AI支出と雇用の関係は、支出の「額」で結果が割れました。従業員1人あたり月33.67ドル使った企業は導入後24か月平均で総従業員数が10.2%増、月2.78ドルの企業は-0.6%で統計的に有意な変化なし。効果が出るのは6〜12か月後です。ただしこれは法人カード提供者自身による査読前の分析です。

（出典：Ramp（Ara Kharazian: Lead Economist／Ryan Stevens: Director of Applied Science）× Revelio Labs（Lisa Simon: Chief Economist）。2026年6月30日付。ramp.com/data/ai-jobs-impact に掲載、2026-06-30、https://ramp.com/data/ai-jobs-impact/paper）

最初に、この数字の出どころを断っておく

本題に入る前に利害関係を明示します。この記事は Ramp 社自身による発表であり、同社は当該製品（法人カード・支払いプラットフォーム）の提供者である、という前提で読む必要があります。分析に使われたAI支出データは、Rampが自社の決済基盤を通じて保有している商用データです。共著のRevelio Labsも職歴データの販売事業者です。

つまり、当事者が自社データを使って自社の関心領域を分析したものです。しかも「AI支出は雇用を増やす」という前向きな結論は、AI関連支出の決済を扱うRampにとって事業上有利に働きます。第三者機関による検証ではありません。

さらに、これは査読前のワーキングペーパーです。学術誌に掲載された研究ではなく、著者所属企業が自社サイトで公開したものです。

そのうえで、なおこの分析には読む価値があります。「AIを導入したか」をアンケートで聞くのではなく、実際にいくら払ったかという決済痕跡で強度を測り、それを職歴データと接続している。この粒度は、決済基盤の提供者にしか作れません。利害関係を承知したうえで、限定的に使う。それが正しい読み方です。

一次資料の実測：数字と、その条件

分析対象は米国企業21,559社。Rampのカード・請求支払データとRevelio Labsの職歴データをドメイン完全一致で接続し、2021年1月〜2026年2月の月次パネルを構築しています。対象は「Ramp利用実績6か月以上かつ月次支出5,000ドル以上、従業員5人以上」に限定。内訳は未導入15,926社、低強度3,969社、高強度1,664社です。

条件を落として引用すると意味が変わる数字ばかりなので、必ずセットで扱ってください。

数値 内容 分母・対象・期間・条件
21,559社 分析対象の米国企業数 未導入15,926社＋低強度3,969社＋高強度1,664社。Ramp×Revelio接続、2021年1月〜2026年2月の月次パネル。Ramp利用6か月以上・月次支出5,000ドル以上・従業員5人以上に限定
月2.78ドル vs 月33.67ドル 低強度層／高強度層の従業員1人あたり月次AI支出（PEPM） 導入後最初の3か月の平均。分母は導入前月の従業員数。低＝下位2分位、高＝上位1分位
0.097 log points（約10.2%増） 高強度層の総従業員数の平均ATT 導入後0〜24か月の平均。対照群は同じ強度分位でまだ未導入の企業（not-yet-treated）、NAICS業種固定効果あり。標準誤差0.022、1%水準で有意。事前期間フラグ3/11
-0.006（約-0.6%、有意でない） 低強度層の総従業員数の平均ATT 同条件、導入後0〜24か月。標準誤差0.016。事前期間フラグ0/11（診断は良好）
0.113（12.0%増） 高強度層のエントリーレベル人員のATT Revelioの7段階職位で1〜2。導入後0〜24か月、not-yet-treated対照、1%水準で有意。低強度層は-0.017で有意でない
月6＝0.071／月12＝0.188／月18＝0.277（約32%）／月24＝0.452（約57%） 高強度層の総従業員数イベントスタディ係数の推移 導入月は0.003、3か月後0.020。月24の推定は観測企業数が減る後期ウィンドウのため信頼区間が広いと著者が明記
0.126（約13.4%増） 情報通信（Information）セクター高強度層の総従業員数ATT 業種別推定。統計的に有意な雇用増が確認できた唯一のセクター群。事前期間フラグ0/11。専門・技術サービスは0.069で有意でない
0.022（有意でない） 高強度層のオペレーション職の人員ATT 導入後0〜24か月。高強度層で唯一増加が確認されなかった職種。他は営業10.3%、管理事務7.8%、エンジニア7.3%、カスタマーサービス6.3%など
学士10.3%増（0.098）／MBA5.0%増（0.049） 高強度層の学歴別人員ATT 導入後0〜24か月。ただし学士は事前期間フラグ4/11、MBAは5/11と診断が悪く、著者自身が「慎重に扱うべき」と注記
低強度6.5%（0.063）／高強度12.6%（0.118） never-adopters対照での総従業員数ATT 著者が参考値として提示し採用していない推定。事前トレンドフラグが低強度11/11・高強度8/11で並行トレンド仮定が成立しないため
10人未満14.3% → 250〜999人41.5% 企業規模別のAI（有料）導入率 2025年12月時点、Ramp-Revelioパネル内。エンジニア比率0%の企業は約9%、エンジニア比率30〜50%の企業で38.5%とピーク
平均給与110,346ドル vs 93,847ドル 導入企業／未導入企業のベースライン差 導入企業は導入直前月、未導入企業は2024年12月時点。導入企業はVC出資比率34.0%対9.5%、テック隣接業種54.2%対25.9%と大きく偏る

