「AIの波」と「生産性のJカーブ」

2026.11.10

新しいガジェットを選んでいる時間って、なんであんなにワクワクするんだろう。

画面を眺めながら、まだ手をつけてもいない仕事が、頭の中でするすると片付いていく。
「これなら高解像度の写真も動画も一瞬で書き出せるぞ」
「AIエージェントにあの作業もこの作業も丸投げできるんじゃないか？」

性能表のスペックを追っている時間は、いわば「未来の働き方」を勝手に妄想している、最高に贅沢な時間だ。

でも、買ったあと、急激に現実に引き戻される。
「これを買って、明日から現場の何が本当に変わるんだ？」って。

そんな気分のときに、ふと目にしたニュースがあった。

ロイターによると、イーロン・マスク率いるSpaceXが、AI用のGPU購入などのために400億ドル──日本円にして約6兆円という借入資金を調達したらしい。
400億ドルという桁にも目眩がするけれど、一番引っかかったのはロケットそのものじゃなかった。
その巨額投資の裏付けとして、衛星通信「スターリンク」や地道なロケット打ち上げ事業という、「すでにある日々の仕事の収入」を挙げていたことだ。

新しい挑戦をするとき、人はどうしても「これから何ができるか」というキラキラした未来ばかりを語りたくなる。
まだ誰も見たことのない市場、今までにない効率的な世界、夢のようなテクノロジー。
そういう大風呂敷を広げる話は大好物だ。
でも、そのデカい挑戦を支え続けるための血肉は、いつだって驚くほど地味な現場からしか生まれない。

うちの眼鏡屋（誠眼鏡店）の現場だって、まったく一緒。

お客様にきちんとフレームを届ける。
届いたご相談のメールに一つひとつ丁寧に返事を打つ。
修理の経過を確認し、レンズの加工の狂いを1ミリ単位で修正し、お客様の顔に乗せて微調整を重ねる。

そうやって今日、目の前のお客様との約束を泥臭く守り抜いた積み重ねがあって初めて、次の新しい道具や未来へ投資する余地が生まれる。
未来の夢を見る自分と、今日の地味な仕事を終わらせる自分は、決して切り離せないのだ。

そして、もう一つの本質がある。
「新しい道具が成果を出す前には、必ず少し仕事が増える」ということだ。

新しい機械を店に導入したからといって、翌朝からいきなり魔法のように仕事が速くなるわけじゃない。
設置場所を空けるために棚をどかし、マニュアルを読み込み、操作を覚える。
今までのやり方を変え、スタッフ同士で手順をすり合わせ、失敗したときの確認方法を決める。
慣れるまでの最初の数週間や数か月なんて、むしろ古い機械だけを使っていた頃よりよっぽど忙しくなって、バタバタと汗をかく。

これ、経済全体でいま起きている「AIの波」も完全に同じ構造だと思う。

オーストラリア準備銀行のサラ・ハンター総裁補が講演で語っていた調査が、とても興味深かった。
企業の間でAI導入は爆発的に進んでいて、まったく導入していない企業はほぼゼロになった。
なのに、「現時点で生産性の向上があったか？」と聞くと、約35％が「なかった」、約30％が「小幅にとどまる」と答えているという。
さらに、AIを動かすためのデータセンター投資や電力、半導体への需要ばかりが先行して膨らみ、短期的には設備投資のコストが物価を押し上げる圧力にさえなっている。

経済学ではこれを「生産性のJカーブ」と呼ぶらしい。

かつて工場に電気が導入されたときも、蒸気機関をただモーターに置き換えただけでは生産性は上がらなかった。工場のレイアウトを根本から変え、作業フローそのものを組み直して初めて、劇的な効果となって現れた。

AIも完全にそれだ。

つい、AIが完成した後の「メールが自動で捌かれ、データが瞬時に整う便利な未来」ばかりを先取りして夢見てしまう。
でも、その手前には、手元の資料を整理し直し、間違ったアウトプットを検品し、業務の流れを組み直すという「泥臭い仕込みの仕事」が山のようにある。
だから、AIを導入した直後に「なんだか前より忙しくなったぞ？」と感じる時期があっても、それ自体は決して失敗じゃない。

問題は、その忙しさが「未来への助走」なのか、それとも「ただ無駄な仕組みを増やして右往左往しているだけ」なのか、という一点だ。

道具を入れた後に見るべき数字は、AIが吐き出した文章の量やツールの数じゃない。
お客様との約束の漏れが減ったか。
無駄な待ち時間ややり直しが現場から消えたか。
そこに尽きると思う。

だからこそ、新しい道具を選ぶとき、自分自身に二つの問いを突きつけておきたい。
「これがあれば、どんな面白い未来へ進めるのか？」
そして、
「その未来へ向かう間、今日のお客様との約束をちゃんと守り続けられるのか？」

