大卒の社員と高卒の社員が同じビジネス課題に取り組むと、普通は大卒の方が良い成果を出しますよね。当然だと思っていたこの格差が、AIひとつで4分の1程度にまで縮んでしまいました。NBERに発表された無作為比較試験（RCT）の結果です。
これは何?
アルゼンチン・イギリスの研究チーム（Cruces、Galiani ら）が、25〜45歳の成人1,174名を対象にオンラインで無作為比較試験を実施しました。参加者は学歴が多様で（高卒〜大学院卒）、実際の職場で直面しそうなビジネス問題解決の課題に取り組みました。
半数には生成AIアシスタントを提供し、残りの半数はAIなしで同じ課題を解かせました。主な発見はこちらです：
AIなしで課題を行うと、高学歴の参加者は低学歴の参加者より0.548標準偏差高い成果を出しました。しかしAIを使うと、この格差は0.139標準偏差にまで縮まりました。学歴による生産性格差の75%が消えたのです。1
重要なのは、この結果が従来の社内研究と異なる点です。従来の研究は同じ会社・同じ職種の中で上位・下位の成果者を比べていました。しかしこの研究は、学歴が根本的に異なる人たちを比較した点でより強力です。会社がすでに似たような人材だけを選ぶ採用フィルターをかけた後ではなく、本当に多様な背景を持つ人々を対象にした実験です。
もう一つ。研究チームはAIを使った後、再びAIなしで課題を行わせましたが、教育格差はそのまま残っていました。これは、AIが根本的な能力を変えたのではなく、能力差の影響を和らげているということです。 AIは教師ではなく、イコライザーだと言えます。
何が変わるのか?
この研究だけなら偶然かもしれません。しかし、同じ方向を示す研究が次々と出てきています。
| 研究 | 対象 | AIによる格差縮小効果 |
|---|---|---|
| Cruces et al. (2026)1 | 成人1,174名（多様な学歴） | 教育格差75%減少 |
| Dell'Acqua et al. (2025)2 | P&G専門家776名 | 専門分野の垣根が消滅、非専門家→専門家レベルの成果 |
| Dell'Acqua et al. (2023)3 | BCGコンサルタント758名 | 下位50%の成果43%↑ vs 上位50%の17%↑ |
| Brynjolfsson et al. (2023)4 | カスタマーサポート担当者5,179名 | 下位の成果者の生産性35%↑、上位はわずかな変化 |
P&Gで行われたCybernetic Teammate実験が特に印象的です。776名のR&DとマーケティングのプロフェッショナルがP&Gの実際の製品革新の課題に取り組んだところ、AIを使った個人がAIなしのチーム（2名）と同等の成果を出しました。 さらに驚くのは専門性の壁が崩れたことです — R&D専門家もAIと組めばマーケティング視点の解決策を、マーケティング専門家も技術的な解決策を提案できました。
BCGコンサルタントの実験では、すでにエリート中のエリートである集団でも格差縮小が確認されました。下位50%のコンサルタントの成果がAIで43%上がった一方、上位50%は17%しか上がりませんでした。 AIが上方平準化をもたらすツールだということです。
これらの研究に共通するパターンをひと言で言うと、こうなります：
AIはすべての人の成果を高めますが、持っていない人により多く与えます。
ポイント整理：自分の組織に取り入れるには
AIが教育格差を75%縮めるなら、4年制大学の学位を必須資格にすることが本当に合理的かどうか、改めて考えるべき時期です。 特にAIツールを積極的に活用するポジションなら、学歴よりもAI活用能力と問題解決のアプローチを評価する方が良いかもしれません。
これまでの研修が「この分野の知識を補う」ものだったなら、これからは「AIを使ってどんな分野でも素早く把握する方法」を教える方がROIが高くなります。 BCGの実験でも、プロンプト訓練を受けたグループは受けていないグループよりも質の高い成果物を出しました。
P&Gの実験では、AIを使った個人がAIなしの2名チームと同等の成果を出しました。 これは「専門家が2名必要な仕事」を「AIを使う1名」がこなせるということです。チームを大きくする代わりに、少人数＋AIの組み合わせで試してみてください。ただし、上位10%レベルの卓越した結果は、依然として人＋AIチームから生まれています。
AIが格差を縮めるのは良いことですが、根本的な能力まで変わるわけではありません。AIを取り除くと格差が再び現れたからです。 そのため、「AIと共に出した成果」と「AIなしで下した判断力」の両方を評価する二重フレームが必要です。特に管理職の役割では、AIの出力のエラーを見抜く能力が依然として重要です。
さらに深掘りしたい人へ
Cruces et al.の原文。1,174名RCT設計、学歴別の成果比較、AI使用後の格差75%減少の統計的根拠を詳しく確認できます。
P&G776名の現場実験の核心的な結果をMollick教授が直接まとめた記事です。AIがチームワーク、専門性、感情までを変えていくプロセスがよく整理されています。
シカゴ大学の経済学教授が、AI生産性研究のミクロ・マクロの証拠を総合的にまとめたリビング文書です。個別の研究を大きな視点で理解したいときに役立ちます。
