米国の労働生産性が20年ぶりの高い伸び──AIより先に効くデジタル化とフィリピン拠点への示唆

米国の労働生産性は20年ぶりの高い伸び──「AIのおかげ」ではない理由と、フィリピン拠点への示唆

米国で労働生産性が過去20年で最も速いペースで伸びていますが、主役はまだAIではありません。フィリピン拠点を持つ日本企業が、業務のデジタル化とAI導入をどの順序で進めるべきかを実務目線で解説します。

Part 1: このテーマが重要な理由

Step 1: フィリピンビジネスでの背景 (3分)

米国で「働く人ひとりが生み出す成果（労働生産性）」が、少なくとも過去20年で最も速いペースで伸び続けています。ところが元記事によれば、その主役はまだ人工知能（AI）ではありません。人手不足で採用が難しい労働市場、仕事のデジタル化、在宅勤務の広がりといった要因が積み重なった結果だと説明されています。

この話は、フィリピンに拠点を持つ日本企業にとって他人事ではありません。フィリピンは、コールセンターや、経理の共通業務センター、ITの問い合わせ窓口などを外部から引き受ける事業が経済の柱のひとつです。「AIを入れたから生産性が上がる」という単純な話ではなく、業務の流れそのものをデジタル化し、人の配置を見直したところに効果が出る、という元記事の指摘は、現地の運営を考えるうえで重要な視点になります。

日本本社から「AIで何割削減できるのか」と問われる場面は増えています。そのとき、米国の実データでもAIの効果はまだ統計にはっきり表れていない、という事実を知っているかどうかで、説明の説得力が変わります。

マニラのオフィス。月曜朝の定例会議で、日本人マネージャーがノートパソコンの画面を全員に見せます。「本社から『AIで何人減らせるか』と聞かれました。でも米国の最新データを見ると、生産性が伸びている理由はAIそのものではないそうです。まず私たちの業務の流れを見直しましょう。そのうえでAIをどこに置くかを決めます」。現地スタッフのマリアさんが、少し安心した表情でうなずきました。

Step 2: 元記事の要点を整理する (5分)

元記事に書かれている事実を、論点ごとに整理しました。

論点	元記事に示された事実
全体の流れ	労働生産性（働く人ひとりが1時間に生み出す成果）は、少なくとも過去20年で最も速いペースで伸びている。AIはその要因のひとつにすぎず、現時点では中心ではない
中央銀行の見方	3月に記者団に語ったジェローム・パウエル氏（当時の米連邦準備制度理事会議長、その後退任）は、これほど長く高い生産性が続くとは思わなかったと述べ、生成AIの効果はまだ現れ始めてもいないとした
現場からの証言	投資会社KKRの投資責任者ヘンリー・マクベイ氏は、医療、テクノロジー、小売の投資先で改善が見られると説明。外食チェーンはクラウドを使って在庫を管理し、在宅勤務によって採用できる人材の幅が広がり、医療記録はデジタルに移行した
雇用環境	失業率は2021年10月以降、4.5%以下で推移。この長さは1960年代以来。人を採りにくいと賃金が上がり、企業は他の部分で効率を探すようになる
人員削減の影響	金融とテクノロジーで大きな人員削減があった。テクノロジー分野の雇用は18か月連続で減少。金融は2025年5月の水準から10万人以上減った
AIと採用の関係	春の連邦準備制度による企業調査では、AIによる効率化で採用を遅らせたり見送ったりしたという回答が多かった。ブルームバーグが決算説明会をまとめた指標でも、ほぼ全業種で採用意欲の低下が見られた
石油業界の例	西テキサスのパーミアン盆地。エレベーション・リソーシズのスティーブ・プルーエット最高経営責任者は、業界再編と掘削技術の向上を理由に挙げた。以前は垂直に2マイル掘り、横に1マイルだったが、今は横にも2マイル掘れる。同社設立の2013年頃に約20万人だった石油・ガス業界の雇用は、今夏には約11万5000人に減った。一方で利益と1人あたり産出は増えた
業種別の動き	専門・企業向けサービス分野の生産性は2021年以降、年3%以上で伸びている。同分野の雇用は2023年から減少。医療、社会福祉、教育が全体の雇用を支えた
慎重な見方	イェール大学バジェット・ラボのAI労働市場追跡調査では、AIの導入と雇用の変化に明確な関連は見つからなかった。同ラボのマーサ・ギンベル事務局長は、生産性のデータは解釈が非常に難しいと指摘
数字の読み方	生産性は産出を労働時間で割った値で、産出側は物価変動を差し引いて計算する。昨年の関税と、今年のイランとの戦争による原油価格の急騰は物価を押し上げ、生産性を実際より低く見せている可能性がある
賃金との関係	ジャレッド・バーンスタイン氏（バイデン前大統領の経済諮問委員会の元委員長）の分析では、この10年間の生産性の伸びは、物価を差し引いた賃金の伸びの2倍だった
個人の実感	米トゥルイスト銀行（ノースカロライナ州シャーロット）の米国経済責任者マイク・スコーデレス氏は、数年前なら若手のエコノミストを3人雇っていた図表作成などの作業を、今は自分ひとりでこなせると語った

