AIで速くなったのに疲れるのはなぜか。生産性が上がらない構造

ChatGPTやClaudeの登場で議事録の要約や提案書のたたき台を任せる時代になりました。1件あたりの時間は確かに減ったのではないでしょうか。

それなのに一日の終わりは前より疲れていて、片づいた仕事も思ったほど増えていない。そういう話をよく耳にします。原因は慣れや要領ではなく、作るのが速くなったぶんだけ、確認する件数が増えていることにあります。

しかもこの負荷は、AIに不慣れな人ではなく、使いこなしている人にこそ強く出ます。今回はその理由を掘り下げたいと思います。

生成AIを使いこなせば仕事は楽になる？

AIを使えば作業時間が短くなる。だから楽になって、成果も増える。この言い方の前半は正しく、時間は実際に短くなりました。数えられていないのは、生成が終わったあとに発生する時間です。短くなったのがどの工程かを押さえてから、そこから増える確認の量を見ます。

速くなったのはどの工程か

短くなったのは、作る工程だけです。議事録も提案書も調査メモも、書き起こす時間は一気に縮みました。

ただ、出てきたものはそのままでは仕事になりません。「これは使えるか」を人が一度見て、はじめて外に出せます。

この確認は、生成が何倍速くなっても1件ずつ人がやるしかありません。作る速さと見る速さが連動しないのは、良し悪しを測る基準が頼んだ本人の頭のなかにあって、AI側に渡っていないからです。

10倍速く出ると、確認は何件になるか

たとえば、30分かけて書いていた提案書のたたき台が3分で出てくるようになったとします。浮いた27分は、たいてい次の1件をAIに頼む時間に消えます。同じ30分で10件が出てきて、確認するのも10件になります。

図解1 生成が速くなるほど、確認が増える。生成の帯が縮んだぶん、確認の帯が10本に増えます。合計時間は減っていません。

ここで詰まるのは、確認の速さが変わっていないことです。1日に確認できるのが3件なら、10件つくっても外に出せるのは3件です。残りの7件は判断待ちのまま積み上がります。作った量が10倍になっても、成果として数えられる量は確認できる件数で頭打ちになります。

だから、作る時間は確かに減っているのに、空いた時間は確認で埋まります。速くなった実感と疲れが同時に来るのは、この二つが同じ1日のなかで起きているからです。

これはAIをやめる話ではありません。もし手書きに戻せば、確認するのは1件で済みますが、代わりに作るのに30分かかります。出せる量はむしろ減ります。

増えた確認作業はどこに積み上がるのか

増えた確認は、1日のどこかの時間に乗っています。乗った先は、AIに渡せなかった工程です。渡せた作業と渡せなかった作業を分けたうえで、人の手に残った工程を並べます。

AIに渡せた作業と渡せなかった作業

AIに渡せたのは、作る作業でした。渡せなかったのは、判断が要る作業です。

例えば、何をどういう条件で作らせるかを決めること、出てきたものが使えるかを見きわめること、ばらばらの成果物をひとつの仕事にまとめること。どれも判断の基準が、頼んだ本人の頭のなかにしかありません。

だから、渡せなかった側に負荷が寄ります。AIに投げる件数が10倍になっても、渡せなかった工程をやる人の数も速さも、変わっていないからです。

人間に残った5工程

渡せなかった作業を工程で並べると、5つになります。

指示する
束ねる・追う
検証する
直す
決める・統合する

AIに頼んだ瞬間から成果が確定するまでのあいだ、人はこの5つを回し続けています。生成だけがAI側にあって、その前後は人の手に残ったままです。並列で走らせるほど、この5工程が同時に何本も動きます。

図解2 AIが担う工程と、人間に残った5工程

一番重い業務は検証

一番重いのは3の検証です。ほかの4つは、やることが決まっていて終わりが見えます。指示は書けば終わり、直すは直せば終わります。検証だけは、どこまで見れば終わりなのかが決まっていません。

