この記事のポイント（30秒で読める）
- AIで生産性は上がるが、イノベーションは静かに死ぬ。HBR×Management Science最新研究で「生産性と創造性のトレードオフ」が実証された
- 原因は「吸収能力」の喪失。AIの答えをコピーするだけで、自分で考える力＝アイデアを評価・改善する能力が衰える
- 解決策は「AIの前に自分で考える」仕組み。独自案を出してからAIを使うルールを導入した企業が成果を出し始めている
何が起きたか──HBR×Management Science研究の衝撃
2026年3月、ハーバード・ビジネス・レビュー（HBR）に掲載された研究論文が、世界のビジネスリーダーに衝撃を与えています。
英国インペリアル・カレッジとウォーリック・ビジネススクールの研究チーム（Chengwei Liu教授ら4名）による共同研究です。タイトルは「AIの利用がイノベーションを窒息させうる」。
彼らがManagement Science誌に発表したモデル研究の結論はこうです。
AIによって「十分に良い答え」が実質無料で手に入るようになると、生産性は上がるが、独自の探索は減り、イノベーションは静かに平坦化する。
つまり、AIを使えば使うほど効率は上がるが、組織の創造性は失われていく。これが「AI生産性・イノベーション・トレードオフ」です。
数字で見る「AI生産性パラドックス」の全体像
この研究は、最近発表された複数のデータと整合します。
- NBER 6,000人エグゼクティブ調査：AI導入企業の約9割が「生産性に変化なし」と回答（2026年2月）
- PwC 4,454人CEO調査：AI投資で成果を出しているのはわずか12%の先行優良企業（2026年1月）
- S&P Global：企業の42%がAIプロジェクトの大半を途中放棄、前年比2.5倍（2026年）
- BCG調査：AIツールを4つ以上使うと逆に生産性が低下する「AI脳疲労（Brain Fry）」現象（2026年3月）
しかし、今回の研究がこれらと決定的に違うのは、「なぜAIで成果が出ないのか」の構造的な原因を特定したことです。
なぜ重要か──「吸収能力」が企業の生死を分ける
「吸収能力」とは何か
研究の核心にあるのは「吸収能力（Absorptive Capacity）」という概念です。
吸収能力とは、外部の知識やアイデアを評価し、適応させ、改善する能力のこと。簡単に言えば、「他人のアイデアを受け取って、自分なりに消化して、さらに良くする力」です。
AI以前の世界では、情報を集め、読み解き、理解するプロセス自体が、この吸収能力を自然に鍛えていました。苦労して理解するからこそ、応用できる。
ところがAIは、このプロセスをスキップさせます。
- AIに聞けば、即座にドラフトが出る
- AIに任せれば、コードが生成される
- AIに頼めば、分析レポートが完成する
便利だが、「理解する必要」がなくなった瞬間、吸収能力は衰え始める。
何が起きるか：全員が同じ答えに収束する
吸収能力が衰えた組織では、こんなことが起きます。
- AIの出力をそのまま使う人が増える（「AIがそう言ったから」）
- 独自の探索・実験が減る（自分で考えるより速いから）
- 全員が同じAIを使うため、答えが収束する（差別化が消える）
- 結果、短期の生産性は上がるが、中長期のイノベーションが枯れる
これは個人レベルの問題ではありません。組織全体の競争力に関わる構造的な問題です。
日本企業にとって、なぜ深刻か
日本企業の状況を見てみましょう。
- AI導入のために人員増した日本企業は3割（日経調査、2026年3月）。世界がAIで人を減らす中、日本は逆行
- 日本のエンゲージメント率は世界最低の6%（Gallup調査）。そもそも「自分で考える」モチベーションが低い
- AI導入で「とりあえずChatGPTを使おう」が主流。戦略なき導入が吸収能力の喪失を加速
もともと「自分で考えて行動する」文化が弱い日本の組織で、AIがさらに「考えなくていい」環境を作ってしまえば──イノベーションどころか、既存の強みすら失うリスクがあります。
HBR「ラストマイル問題」との連携
