AIの生産性は「10年で0.66％」？ノーベル賞学者に学ぶビジネス英語

AI Productivity Gains: A Nobel Laureate's "0.66% Over a Decade" and Why the Big Numbers May Not Add Up

ノーベル賞学者アセモグルの試算とウォール街予測の食い違いを題材に、AI投資や生産性を英語で論理的に説明する力を、実践的なビジネス英語教材で鍛えます。

Part 1: 読む → 要約する

Step 1: Pre-Reading — ビジネスの文脈で考える (3 min)

あなたは外資系企業の経営企画部に所属しています。週次のチームミーティングで、上司から「最近のAI投資ブームについて、経済学者はどう見ているのか」と話題を振られました。数字とロジックで冷静に説明することが求められています。

Q1. How much do you think generative AI will boost overall economic productivity over the next 10 years? （生成AIが今後10年で経済全体の生産性をどれくらい押し上げると思いますか。まず自分の直感を数字にしてみましょう。）

Q2. If one task in your company becomes twice as fast, does the whole company become more efficient? Why or why not? （社内の一つの業務が2倍速くなったら、会社全体の効率も上がるでしょうか。理由も考えてみましょう。）

Q3. Why might a famous economist's estimate differ so much from a Wall Street forecast? （有名な経済学者の試算とウォール街の予測が大きく食い違うのはなぜだと思いますか。）

Step 2: First Reading — 全体を把握する (10 min)

以下の英文は、ニュース記事の事実をもとに作成したビジネスシナリオ文書です。実際の職場でこのような文書を読む場面を想像しながら、英文を読み進めましょう。

INTERNAL BRIEFING MEMO

To: Corporate Strategy Team, Technology Investment Committee From: Kenji Sato, Head of Economic Research Date: July 18, 2026 Subject: Calibrating Our AI Investment Assumptions — Action Required Before Q3 Planning

Purpose Before we finalize next quarter's technology budget, this memo asks the committee to review the productivity assumptions behind our current AI investment case. A recent academic estimate suggests our expectations may be too optimistic.

Key Finding Daron Acemoglu, a professor at MIT who won the 2024 Nobel Prize in Economics, published a paper titled "The Simple Macroeconomics of AI." His central conclusion is striking: AI is likely to raise total factor productivity by at most 0.66% over the next ten years. This is far lower than the headline forecasts we have been citing.

Context: Two Very Different Views For comparison, Goldman Sachs has predicted that generative AI could lift global GDP by 7%. The McKinsey Global Institute estimated that automation technologies, including AI, could add between 1.5 and 3.4 percentage points to annual growth in advanced economies. Acemoglu's figure is an order of magnitude smaller.

Why the Gap? Acemoglu relies on a simple relationship known as Hulten's theorem: the productivity gain roughly equals "the share of tasks AI actually changes" multiplied by "the cost reduction within those tasks." Faster email drafting helps little if manufacturing, sales, and logistics stay the same. Drawing on an estimate from OpenAI researchers, he assumes about 20% of US work (measured by wages) could be affected by AI. However, once deployment cost and training are included, only about 23% of that will be used profitably within ten years — meaning roughly 4.6% of the economy truly changes.

Recommended Action

1. Re-run our three-year ROI model using a conservative productivity range.
2. Separate "task-level speed gains" from "firm-wide efficiency gains" in our reporting.
3. Present both scenarios at the August strategy review.

Please send comments by July 25.

Data sourced from: JBpress — "AIによる生産性向上「10年でわずか0.66％」ノーベル賞学者の驚きの"検算"、巨額投資も株価高騰も正当化されない？" (2026.7.18)

Note: The above is an original business scenario created for learning purposes using publicly available facts. Please read the original article at the link above for the full report.

関連: 欧米ビジネス文化を知らないと英語は通じない理由｜外資系の会議で発言が届かない人のビジネス英語コーチング で詳しく解説しています。

Step 3: Comprehension Check — 内容確認 (5 min)

Q1. According to the memo, what is Acemoglu's estimate for AI-driven productivity growth over ten years? （アセモグル氏が示した10年間の生産性向上の試算はどれくらいですか。）

Q2. How does Goldman Sachs' forecast compare with Acemoglu's estimate? （ゴールドマン・サックスの予測はアセモグル氏の試算とどう違いますか。）

Q3. In simple terms, what does Hulten's theorem say determines the productivity gain? （ハルテンの定理は、生産性向上が何によって決まると言っていますか。）

