1つの産業ではない

AI コパイロットは「開発者向けツール」の印象から始まったが、2023~2025年の間に法律・コンサルティング・カスタマーサービス・製造・物流の日常業務に入ってきた。本稿は匿名の逸話や推定値を使わない。企業自身の発表、または公開研究で検証された事例のみを集め、すべての数値に一次出典を付した。

#産業事例公開根拠
1ソフトウェア開発GitHub Copilot 統制実験 + METR 研究論文2本 (arXiv)
2法律Allen & Overy × Harvey公式発表 (2023)
3コンサルティングBCG × Harvard フィールド実験HBS ワーキングペーパー (2023)
4カスタマーサービスKlarna AI アシスタント + NBER 研究プレスリリース + 論文
5製造・物流Siemens × thyssenkrupp、DHLプレスリリース (2024)

1. ソフトウェア開発 ― 最も測定され、結果が割れている

最も有名な統制実験は GitHub 研究チームの2022年の実験だ。プロ開発者95名に JavaScript の HTTP サーバー実装課題を与え、Copilot の使用可否を無作為に割り当てた。Copilot グループは 55.8% 速く完了し(1時間11分 vs 2時間41分)、完了率も高かった(78% vs 70%)。経験の浅い開発者ほど効果が大きかった。(arXiv:2302.06590)

一方、逆方向の結果もある。METR の2025年のランダム化比較試験では、平均100万行超のコードベースで5年以上働いてきた熟練 OSS 開発者16名が実際のイシュー246件を処理したところ、AI ツール(主に Cursor + Claude)を許可した課題の方が 19% 長くかかった。興味深いのは認識のギャップだ ― 参加者は事前に24%の短縮を予測し、実験後もなお20%速くなったと信じていた。(METR, 2025)

2つの研究を重ねて読むとパターンが見える: 小さく独立した課題+低い熟練度ほど効果が大きく、大きく熟知したコードベース+高い熟練度では効果が縮むか逆転する。

2. 法律 ― Allen & Overy の Harvey 全社導入

グローバル法律事務所 Allen & Overy(現 A&O Shearman)は2023年2月、OpenAI モデルベースのリーガル AI プラットフォーム Harvey の全社導入を発表した。2022年11月からの試験期間中、43拠点の弁護士約3,500名が約4万件のクエリを実際のクライアント業務に使用した。用途は契約書ドラフト、判例リサーチ、デューデリジェンス補助など。(A&O Shearman 公式発表)

注目すべきは導入方針だ。A&O は Harvey の出力に「弁護士による検証必須」をポリシーとして明記した。誤りのコストが大きい産業での入口は「代替」ではなく ドラフト生成+人間検証 だった。

関連ワークフロー: /tools/lawyer-ai-tools

3. コンサルティング ― BCG × Harvard の「ギザギザの境界」実験

2023年、Harvard・Wharton・MIT の研究者と BCG は、コンサルタント 758名 に実務に近い18課題を与え、GPT-4 の使用可否を無作為に割り当てるフィールド実験を行った。結果は二面性を持っていた。(Dell'Acqua et al., HBS Working Paper 24-013)

  • AI が得意な課題(フロンティアの内側): 完了課題数 +12.2%、速度 +25.1%、品質 +40%
  • AI が苦手な課題(フロンティアの外側): 正解到達率が統制群より 19%ポイント低下

研究者はこれを「jagged technological frontier(ギザギザの技術的境界)」と呼んだ。AI の得手不得手の境界は直感に反するため、境界の外で使うと自信を持って間違える。どの課題が境界の内側かを見極める力自体が新しい職務能力というのが核心的な含意だ。

4. カスタマーサービス ― Klarna の全面導入と部分的な回帰

フィンテックの Klarna は2024年2月、OpenAI ベースの AI アシスタントが公開初月に 230万件の会話(全カスタマーチャットの3分の2) を処理し、これは フルタイム相談員約700名分 に相当すると発表した。解決時間は平均11分から2分未満へ短縮、再問い合わせは25%減、2024年の利益改善効果を4,000万ドルと見込んだ。(Klarna プレスリリース、OpenAI ケーススタディ)