検証の1件には、少なくとも次の5点が含まれます。事実として間違っていないか、抜けている論点はないか、頼んだこととずれていないか、このまま外に出せる水準か、間違っていたときに何がどこまで壊れるか。

工程としては1つでも、頭のなかでは5回判断していることになります。

そして多くの場合、社内で共有するだけのメモにも、顧客に出す提案書と同じ手間をかけています。終わりの基準がないので、どこまで見れば十分かを1件ごとに決め直すことになり、迷ったぶんだけ時間が伸びます。

AIを使いこなしている人ほど負担が増える

この負荷は、AIに不慣れな人より、使いこなしている人に強く出ます。理由は2つあります。並列で投げるようになることと、慣れても投げる量が減らないことです。

並列で投げたとき、何が起きるか

1つずつ頼んでいた頃は、確認も1つずつ順番に来ていました。使い慣れてくると、頼み方が変わります。要約もたたき台も競合調査も、まとめてAIに投げるようになります。3つ同時に投げれば、3つ同時に返ってきます。返ってきた瞬間に、判断待ちの列ができます。

しかも、中身の違う3件を続けて見るのは、同じ種類の作業を3回やるより重いです。1件ごとに、良し悪しを測る物差しを頭のなかで持ち替えないといけないからです。

「慣れれば楽になる」が起きない理由

この状態は、慣れても解消されにくいです。使い方に慣れるほど、投げる量が増えるからです。投げる量が増えれば、見る量も同じだけ増えます。慣れは作る側の効率を上げますが、見る側の負荷は打ち消しません。

疲れているのは、うまくいっていない証拠ではありません。うまくいっている副作用です。

もしAIの使い方が下手なままだったら、投げる件数も少なく、確認待ちの列もできていません。列ができているのは、任せられる量が増えた結果です。

なぜ誰もこの負荷を問題にしないのか

ここまでの負荷は、多くの現場で改善の対象になっていません。負荷が小さいからではなく、測られていないからです。

測られている数字と、測られていない数字

AI導入の効果は、たいてい「作る時間が何分短くなったか」で報告されます。資料作成が半分になった、下書きが3分の1になった。どれも実際に起きたことで、嘘ではありません。

ただ、その数字には短くなった時間しか入っていません。本当に浮いた時間を出すには、増えた確認の時間を引く必要があります。引き算をしていないので、報告されている効果は差し引き前の数字のままです。

測っていない負荷はどう扱われるか

多くの現場は、速くなったことは測っていて、重くなったことは測っていません。測っていない負荷は、改善のテーマになりません。改善する項目は数字の付いたもののなかから選ばれやすく、数字を持たない負荷は候補に挙がらないからです。

ここで一度、昨日の業務を思い出してみてください。AIの成果物を何件見たでしょうか。1件あたり、判断に何分かかったでしょうか。

すぐに答えられないとしても、記録をさぼっているわけではありません。作る時間は依頼した瞬間に意識しますが、見る時間は仕事の合間に少しずつ溶けていくので、数える機会がありません。

AI活用の生産性は確認で決まる

速くなったのは作る工程だけで、見る速さは変わっていません。ボトルネックは検証へ移り、成果として出せる量は確認できる件数で決まるようになりました。そして投げる量が増えるほど確認も増えるので、この負荷は慣れた人ほど強く出ます。

この状態が長く続くのは、負荷そのものよりも受け取り方に理由があります。疲れの原因を自分の頑張り不足だと思っているあいだは、直す相手が自分になります。構造として名前が付くと、直す相手が仕事の組み立て方に移ります。

そうなると、次に立てる問いは「どうすれば速く見られるか」ではありません。「どこを見ないと決めるか」です。全部を同じ強さで見るのをやめます。レビューを省くのではなく、かけどころを変えるという話であって、品質を落とす話ではありません。具体的なやり方は、次の記事で書きます。

まず今日一日、AIの成果物を見た件数だけ数えてみてください。件数が出れば、これは頑張りの問題ではなく、時間をどこに使うかの問題として扱えるようになります。