状態を比較することで、どの変化が成果に寄与したのかを検討しやすくなる。

ただし、この比較だけで、期待や同調の作用まで識別できるわけではない。また、無作為化が難しい場合には、導入した組織としなかった組織の違いが結果に混ざる可能性を検討しなければならない［14］。

本稿の仮説と競合する説明も必要である。

技術性能が不足していただけなのかもしれない。費用が高すぎたのかもしれない。需要がなかったのかもしれない。観察期間が短すぎたのかもしれない。

成果が出なかった事例をすべて「接続不足」と呼ぶなら、この理論は何でも説明できる代わりに、何も区別できなくなる。

13．この立場への反論——実利を問うことも、権力になりうる

13.1．測定できるものだけが残るのではないか

「価値を示せ」という要求は、必要であると同時に危険でもある。

測定しやすい成果ばかりを優先すれば、信頼、余裕、学習、長期的な関係のように、短期の数値に表れにくい価値が軽視されるかもしれない。

また、評価のための会議や報告が増え、それ自体が新たな負担になる可能性もある。BromleyとPowellの議論は、評価や合理化の活動自体が、組織の目的から離れて資源を消費する問題にも注意を向けている［9］。

したがって、本稿は、すべてを数値化することを求めない。

必要なのは、判断を改善するための証拠である。定量的な指標、現場の証言、具体的な事例、失敗の記録を、問いに応じて組み合わせればよい。

評価にかける費用も、投資の規模や影響に釣り合っていなければならない。低費用で容易に戻せる試行に、大規模な投資と同じ審査を課す必要はない。

13.2．接続を強めることは、常によいのか

本稿は、断絶を問題にしてきた。しかし、組織の方針と現場の実践を、無条件に強く結びつければよいわけではない。

方針そのものが不適切である場合、現場がそれをそのまま実行しないことには意味がある。数値目標から距離を取ることで、顧客や利用者を守れる場合も考えられる。

したがって、目指すべきは、あらゆる行為を中央の方針に従わせることではない。

方針そのものを問い返せる関係をつくることである。

「現場をツールに合わせる」ことと、「技術を用いて現場の状況を改善する」ことは、同じではない。必要であれば、現場の実践によって、導入方針や製品設計の側が修正されるべきである。

13.3．技術進歩を、組織の問題へ過度に還元していないか

技術の性能が向上すれば、従来は必要だった訓練や運用設計の一部が不要になる可能性はある。本稿は、組織的な補完投資が、常に同じ形・同じ規模で必要だとは主張しない。

逆に、製品自体の不備を「現場の能力不足」と説明することにも反対する。

技術と実践の関係を論じることは、製品の責任を利用者へ移すことではない。どの負担を技術側が減らせるのか、どの条件を提供側が引き受けるべきなのかも、価値化の分析対象である。

13.4．「現実を見よ」と言う者は、何を現実と呼んでいるのか

企業利益を現実と呼び、従業員の疲労や顧客の不安を主観として扱うなら、その現実主義は、特定の立場を優先している。

反対に、現場の実感だけを絶対視して、費用や事業継続性を無視することにも問題がある。

本稿がいう現実への応答とは、経営側の指標へ従うことではない。異なる立場から見える帰結を持ち寄り、その対立を含めて判断することである。

これは、唯一の価値基準を放棄することではない。しかし、価値基準を持つ者が、その基準によって見えなくなるものに無自覚でいてよい、ということでもない。

14．自社の技術も、批判の例外にはならない

ここまでの議論を、他社の投資や市場の熱狂にだけ適用するなら、本稿は一つの営業上の物語に終わる。

「他社は夢を売っている。私たちは現実を売っている」と宣言するだけでは、自社の正当性を支える新しい期待をつくったにすぎない。

私たちが取り組むDEKISUGIKUNも、この批判の外にはない。

議事録AIを例にすれば、会話が記録されること、必要な情報が取り出せること、判断や行動が変わること、その結果として状況が改善されることは、それぞれ区別される。

記録が増えても、必要な情報を取り出せなければ、利用可能な知識が増えたとは言えない。情報が取り出せても、行動する人や権限が存在しなければ、結果は変わらない。行動が変わっても、その行動が目的に合っていなければ、改善にはならない。

14.1．定着は重要だが、目的そのものではない

本稿の立場では、定着を、毎日操作されることや利用回数が増えることだけで定義しない。

むしろ、必要な場面で、過剰な負担なく、適切な利用が持続している状態として考える。

自動的に働く仕組みなら、操作回数が減ることが改善かもしれない。不要な会議が減れば、録音回数も減るかもしれない。その変化が顧客にとって望ましいなら、利用量の減少を失敗と評価すべきではない。

したがって、定着を目指すことと、利用を無条件に増やすことは違う。

14.2．記録は、蓄積された瞬間に資産になるわけではない

会話の記録は、価値を生む可能性を持つ。しかし、保存された量だけで、その資産性を判断することはできない。

必要な時点で見つけられるか。内容の確かさを判断できるか。古い情報と新しい情報を区別できるか。何のために使うのか。そして、記録されること自体が、対話や信頼にどのような影響を与えるか。