Q4. What share of US work does the memo say could be affected by AI, and what share of that will be used profitably within ten years? （AIの影響を受け得る米国の仕事の割合と、そのうち10年以内に採算が取れる形で使われる割合はそれぞれどれくらいですか。）

Q5. What three actions does the memo recommend to the committee? （メモが委員会に提案している3つのアクションは何ですか。）

Step 4: 30-Second Briefing — 上司に30秒で説明する (10 min)

エレベーターで上司にばったり会いました。「さっきのAIのメモ、要点だけ30秒で教えて」と言われました。数字を1つか2つだけ使って、結論から簡潔に伝えましょう。

Tip: 数字をそのまま並べるのではなく、"an order of magnitude smaller"（桁違いに小さい）のように、聞き手が意味を一瞬でつかめる表現に言い換えると印象に残ります。丸暗記ではなく、自分の言葉に置き換える練習をしましょう。

Part 2: 語彙・表現・発音

1. estimate (n./v.) — 試算・見積もり／見積もる

• Example: Acemoglu's estimate is far more conservative than Wall Street's forecasts.
• （アセモグル氏の試算はウォール街の予測よりもはるかに控えめです。）
• 外資系シーン: 予算会議やプロジェクト計画で "Can you give me a rough estimate?"（ざっくりした見積もりをもらえますか）のように、コストや効果を数値で示す場面で頻出します。

2. productivity (n.) — 生産性

• Example: The debate is about how much AI will raise economy-wide productivity.
• （議論の焦点は、AIが経済全体の生産性をどれだけ高めるかにあります。）
• 外資系シーン: 経営レビューで "productivity gains"（生産性の向上）は最重要KPIの一つです。個人の作業効率と会社全体の生産性を区別して語れると説得力が増します。

3. conservative (adj.) — 控えめな・保守的な

• Example: Let's use a conservative assumption in the ROI model.
• （ROIモデルには控えめな前提を使いましょう。）
• 外資系シーン: 財務モデルやフォーキャストの前提を説明するとき、"a conservative scenario"（控えめなシナリオ）と "an optimistic scenario"（楽観的なシナリオ）を対にして提示するのが定石です。

4. deployment (n.) — 導入・展開

• Example: Deployment cost and staff training reduce the real impact of AI.
• （導入コストと社員教育がAIの実際の効果を押し下げます。）
• 外資系シーン: IT・DXの文脈で "full deployment"（本格導入）や "phased deployment"（段階的導入）といった形で使われ、技術が「使えそう」と「実際に採算が取れる」を分けて議論する際に便利です。

5. forecast (n./v.) — 予測／予測する

• Example: Goldman Sachs' forecast points to a 7% boost to global GDP.
• （ゴールドマン・サックスの予測は世界GDPを7％押し上げると見ています。）
• 外資系シーン: "sales forecast"（売上予測）や "market forecast"（市場予測）は日常語です。予測の前提（assumptions）と実績（actuals）を分けて話すと信頼されます。

Fill-in-the-blank exercise

次の英文の空欄に、上の語彙から適切なものを選んで入れましょう。

1. The analyst gave a very ____________ estimate to avoid over-promising the results.
2. Faster email drafting improves one task, but it does not automatically raise firm-wide ____________.
3. Their ____________ predicts strong demand, but the assumptions behind it are unclear.
4. High ____________ cost is one reason only part of the technology will be used profitably.

（解答例: 1. conservative / 2. productivity / 3. forecast / 4. deployment）

Part 3: 自分の意見を述べる

Discussion Topic A

Question: Do you think a task-level speed gain (for example, faster document preparation) really improves your whole company's performance? Why or why not? （資料作成などの「作業単位の高速化」は、会社全体の成果を本当に高めると思いますか。理由も述べましょう。）

Discussion Topic B

Question: When a Nobel laureate's estimate is much lower than a bank's forecast, whose number should managers trust when planning a budget? （ノーベル賞学者の試算が銀行の予測より大幅に低いとき、予算計画ではどちらの数字を信じるべきだと思いますか。）

Discussion Topic C

Question: In your own workplace, which tasks could AI realistically change within ten years, and which tasks would be hard to automate? （あなたの職場で、10年以内にAIが現実的に変えられそうな業務と、自動化が難しそうな業務はそれぞれ何ですか。）