出典: The New York Times — 「U.S. Workers Are More Productive Than Ever. And That's Without A.I.」(2026年7月14日)

この表は学習目的で公開情報の事実をもとに作成したものです。詳細は上記リンクの元記事をご確認ください。

関連: フィリピンの人件費とAI自動化——日系企業が知るべき最適なバランスで詳しく解説しています。

Step 3: 理解度チェック (5分)

Q1. 元記事は、米国の労働生産性が伸びている主な理由をAIだと説明していますか。それとも別の要因を挙げていますか。

ヒント: 記事の冒頭で、AIは「材料のひとつ」という位置づけで語られています。

Q2. 米国の失業率は、いつからどの水準を保っていますか。その長さはどのくらい珍しいものですか。

ヒント: 4.5%という数字と、1960年代という時代が手がかりです。

Q3. 石油・ガス業界の雇用は、2013年頃から今夏までにどう変化しましたか。その間に利益と1人あたりの産出はどうなりましたか。

ヒント: 20万人という出発点と、11万5000人という到達点を思い出してください。

Q4. 生産性の数字が短期的に低く見えてしまう原因として、元記事はどんな出来事を挙げていますか。

ヒント: 産出は物価変動を差し引いて計算します。昨年と今年、物価を押し上げた出来事が2つあります。

Q5. 生産性の伸びと、働く人の賃金の伸びの関係について、元記事はどんな分析を紹介していますか。

ヒント: ジャレッド・バーンスタイン氏の分析にある「2倍」という数字がポイントです。

Part 2: 実務への応用

Step 4: フィリピンでの導入ステップ (10分)

元記事の要点は、成果を生んでいるのはAIそのものよりも、業務のデジタル化と人の配置の見直しだという点にあります。この順序をフィリピン拠点にあてはめると、次の進め方になります。

段階	何をするか	フィリピン特有の注意点
1	現状の生産性を測る物差しを決める	「1件あたりの処理時間」など、現地スタッフが自分で確認できる指標にします。米国の統計と同じ土俵に乗せる必要はありません
2	業務の流れを紙に書き出す	口頭の合意や慣習で回っている工程が必ず出てきます。責任者に直接聞き取りを行い、文書に残します
3	まずデジタル化と再配置を行う	紙や表計算ファイルのやり取りをクラウド上に移すだけで効果が出る工程があります。通信環境が不安定な地域では、切り替え前に回線を確認します
4	AIを1業務だけ試す	少額から始めます。月額数千ペソから数万ペソの範囲で試せる用途を選び、効果が見えたら広げます
5	個人情報の扱いを整える	顧客情報を扱う場合はデータプライバシー法の対象になります。監督機関である国家プライバシー委員会（NPC）の規則に沿って、外部サービスに何を渡すかを決めます

各段階での補足を書き添えます。

段階1では、成果指標を欲張らないことが大切です。指標が多すぎると現場が疲れてしまい、数字を作ることが目的になってしまいます。

段階3は、元記事に出てくる外食チェーンの例が参考になります。クラウドで在庫を管理するという地味な改善が、実際の成果につながっていました。

段階4では、人を減らす前提で始めないでください。元記事でも、AIによる効率化を理由に採用を遅らせた企業が多いと報告されていますが、フィリピンでは人員削減の手続きが労働雇用省（DOLE）の規則で細かく定められています。順序を誤ると法的な問題になります。

Step 5: よくある失敗と対策 (5分)