だが本当の教訓はその後だ。2025年、CEO の Sebastian Siemiatkowski は「コスト削減を優先しすぎた」と公に認め、人間の相談員を再雇用すると表明した。複雑で感情的なケースでの品質低下が表面化したためだ。終着点は全面自動化ではなく、AI と人間の分担の再設計だった。

学術的根拠も同じ方向を指す。NBER の研究(Brynjolfsson・Li・Raymond)は相談員5,179名のデータを分析し、AI アシスタント導入が1時間あたりの解決件数を平均 14% 高めたが、その効果は 新人で34% に集中し、最上位の熟練者にはほぼ影響がなかったことを示した。(NBER w31161)

5. 製造・物流 ― コードと文書が入口

製造では、Siemens が2024年11月、産業現場向け生成 AI アシスタント Industrial Copilot の拡張と、thyssenkrupp Automation Engineering による採用を発表した。2025年からグローバル拠点の機械エンジニアリングに展開する。用途は PLC 制御コード(SCL)生成、TIA Portal 統合、機械可視化の自動生成など ― 製造でも入口は「コードのドラフト」だ。(Siemens プレスリリース)

物流では、DHL Supply Chain が2024年10月、BCG X とともに生成 AI を導入し、顧客データのクレンジングと初期分析、物流ソリューション設計の補助、問い合わせ要約、法務文書処理に適用中と発表した。定量値は公開していないが、「ソリューション設計エンジニアの提案リードタイム短縮」を中核効果に挙げた。(DHL Group プレスリリース)

公開事例が実際に裏付ける4つのパターン

パターン根拠事例
効果は新人・低熟練者に集中するNBER(+34% vs 熟練者は僅少)、GitHub 実験(低経験層の効果最大)
熟練者+複雑なドメインでは逆効果もあるMETR(-19%)、BCG フロンティア外(-19%p)
全面代替は揺り戻しが来るKlarna の2025年の人間相談員再雇用
産業を問わず入口は「ドラフト+人間検証」A&O(契約ドラフト)、Siemens(PLC コード)、DHL(提案書)

自分の職務に当てはめるチェックリスト

公開事例から導ける実務的な問いは3つ。これはデータではなく問いであり、答えは自分の業務で測定するしかない。

  1. 自分の課題はフロンティアの内か外か? ― 反復的・独立的・検証が容易な課題(ドラフト、分類、要約)は内側の可能性が高く、深いドメイン文脈が必要な課題は外側かもしれない
  2. 検証コストを織り込んだか? ― METR の教訓: 体感速度と実測速度は乖離する。導入前後を同じ指標で測ること
  3. どこまで任せるかの線を文書化したか? ― A&O の「弁護士検証必須」のように、AI と人間の分担線を明文化した組織ほど揺り戻しのコストが小さい

出典(全リスト)

  • Peng et al., The Impact of AI on Developer Productivity: Evidence from GitHub Copilot (2023) — arxiv.org/abs/2302.06590
  • METR, Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity (2025) — metr.org
  • Dell'Acqua et al., Navigating the Jagged Technological Frontier (HBS Working Paper 24-013, 2023) — aiinstitute.hbs.edu
  • Klarna, AI assistant handles two-thirds of customer service chats in its first month (2024) — klarna.com
  • Brynjolfsson, Li & Raymond, Generative AI at Work (NBER w31161, 2023; QJE 2025 掲載) — nber.org/papers/w31161
  • A&O Shearman, A&O announces exclusive launch partnership with Harvey (2023) — aoshearman.com
  • Siemens, Industrial Copilot expanded, adopted by thyssenkrupp (2024) — press.siemens.com
  • DHL Group, DHL Supply Chain implements Generative AI (2024) — group.dhl.com