支出額でここまで結果が割れる

この分析の核心は、AI導入を「した／しない」の二値で見なかった点にあります。支出強度で分位に分け、低強度層（従業員1人あたり月2.78ドル）と高強度層（同月33.67ドル）を別々に推定しました。

結果は明確に割れています。高強度層の総従業員数ATTは0.097（約10.2%増、標準誤差0.022、1%水準で有意）。一方の低強度層は-0.006（約-0.6%）で、標準誤差0.016に対して統計的に有意な変化はありませんでした。

エントリーレベル（Revelioの7段階職位で1〜2）でも同じ構図です。高強度層は0.113（12.0%増、1%水準で有意）、低強度層は-0.017で有意ではありません。「AIが新卒の仕事を奪う」という語られ方に対し、少なくともこのサンプルでは、濃く投資した企業ほどエントリーレベルを増やしていた、という逆向きの観測になっています。

月2.78ドルという水準が何を意味するかは、金額から逆算できます。チャット系サブスクリプションを一部社員に配った程度の支出です。対して月33.67ドルは、コーディングエージェントやAPI利用が入ってくる水準。著者自身も「エンタープライズのチャット契約だけでは足りない」と結論に明記しています。

効果が出るのは6〜12か月後という時間軸

もう一つの重要な観測がイベントスタディの形です。高強度層の総従業員数係数は、導入月に0.003、3か月後で0.020。ほぼ無反応です。

そこから月6で0.071、月12で0.188、月18で0.277（約32%）、月24で0.452（約57%）と伸びていきます。ただし月24の推定は観測企業数が減る後期ウィンドウのため信頼区間が広い、と著者が明記しています。

ここから読める運用上の含意は一つです。導入から半年で効果判定して打ち切る運用は、この曲線と噛み合っていません。 導入直後の係数0.003は、効果がないことの証拠ではなく、まだ何も起きていないことの表示です。

読者への意味：中小企業は何を受け取るか

中小企業の経営者・情報システム担当として、この分析から引き出せる実務的な示唆は4つです。

  • 金額の閾値を意識する。 チャット系サブスクを配っただけの水準（1人あたり月2.78ドル相当）では、このサンプルで総従業員数もエントリーレベルも有意な変化がゼロでした。予算を組むなら、その水準で「効果が出るはず」と期待しないほうが実態に合います。
  • 評価タイミングを6か月で切らない。 伸び始めるのは6〜12か月後。四半期ごとにROIを問うて打ち切る運用は、この曲線では効果が出る前に終わります。ただし24か月分の投資を先に確約せよ、という意味ではありません。中間の観測指標を別に持つべきです。
  • 業種の現実を直視する。 統計的に有意な雇用増が確認できたのは情報通信セクター（0.126、約13.4%増、事前期間フラグ0/11）だけです。専門・技術サービスは0.069で有意ではなく、製造業・建設・医療などは推定値がほぼゼロか不正確でした。この結果を全業種に一般化することはできません。
  • 「小さい会社だから関係ない」は当たらない。 高強度層の企業規模は平均26.7人。濃く投資している側はむしろ小規模企業が中心です。規模別導入率も10人未満14.3%、250〜999人41.5%と差はありますが、10人未満の企業の7社に1社は有料でAIを使っています。

一方で、この10.2%を「AIを入れれば10%成長する」と読むのは誤読です。導入企業の平均給与は110,346ドル、未導入企業は93,847ドル。VC出資比率は34.0%対9.5%、テック隣接業種は54.2%対25.9%。本気で投資できる体力と技術人材がある会社が伸びているという因果の向きは、この分析では切り分けられていません。著者自身も「adoption is highly selected」と明記しています。