失敗パターン1: 「AIを入れれば生産性が上がる」と信じてしまう

NG例: 本社から「AIで生産性を上げよ」と指示が来たので、まず有料のAIサービスを全員分契約しました。三か月経っても、処理件数はほとんど変わりませんでした。

OK例: まず業務の流れを紙に書き出し、手戻りが多い工程を2つ選びます。そのうえで、その工程だけにAIを試します。効果を確認してから対象を広げましょう。元記事でも、生産性を押し上げてきたのは業務のデジタル化と人の配置の見直しであり、AIはこれから効いてくる材料だと説明されています。

失敗パターン2: 効率が上がった分をすぐ人員削減に結びつける

NG例: AIで作業時間が2割減ったので、契約社員の更新を止めることにしました。現地スタッフの不信感が広がり、優秀な人から辞めていきました。

OK例: 浮いた時間を、これまで手が回らなかった品質確認や新しい業務にあてます。人員の見直しが必要になった場合は、労働雇用省（DOLE）の規則に沿った手続きを踏み、事前に十分な説明を行いましょう。元記事にもあるとおり、効率が上がった分が働く人の賃金に回らない状態が続くと、組織の中に不満がたまります。

失敗パターン3: 顧客情報を確認しないまま外部のAIサービスに入力する

NG例: 業務を早くするために、顧客の氏名や連絡先を含む一覧表を、無料のAIサービスにそのまま貼り付けて要約させました。

OK例: 顧客情報を扱う前に、入力してよい情報と、してはいけない情報を一覧にします。契約内容を確認し、入力した内容を学習に使われない設定にしたうえで利用しましょう。国家プライバシー委員会（NPC）の規則に照らして、社内の判断基準を文書に残してください。

Part 3: さらに深く学ぶ

Step 6: 関連する技術用語 (5分)

労働生産性（Labor productivity）は、働く人が1時間でどれだけの成果を生み出したかを表す数字です。元記事では、産出を労働時間で割って計算し、産出側は物価の変動を差し引いて求めると説明されています。マニラのコールセンターで「1人が1時間に何件の問い合わせを処理できたか」を測るとき、あなたはこの考え方をそのまま使っています。

生成AI（Generative AI）は、文章や画像などを自分で作り出すAIのことです。元記事では、当時の米連邦準備制度理事会議長が3月の時点で、その効果はまだ現れ始めてもいないと述べたと紹介されています。フィリピンの拠点では、英語とタガログ語が混ざった問い合わせメールの下書きを作らせるといった使い方が身近です。

機械学習（Machine learning）は、コンピューターが大量のデータから規則を見つけ出し、次に何が起きるかを言い当てられるようになる仕組みです。元記事では、新型コロナ以降の生産性向上を支えた要素のひとつとして挙げられています。フィリピンの小売業では、過去の売上データから店舗ごとの需要を予測し、在庫の発注量を決める場面で使われます。

クラウドコンピューティング（Cloud computing）は、自社にサーバを置かず、インターネット越しに他社の設備を借りて仕事をする方法です。元記事では、外食チェーンが在庫の管理に使い、効率を高めた例が紹介されています。台風や停電の多いフィリピンでは、事務所の機械が止まってもデータが守られる点が実務上の大きな利点になります。

労働分配率（Labor share）は、国全体で生まれた稼ぎのうち、働く人の給料に回る割合のことです。元記事では、この10年間の生産性の伸びが、物価を差し引いた賃金の伸びの2倍だったという分析が紹介されています。フィリピン拠点でAIを導入して効率が上がったとき、その成果をどこまで現地スタッフの待遇に回すかを考える際の物差しになります。

Step 7: 自社への応用を考える (10分)

生産性の伸びは、本当にAIのおかげなのか

考えるヒント: 自社のフィリピン拠点で、この1〜2年に処理件数や納期が改善した業務を挙げてみてください。その改善は、AIの導入によるものでしょうか。それとも、業務の流れの見直しや、担当者の入れ替え、書類のデジタル化によるものでしょうか。元記事の米国の事例と同じ構造になっていないかを確認します。

効率化で浮いた時間を、誰の取り分にするか

考えるヒント: 元記事では、生産性の伸びが賃金の伸びを大きく上回ってきたことが指摘されています。自社の拠点で作業時間が2割減ったとしたら、その2割を何にあてますか。人員削減、新規業務への挑戦、待遇の改善のうち、どの選択が現地の人材を引き留めるうえで有効かを話し合ってください。

AIより先に手を付けるべきデジタル化はどこか

考えるヒント: 紙の書類、担当者の個人ファイル、口頭で引き継がれている手順が、拠点内にいくつ残っているかを数えてみてください。元記事の外食チェーンや医療記録の例のように、地味なデジタル化のほうが先に効く場面は少なくありません。

