- Claude.aiでの10万件の実際の会話を分析した結果、AIを使用しない場合のタスク完了にかかる平均時間は90分であり、AIは時間を80%短縮するのに役立っていることが示されました。
- ONETおよびBLSの賃金データに基づいて換算すると、平均的なタスクの価値は55米ドルです。Claudeは、通常1.4時間かかる複雑なタスクに使用されることが多いです。
- 時間短縮の度合いは職業によって大きく異なります。法務や管理のタスクでは2時間近くかかりますが、食品の準備はわずか30分です。医療支援では90%の時間短縮が実現しますが、ハードウェアのトラブルシューティングでは56%にとどまります。
- 具体的な事例：カリキュラムの開発が4.5時間から11分に短縮。請求書やメモの作成は87%の短縮。金融分析は、価値31米ドルのタスクで80%短縮。
- データセット全体の時間短縮の中央値は84%に達し、大多数は50%から95%の範囲で変動しました。
- 米国経済全体でシミュレーションを行い、AIが10年以内に広く導入されると仮定した場合、労働生産性は年間1.8%増加する可能性があり、これは2019年以降の平均成長率の2倍です。これは全要素生産性（TFP）の年間1.1%の増加に相当します。
- 最大の生産性貢献はプログラミング（19%）から、次いで管理職（6%）、マーケティング（5%）、顧客サービス（4%）、そして高校教師（3%）からもたらされます。
- レストラン、現場の医療、建設、小売業など一部のセクターは、サンプルセットにおいて生成AIに適したタスクが少ないため、貢献度はほとんどありませんでした。
- AIによって大幅に加速されるタスクがある一方で、加速されないタスクはボトルネックとなるでしょう。例えば、教師は依然として授業を監督する必要があり、エンジニアは手動でシステムを設置する必要があるなどです。
- 主な限界点：時間予測にはまだノイズがあり、実証データの不足、ONETタスクモデルの単純化、企業再構築や技術革新が考慮されていない点、データサンプルがClaudeユーザーのみである点などです。
📌 Claudeのような生成AIは、平均価値54～55米ドルのタスクにかかる時間を80%短縮する可能性があり、今後10年間で米国の労働生産性を年間1.8%増加させるのに役立つ可能性があります。米国経済全体でシミュレーションを行うと、労働生産性は年間1.8%増加し、全要素生産性（TFP）の年間1.1%の増加に相当します。最大の生産性貢献はプログラミング（19%）から、次いで管理職（6%）、マーケティング（5%）、顧客サービス（4%）、そして高校教師（3%）からもたらされます。