Useful phrases

Part 4: 面接対策 — 外資系で差をつける

Mock Interview Scenario A

Interviewer: "This role requires you to challenge optimistic assumptions with data. Can you give an example of when you questioned a number that everyone else accepted?" （この職務では、楽観的な前提にデータで異議を唱える力が求められます。皆が受け入れていた数字に疑問を投げかけた経験を教えてください。）

Mock Interview Scenario B

Interviewer: "How would you explain a complex economic finding — like why AI's productivity impact might be small — to a non-technical executive in under a minute?" （AIの生産性への影響が小さいかもしれない理由など、複雑な経済の知見を、技術に詳しくない役員に1分以内でどう説明しますか。）

Mock Interview Scenario C

Interviewer: "If our investment case relies on an aggressive forecast, how would you propose we manage that risk?" （当社の投資判断が強気の予測に依存している場合、そのリスクをどう管理すべきだと提案しますか。）

Common Mistakes (NG Patterns)

NG 1: 数字を言いっぱなしにする

• Bad: "AI will grow the economy by 0.66%."
• Good: "One Nobel laureate estimates only about 0.66% over ten years — an order of magnitude below Wall Street forecasts."
• （数字だけを述べると印象に残りません。比較対象を添えて「桁違いに小さい」といった意味づけをすると説得力が出ます。）

NG 2: 結論を最後まで言わない

• Bad: "Well, there are many studies, and Goldman Sachs says one thing, and McKinsey says another, and then..."
• Good: "The bottom line is that the productivity impact may be much smaller than expected. Let me explain why."
• （英語のビジネス会話は結論先出しが基本です。前置きを長くせず、まず要点を述べましょう。）

NG 3: 断定しすぎる

• Bad: "AI is useless for the economy."
• Good: "The overall impact may be modest, though specific tasks clearly benefit."
• （極端な断定は信頼を損ないます。「全体の影響は控えめかもしれないが、特定の業務には効果がある」と二面性を示すと冷静な印象になります。）

NG 4: 専門用語を説明せずに使う

• Bad: "It's basically Hulten's theorem, so the answer is 0.66%."
• Good: "Using a simple rule — the productivity gain equals the share of tasks changed times the cost saved — the answer comes to about 0.66%."
• （相手が知らない用語をそのまま使うと伝わりません。定理の中身を平易な言葉に置き換えて説明しましょう。）

活用のコツ(3 Tips)

• 「作業の高速化」と「会社全体の生産性向上」を分けて報告しましょう。 AIで資料作成が速くなっても、それが即座に組織全体の成果につながるとは限らないため、両者を区別すると経営層への報告が正確になります。
• 予測の数字は必ず「前提」とセットで扱いましょう。 7%や0.66%といった数字は前提が違えば結論も変わるため、社内の投資判断では前提条件を明示して比較すると議論が建設的になります。
• 自分の職場の業務を「AIが変えやすい仕事／変えにくい仕事」に仕分けしてみましょう。 米国では賃金ベースで約20％の仕事がAIの影響を受け得るとされるため、自部門で該当する業務を洗い出せば、投資の優先順位づけに役立ちます。

Bonus: プロナビレッスンでの活用法

レッスン前(20min) Part 1のPre-Reading（Step 1）に目を通し、3つの問いに自分なりの答えをメモしておきましょう。続いてStep 2のブリーフィングメモを一度通読し、Part 2の語彙5つの意味と例文を確認します。分からない単語があっても止まらず、全体像をつかむことを優先してください。

レッスン中(25min) コーチと一緒にStep 4の30秒ブリーフィングを声に出して練習します。テンプレートを埋めたうえで、丸暗記に頼らず自分の言葉で言い換える練習を行いましょう。その後、Part 3のDiscussion Topicから1つを選び、Useful phrasesを使いながら意見を英語で述べます。Part 4の面接シナリオを1つロールプレイし、NGパターンに陥っていないかフィードバックを受けます。

レッスン後(15min) Part 2のFill-in-the-blank（4問）を解いて語彙を定着させ、Step 4のブリーフィングを録音して聞き返しましょう。さらに、活用のコツを参考に「自分の職場でAIが変えやすい業務・変えにくい業務」を実際に3つずつ書き出し、次回レッスンで共有できるよう準備します。学習を深めたい方は、無料相談でお気軽にお問い合わせください。

参考・出典

• JBpress — "AIによる生産性向上「10年でわずか0.66％」ノーベル賞学者の驚きの"検算"、巨額投資も株価高騰も正当化されない？" (2026.7.18)