次のアクション: 今週中に、フィリピン拠点の主要業務を3つ選び、それぞれの「1件あたりの処理時間」を1週間分だけ記録してください。この数字が、これから何を導入しても効果を判断できる出発点になります。

Part 4: FAQ

Q1. 本社から「AIで人件費を何割削減できるのか」と聞かれています。どう答えるべきですか。

まず、米国の最新データでも、生産性の伸びの中心はまだAIではないと説明されている点を共有してください。元記事では、業務のデジタル化や在宅勤務、人手不足の労働市場が主な要因として挙げられています。そのうえで、自社の業務の流れを見直す作業を先に行い、効果が確認できた工程からAIを広げる進め方を提案するのが現実的です。数字を先に約束しないことが、結果的に本社の信頼につながります。

Q2. フィリピンの人件費は日本より安いので、AIを入れる意味は小さいのではないでしょうか。

人件費の水準だけで判断すると見誤ります。マニラやセブでは、経験のある人材の獲得競争が厳しく、離職も起こりやすい環境です。AIや業務の仕組みで作業を軽くすると、残った時間を品質の確認や新しい業務にあてられます。元記事でも、人を採りにくい状況が企業に効率を探させたと説明されています。同じ力学がフィリピンの人材市場でも働きます。

Q3. AIの導入で人員を減らす場合、フィリピンではどんな注意が必要ですか。

日本以上に手続きの形式が重視される点に注意してください。労働雇用省（DOLE）の規則で、事前通知や書面での説明を含む手順が定められています。口頭で伝えて済ませると、後から争いになります。また、フィリピンの職場では上司への直接の反論を避ける文化があるため、表面上は納得したように見えても不満が残ることがあります。少人数の面談で丁寧に説明する時間を必ず取りましょう。

Q4. 現地スタッフが顧客情報をAIに入力してしまいそうで心配です。

入力してよい情報と、してはいけない情報を1枚の紙にまとめ、全員に配ってください。顧客の氏名、連絡先、政府発行の番号などは、原則として外部サービスに入れないと決めます。国家プライバシー委員会（NPC）の規則が適用される情報の範囲を確認し、社内の判断基準として文書に残します。禁止だけを伝えると現場は隠れて使い始めるので、代わりに使ってよい方法もあわせて示すことが大切です。

Q5. 小さな拠点でも、生産性を測る意味はありますか。

あります。むしろ小さい拠点のほうが、数字の変化が早く見えます。元記事にもあるとおり、生産性の数字は短期では揺れやすく、物価の動きにも影響されます。だからこそ、社内で使う指標は「1件あたりの処理時間」のような、現場が納得できる単純なものにしてください。3か月ほど記録を続けると、改善が本物かどうかを自分たちで判断できるようになります。

活用のコツ(3 Tips)

今週、主要業務の「1件あたりの処理時間」を記録し始めましょう。 元記事が示すとおり、生産性のデータは解釈が難しく、短期では揺れます。自社の数字を持たないまま外部の話題に振り回されると、判断を誤ります。まずは3業務、1週間分で十分です。

AIより先に、紙と口頭で回っている業務をデジタルに移しましょう。 米国で生産性を押し上げてきたのは、外食チェーンの在庫管理や医療記録のデジタル化といった地味な改善でした。フィリピン拠点にも、同じ種類の伸びしろが必ず残っています。

効率化で浮いた時間の使い道を、導入前に決めておきましょう。 元記事では、生産性の伸びが賃金の伸びを大きく上回ってきたことが指摘されています。浮いた時間を何にあてるかを先に決めて現地スタッフに伝えておくと、不安が減り、協力を得やすくなります。

ボーナス: PH AI Worksの活用法

PH AI Worksは、フィリピンでAIとテクノロジーの導入を支援しています。フィリピン拠点を持つ日本企業に向けて、業務の流れの整理から、AIをどの工程に置くかの設計、現地スタッフへの説明までを一緒に進めます。

次のステップとして、次のような内容をご相談いただけます。

フィリピン拠点の業務の流れを整理し、AIより先に手を付けるべきデジタル化の候補を洗い出す
顧客情報をAIサービスに入力する際の社内基準づくりと、現地スタッフ向けの説明資料の準備
小さく試すためのAI導入計画と、その効果を確かめるための指標の設計

まずはお気軽にお問い合わせください。無料でご相談いただけます。