これらが検討されて初めて、記録を価値へ結びつける条件を論じられる。

「データが増えた」から「会社の資産が増えた」へ飛ぶことも、本稿が批判する省略の一つである。

14.3．導入しない結論を、理論の内部に置く

業務の整理だけで十分に改善できる場合や、既存の仕組みで目的を達成できる場合には、新しいサービスを導入しない方がよいこともある。

その結論を認められないなら、価値を基準に技術を選んでいるのではなく、技術を売るために価値を定義していることになる。

したがって、本稿から導かれる提供側の姿勢は、「必ず使わせる」ことでも、「どの企業にも必要だと説明する」ことでもない。

その技術によって何が変わるのかを明らかにし、変わらない場合には、その理由を提供側の責任も含めて検討することである。

ここで述べたのは、製品の設計・評価に課す原則であり、本稿がDEKISUGIKUNの有効性を実証したという意味ではない。個別製品の成果は、それに対応するデータによって、別途検討されなければならない。

結論——夢を捨てるのではなく、夢を現実から免責しない

技術投資の問題を、夢と現実の対立として語ることは容易である。

しかし、未来をつくるには、まだ存在しないものを望み、現在の実績だけでは保証できない選択を行う必要がある。期待をなくせば、無駄な投資だけでなく、新しい可能性を生み出す行為まで失われる。

一方で、期待が必要であることは、期待によってすべての投資を正当化してよい理由にはならない。

本稿が提示した実践的価値化論は、期待の大きさではなく、その期待がどのように行為へ接続され、行為の帰結がどのように判断へ戻るかを問う立場である。

その理論的な提案は、技術投資を単なる導入や成果の問題としてではなく、社会的な未来像、組織の正当性、日常的な実践、価値の配分、判断の修正が相互に関わる過程として扱うことにある。

ただし、この統合がどこまで説明力を持つかは、今後の事例分析や実証的な検討に開かれている。「技術は手段である」という既存の知見を、新発見として主張するものでもない。

本稿が特に問い直したいのは、成果が出なかったことそのものではなく、成果が出なかったという現実が、なぜ次の判断を変えられないのかという問題である。

意味のある投資とは、必ず成功する投資ではない。

また、短期的に利益を出す投資だけでもない。

意味のある投資とは、未来についての仮説を現実に差し出し、その帰結によって、目的と行為を問い直せる投資である。

もちろん、未来は、現在の選択だけで決まるわけではない。選択できる範囲には差があり、制度、他者の行為、偶然も結果に関わる。だから、現実への責任を語ることは、あらゆる結果を個人や現場の自己責任にすることではない。

それは、自分たちが変えられる条件を見定め、他者に負わせている負担を把握し、誤りを認めた後にも行動を修正できる関係をつくることである。

未来を語ることには価値がある。未来に資源を投じることにも価値がある。

しかし、未来への参加を示すことと、未来をつくることは同じではない。

夢に必要なのは、現実に勝つことではない。現実によって問い返される関係を、失わないことである。

著者の想い

日本は、長いデフレの中で事業投資が下手になったと感じています。 投資を「失敗してはいけないもの」と捉え、リスクを避ける。一方で、いざ新しい技術が現れると、今度は期待だけが先行し、「AIを導入すること」「PoCを実施すること」「新しいシステムをつくること」自体が目的になる。 私は、この両方に強い違和感があります。 AIへの期待値を必要以上に高めて売り、導入した後は現場に放置する。成果が出なければ「使う側の問題」で終わらせる。コスト削減や失敗しないことばかりを価値として提示し、顧客の事業が本当に良くなったのかは曖昧なままです。 これでは、AIへの期待と実態は乖離する一方です。そして最後には、「AIは結局使えない」という失望だけが残る。 Actionary自身も、技術をつくることを目的にして失敗した経験があります。AIやAPI、人材に大きく投資し、「面白いものをつくろう」「これはいける」と開発を進めた結果、PoCで終わり、事業として何も残せなかった。 そこで学んだのは、技術をつくることと、価値をつくることはまったく別だということです。 事業投資とは、人か金を投じ、その先により大きな価値を生み出すことです。 その価値は、売上や利益だけではありません。生産性、時間、働きやすさ、やりがい、顧客からの感謝まで含めていい。重要なのは、投資した先に、投じたもの以上の価値が残ることです。 日本人には、圧倒的な学習力と改善力があると思っています。1を渡せば10にし、やがて自分たちで100を定義する。その力があるにもかかわらず、技術を事業に変え、投資を成果へ変換する部分で大きな機会を失っている。 だからActionaryは、AIありきでは考えません。 AIが最適ならAIを使う。業務設計を変える方がいいなら、そうする。そもそも導入しない方がいいなら、導入しないと伝える。 私たちは、投資回収を見込めるプロダクトをつくるメーカーであり、企業ごとの導入戦略と実装を設計するコンサルタントです。 技術を納品して終わるのではなく、その技術が事業の中で意味を持つところまで考える。 技術への投資が、必ず事業の成果へつながる世界をつくる。これは目指す世界の姿であり、個々の投資成果を保証するものではない。 それが、Actionaryの仕事です。

林優輝｜株式会社Actionary 代表取締役

株式会社Actionary 代表取締役 早稲田大学商学部1年 N高等学校8期 兵庫県西宮市出身