同じ2026年3月のHBRに掲載された別の研究「The “Last Mile” Problem Slowing AI Transformation」（ハーバード・ビジネススクールのKarim Lakhani教授ら）も、同じ構造を別角度から指摘しています。
「AI変革の主な障害は、モデルの品質でもデータの可用性でもない。技術的能力が組織設計と出会う『ラストマイル』だ」
つまり、AIの問題はAI自体にはない。組織の使い方にある。
大企業の多くが何百ものAIパイロットを走らせています。しかし、成功した実験がスケールすることは稀。原因は、旧来の業務プロセス、知識の囲い込み、責任の所在が不明確な状態──こうした7つの「構造的摩擦」です。
どう活かすか──明日から実行できる3つのアクション
アクション1：「AIの前に自分で考える」ルールを作る
Liu教授らが提案する最もシンプルな対策がこれです。
「AIを使う前に、まず自分の独自案を出す」というチームルールを設ける。
具体的には：
- 会議の前に、各メンバーがAIを使わずに自分のアイデアを3つ書き出す
- その後にAIで補完・拡張する
- 最終的に「自分のアイデア」と「AIのアイデア」を比較・統合する
このプロセスが吸収能力を維持します。AIに聞く「前」の5分が、イノベーションの命綱になる。
アクション2：「考えてからでないと使えない」仕組みを入れる
研究チームはさらに踏み込んだ提案もしています。
「生成」ボタンを、ユーザーが自分の考えを入力するまでロックする「ゲーテッド・インターフェース」。
これはUIレベルでの「考える強制」です。社内のAIツールにこの仕組みを組み込めば、全社的に吸収能力の維持を仕組み化できます。
大きなシステム投資は不要です。社内のチャットボットやプロンプトテンプレートに「まずあなたの仮説を入力してください」と加えるだけでも効果があります。
アクション3：「AI活用度」ではなく「独自探索の割合」を測る
多くの企業がAI導入の目標指標を「利用率」に設定しています。「社員の何%がAIを使っているか」「月間何回AIに質問したか」。
しかし今回の研究が示すのは、AI利用率が高いほどイノベーションが減る可能性があるということ。
むしろ測るべきは：
- AIなしで生み出されたアイデアの割合
- AIの提案を「修正」「却下」した割合（＝吸収能力の指標）
- プロジェクトにおける「実験的な試み」の数
「AIを使わない時間」こそが、実はイノベーションの源泉かもしれません。
まとめ：AIは「道具」であって「思考の代替」ではない
今回のHBR×Management Science研究が突きつけるメッセージは明快です。
AIに考えてもらうのは楽だ。しかし、考えなくなった組織は、イノベーションを失う。
生産性向上とイノベーション維持。この一見矛盾する2つの目標を両立させるカギは、「AIを使う前に考える仕組み」を組織に埋め込むことです。
正直、これは日本の中小企業にとってはむしろチャンスです。大企業が「全社一斉AI導入」で吸収能力を失っていく中、少人数で「考える力」を維持したチームが、AIの本当のレバレッジを効かせられる。
AIは最高の道具です。ただし、道具に考えてもらう前に、まず自分で考えること。この「5分の差」が、3年後の競争力を決めます。
元ソース
- Research: Using AI Can Stifle Innovation. But It Doesn’t Have To. – Harvard Business Review（2026年3月）
- The “Last Mile” Problem Slowing AI Transformation – Harvard Business Review（2026年3月）
- Firm Data on AI – NBER Working Paper（Bloom et al., 2026年）
- 29th Global CEO Survey – PwC（2026年）
- AI Transformation Is a Workforce Transformation – BCG（2026年1月）
- When Using AI Leads to “Brain Fry” – Harvard Business Review（2026年3月）