導入初期の進め方は中小企業のAI導入・最初の一歩、評価軸の設計は自社の評価基準をどう作るかも併せて参照ください。

不都合な結果も含めて、限界を列挙する

この分析を引用するなら、以下は必ずセットで伝えるべき内容です。著者自身が認めているものも多く含みます。

  • 査読前のワーキングペーパーであり、学術誌掲載の研究ではない。著者所属企業が自社サイトで公開したもの。
  • Rampは法人カード・支払いプラットフォームの提供者であり、分析に使われたAI支出データはRamp自身の商用データ。当事者による自社データ分析であり、「AI支出は雇用を増やす」という結論はRampの事業に有利に働く構造がある。Revelio Labsも職歴データの販売事業者。
  • サンプルは米国のRamp利用企業に限定され、著者自身が「テック寄り・ナレッジワーク寄りに偏っている」と明記。米国センサス調査（BTOS）のAI利用率17〜20%に対し、本サンプルは42%と高い。全米企業の代表サンプルではない。
  • 「AI導入」の定義は3か月連続で月100ドル以上のAIベンダー支出という支払い痕跡ベース。無料ツールの利用や個人アカウントでの利用は捕捉されない。
  • 導入企業は導入前から成長が速く、技術者比率も給与も高い高度に選別された集団。効果の一部は企業属性の反映である可能性が残る。
  • 並行トレンド診断が完全ではない。高強度層の総従業員数推定は事前期間フラグ3/11、学士4/11、MBA5/11。学歴別の推定は著者自身が「慎重に扱うべき」と注記している。
  • never-adopters（一度も導入しない企業）を対照にした場合、低強度6.5%（0.063）・高強度12.6%（0.118）となるが、著者はこれを採用していない。事前トレンドフラグが低強度11/11・高強度8/11で並行トレンド仮定が成立しないため、あくまで参考値。
  • 有意な雇用増が確認できたのは情報通信セクターのみ。製造業・建設・医療など他業種は推定値がほぼゼロまたは不正確。
  • 雇用が伸びた「メカニズム」は未解明と著者が明記。どの業務実践が成長を生んだのかは特定できていない。
  • 従業員データはRevelio Labsが公開オンライン職歴プロフィールから推計したもので、プロフィール掲載率が低い職種・業種では捕捉が弱い。
  • 観測期間は導入後最大24か月。それより長期の影響は不明で、著者も今後の更新を予告している。

とくに最後から二番目の点は、日本の中小企業にとって効きます。オンライン職歴プロフィールの掲載率が低い職種——現場作業、事務、地方の中小企業——では、実際の人員変動が数字に現れにくい。高強度層で唯一有意な増加が確認されなかったオペレーション職（0.022）についても、本当に増えなかったのか、捕捉できなかったのかは、このデータだけでは区別できません。

TOEの読み筋

ここからは株式会社TOEとしての解釈です。TOEでは本分析と同様の支出データ・職歴データの接続分析は未実施であり、以下は自社での検証結果ではなく、資料を読んだうえでの仮説として記します。

第一に、「金額の閾値」という発想そのものが、日本の中小企業のAI導入議論に欠けていたと考えています。多くの現場で問われるのは「AIを入れたか」であって「いくら使っているか」ではありません。この分析が示したのは、低強度層と高強度層で結果が符号すら異なるという事実です。導入率を追う前に、1人あたり月額いくらの水準にいるのかを把握する。その一手間が、期待値の設定を大きく変えるはずです。

第二に、月33.67ドル層で効果が出たという事実を、「予算を10倍にすれば伸びる」と読み替えないこと。この金額差の実体は、チャット契約か、コーディングエージェント・API利用かという使い方の差です。金額は結果であって原因ではない可能性が高い。ワークフローに組み込む用途があるから支出が伸びる、という順序を疑うべきです。この点はワークフロー自動化の考え方で扱った論点と重なります。

第三に、この数字を営業資料でそのまま使わないこと。「AI投資企業は従業員10.2%増」は強い一文ですが、条件（n=21,559の米国Ramp利用企業、テック寄りに偏る、査読前、提供者自身の分析、有意な業種は情報通信のみ、因果は未確定）を付けずに出せば誤導です。条件を全部付ければ訴求力は落ちます。落ちてよい、というのが編集としての立場です。

まとめ

  • Rampとリベリオ・ラボが2026年6月30日に公開した分析は、Ramp自身が法人カード・支払いプラットフォームの提供者であり、自社の商用支出データを使った査読前のワーキングペーパー。第三者検証ではない。
  • 米国企業21,559社（2021年1月〜2026年2月）の実支出でみると、従業員1人あたり月33.67ドルの高強度層は総従業員数ATT 0.097（約10.2%増、1%水準で有意）、月2.78ドルの低強度層は-0.006で有意な変化なし。著者も「エンタープライズのチャット契約だけでは足りない」と明記している。
  • 効果は導入直後には現れない。イベントスタディ係数は導入月0.003、月6で0.071、月12で0.188、月24で0.452。半年で効果判定して打ち切る運用は、この曲線と噛み合わない。
  • 統計的に有意な雇用増が確認できたのは情報通信セクター（0.126、約13.4%増）のみ。専門・技術サービスは0.069で有意でなく、製造業・建設・医療などは推定値がほぼゼロか不正確。全業種への一般化はできない。
  • 導入企業は平均給与110,346ドル（未導入93,847ドル）、VC出資比率34.0%（同9.5%）と高度に選別された集団で、著者も因果のメカニズムは未解明と認めている。TOEでは同種の検証は未実施であり、読み筋は仮説にとどまる。