オフィス業務向けの生成AIが、実際の働き方をどう変えたかを測った大規模な実地実験として、Microsoft 365 Copilotに関する研究があります。本記事では、複数企業で行われたランダム化実験の結果を整理します。

実験の設計：66社、7,137人の知識労働者

研究では、66の企業・組織に勤める7,137人を対象に、Copilotへのアクセスをランダムに割り当て、メールや会議、文書作成に関する行動データを数か月にわたって追跡しました。自己申告ではなく、実際の利用ログに基づく測定である点が特徴です。

結果：メール時間は減り、会議時間は変わらず

公表された分析では、実際にツールを使った利用者はメールに費やす時間が週あたり約2時間減りました。アクセスを割り当てられた全体で平均すると約1.4時間の減少です。一方、会議の時間や文書作成の時間には、測定可能な変化は見られなかったと報告されています。効果が業務の種類によって偏る結果でした。

読み方の注意点

対象は特定の製品と、それを導入した企業の利用者です。また、メール時間の減少が、そのまま成果の増加を意味するかは、この研究だけでは判断できません。削減された時間が何に使われたかは、別の測定が必要な論点です。

自己申告ではなく行動データで測った点で参照される研究です。効果が出る業務と出ない業務の切り分けが、導入設計の材料になります。

この研究を読む際の前提

研究結果を実務に参照する際は、対象となった職種、課題の種類、使用されたモデルの時期という3つの条件を確認することが前提になります。実験や調査で測られた効果は、その条件のもとでの平均的な傾向であり、個々の企業や従業員の結果を直接予測するものではありません。また、短期の課題で測られた効果と、継続的な業務や組織全体の成果との間には隔たりがあることも、複数の研究を並べると見えてきます。本記事で紹介した数字は各研究の公表時点の情報に基づきます。最新の研究動向や原典の記述は、出典の一次情報をご確認ください。こうした前提を押さえた上で読むことで、数字の大きさだけに引っ張られない形で研究を参照できます。

なお、本記事は公表情報の整理を目的としたものであり、特定の製品や手法の導入を推奨するものではありません。条件の異なる組織への当てはめについては、各組織の業務内容や体制に照らした個別の確認が必要です。編集部では、続報や新たな公表があった場合は、その都度内容を確認してまいります。

出典：Dillon, Jaffe, Immorlica & Stanton「Shifting Work Patterns with Generative AI」（Microsoft 365 Copilotの実地実験、66社・7,137人対象。arXiv版／NBER Working Paper 33795）。https://arxiv.org/html/2504.11436v4/

※本記事の数字は各出典の公表時点の情報に基づきます。最新の内容は出典の一次情報をご確認ください。

あわせて読みたい