McKinseyの30%自動化予測は、現在のエージェント能力に対する深刻な誤読に基づいている。同社のモデルは、法律契約レビューや財務分析、コード生成などのタスクがシームレスに連携できると仮定しているが、企業IT環境の現実的な複雑性を無視している。SalesforceのAgentforceの実際の展開では、平均して「成功した」カスタマーサービス自動化ケースあたり23時間の人手によるルール設定と例外処理が必要だった。さらに重要なのは、McKinseyが「部分的自動化」を「職位の代替」と等価視している点だ。
McKinseyの予測は実際には誇張ではなく保守的だ。その30%という数字は明確に定義可能な構造化された知識労働のみを対象としているが、現在AIエージェントの浸透は半構造化領域へ急速に広がっている。Microsoft 365 Copilotの2025年第4四半期の企業採用率はすでに67%に達し、「ディープリサーチ」機能が平均してアナリストの初級情報収集業務を週4.2時間代替している。より破壊的なのは垂直領域のエージェントである。Harveyは法律デューデリジェンスでアソシエイトレベルの91%の精度を達成し、処理速度は20倍になっている。
核心的な問題は、McKinseyが「技術的実現可能性」と「組織の採用速度」という2つの時間尺度を混同している点にある。技術評価部分は基本的に正確だ。現在のGPT-5.4レベルのモデルにツール使用を組み合わせれば、知識労働の30%のサブタスクを処理できる。しかし、組織変革にはプロセス再構築、コンプライアンス審査、文化適応、再研修投資が含まれ、これらの摩擦係数は深刻に過小評価されている。MIT Sloanの2025年における500社の追跡研究では、AIツールの技術展開サイクルは平均8ヶ月であるのに対し、組織統合サイクルは31ヶ月にも及んだ。