片方だけじゃダメなのだ。
夢ばかり見て足元の飯のタネを枯らしてもいけないし、足元の作業に埋もれて新しい世界へ飛び出す意志を失ってもいけない。

大きな未来の決断を支えるのは、いつだって今日、きちんと終えた一件の仕事だ。

新しいパソコンのスペック表をそっと閉じて、まずは今手元にある使い慣れた相棒で、今日やるべきたった一つの仕事に全力を注ぎ込む。
未来を迎えに行く準備は、結局、そういったところから始まるのかもしれない。

ーーーー
ーーーー

Why Does Browsing for a New Gadget Feel So Good?

There’s something about scrolling through specs for a new device that makes unfinished work feel almost done.

“This one could export high-res photos and video in an instant.”
“I could probably hand off that task — and that one — to an AI agent.”

Chasing numbers down a performance table is, in its way, a small luxury: guilt-free daydreaming about how you might work in the future.

Then you buy it, and reality snaps back fast.
“What, exactly, is going to be different on the floor tomorrow?”

Around the time I was sitting with that feeling, something caught my eye.

According to Reuters, SpaceX — Elon Musk’s company — raised around $40 billion in debt financing, partly for GPU purchases and other AI infrastructure. Forty billion dollars. The number alone is enough to make your head swim. But what actually stayed with me wasn’t the rockets. It was what SpaceX offered as the backing for that investment: the steady, existing revenue from Starlink satellite subscriptions and routine launch operations. Ordinary, ongoing work.

When people talk about a new undertaking, they almost always lead with the gleaming version of what’s ahead — markets no one has seen yet, efficiency nobody thought possible, technology that sounds like a dream. That kind of expansive talk is easy to get caught up in. But the thing that actually sustains a large ambition is almost always something quieter and more unglamorous: the revenue from the daily work already in front of you.

It’s the same at our shop, Makoto Eyewear.

Delivering frames to customers properly.
Answering each inquiry email with care.
Checking on a repair’s progress, correcting a lens by a millimeter, adjusting the fit until it sits right on someone’s face.

Only by keeping those small promises, one by one, every day, does any room open up to invest in something new. The self who imagines a better future and the self who finishes today’s unremarkable work are not really separate.

There’s another thing worth sitting with.

Before a new tool produces results, it almost always creates more work first.

Bringing a new machine into a shop doesn’t mean things run faster the next morning. You move shelves to make space, read through the manual, learn the controls. You change how you’ve been doing things, align procedures with the rest of the staff, work out what to check when something goes wrong. For the first few weeks or months, before it becomes familiar, you’re often busier than you were with the old machine. More scattered. More tired.

I think the same structure is playing out right now across the whole economy with AI.

I came across a talk by Sarah Hunter, an assistant governor at the Reserve Bank of Australia, that I found genuinely interesting. AI adoption among businesses has spread rapidly — companies with no adoption at all have become rare. And yet, when asked whether productivity had actually improved, around 35 percent said no, and about 30 percent said only marginally. Meanwhile, the investment in data centers, power, and semiconductors needed to run AI has surged ahead, and in the short term that spending is pushing costs up rather than down.

Economists apparently call this the productivity J-curve.

When electricity was introduced to factories, simply swapping steam engines for electric motors didn’t improve output. Gains only came when factory layouts were redesigned from scratch, and workflows were rebuilt around the new reality.

AI seems to be the same.

It’s easy to skip ahead to the finished version: emails handled automatically, data organized instantly, everything smooth. But before that, there’s a less appealing stretch — sorting through existing materials, checking AI outputs for errors, rethinking how work actually flows. If things feel busier right after introducing AI than they did before, that’s not necessarily a sign something has gone wrong.

The real question is whether that busy period is a runway toward something better, or just more complexity layered on top of what was already there.

After a tool is in place, the numbers worth watching aren’t how much text the AI generated or how many new systems are running. It’s simpler than that: are there fewer dropped promises to customers? Has pointless waiting and rework started to disappear? That’s where it shows up.

So when I’m choosing a new tool, I want to hold two questions in mind at the same time.

“What kind of future does this make possible?”
And: “While I’m moving toward that future, can I still keep my promises to today’s customers?”

Neither question alone is enough. Dreaming too far ahead while the present work dries up leads nowhere good. But staying so buried in what’s in front of you that you lose the will to try anything new leads nowhere either.

What supports any large future decision is, in the end, a single piece of work completed properly today.

I’ll quietly close the spec sheet for the new computer, and put everything I have into the one thing in front of me right now — using the tools I already know. That feels like where the preparation for any future begins.