AIで仕事が速くなったのに、なぜ忙しいのか？―AIには「何をやめるか」は書かれていない

AIで仕事が速くなったのに、なぜ忙しいのか？ ―AIには「何をやめるか」は 書かれていない

AIが減らしたのは、「一件あたりの時間」だけだった。 半日かかっていた資料作成が、1時間へ。 4時間 → 自由時間？ ざっくり8割減。立派な効率化。でも、早く帰れない。 4時間 → 1時間

「空いた時間」は、瞬時に「追加作業」に上書きされる。 タイムスワップの比較図 今まで ①事前リサーチ ②要約 ③下書き ④議事録 現在地 一瞬になった ①細かい修正 ②エビデンスの確認 ③細かい会議 ④説明・根回し ⑤次の企画 ⑥より高い目標

答えは「追加作業」と「期待値」の増加 1件あたりの時間 1：AIが減らしたのは「一件あたりの時間」だけ。 追加作業 期待値 期待値 一件あたりの時間 期待値 追加作業 期待値 2：空いた時間には「追加作業」と「高くなった期待値」が入り込んだ。 その浮いた時間を何に使うのか、誰も決めていない。

「速くなった」と「楽になった」は別物 【会社側】 会社の帳簿には「速くなった成果」しか計上されない。 【個人側】 空いた時間を何に振り向けたか(=新しい苦労)は、評価が難しい。 空いた時間の苦労

「速くなった」と「楽になった」は、全く別の指標である。 労働強度 疲弊のギャップ 労働生産性 成果・負荷 時間 出典：OECD 2025年レポート『AIと日本の労働市場』 AI利用者の4分の3が「仕事のペースが上がった」と回答。しかし、これは生産性向上の証拠ではなく、「労働強度が上がっただけ」の可能性があると報告書は指摘している。

根本原因：私たちは「何をやめるか」を一切決めていない。 【増やす判断】 ・目的：効率化・DX推進 ・難易度：低い ・社内合意：得やすい ・結果：誰も責任を問われない 【減らす決断】 ・目的：選択と集中 ・難易度：極めて高い(撤退戦と同じ) ・社内合意：困難 ・結果：決断に伴う責任が発生する 「やめる基準」が存在しないため、無難な「増やす判断」だけが無限に繰り返される。

企業を蝕む「ハック病」のループ AI導入 作業が高速化 【欠落】やめる基準がない AIが「もっと速く、たくさん」出力 労働強度の増加 さらなる効率化を求める 撤退戦の歴史 やめる基準を誰も決めない。 これは国民性ではなく、構造の欠陥。先の戦争での敗戦やバブル崩壊の対処ミスも、「撤退戦(やめる決断)」をデザインできなかった同じパターンに起因する。

書かれていない基準は、AIには読めない 1. 減らす決断をしない(基準がない) 2. AIは「やめる基準」を参照できない 3. AIは「もっと速く、もっとたくさん」しか出力しない 速くする方法は探すのに、何かをやめるのは誰も決めない。これが企業の「ハック病」。

「やめる基準を誰も決めない」は日本の持病 戦争の敗戦 バブル崩壊後の対処 現在のAI導入... 国民性ではなく、「誰も(基準を)書かなかっただけ」。 これは持病だが、不治の病ではない。

AIで何かを「増やす」のは決めた。 では、何を「やめる」か決めましたか？

それが、この夏の宿題です。 AI時代に本当に必要なのは、効率化のツールではなく「やめる決断」をする勇気。

池松 潤 Jun Ikematsu AIナレッジエンジニア AIが理解できる文脈(コンテキスト)にするプロフェッショナル ●プロフィール ・婦人公論.jp 動画Youtube・AI・新規事業開発 ～2023 9月～ ・株式会社Figorout 事業開発 ～2023 ・株式会社Col. 執行役員 ～2021 ・SaaSスタートアップ向けSNS+PR/note顧問編集 ～2019 ・サイボウズ二編集部 ～2015 ・セミリタイヤ。自転車ロードレースなど世界を旅する。 ～2011 ・ネット系ベンチャー ～2003 ・株式会社博報堂 ～1990 ・慶應義塾大学卒 ●専門領域 ・ナレッジマネジメント/情報設計 ・生成AI・自然言語処理のビジネス活用 ・ナレッジグラフ/RAG構築支援など ●特徴・強み ・技術と経営・ビジネスの両面から翻訳 ・現場で「使える知識」に変換 ・わかりやすい解説と丁寧な支援に定評 AIナレッジエンジニアとは？ ・AI向けの辞書や教科書を作る仕事のこと 属人化している企業のノウハウや専門知識を編集・整理して AIが正確に参照・活用できる「辞書や教科書(コンテキスト)」として再構築する専門家 池松 潤 https://lit.link/junikematsu

Q5-8 RAG時代の言語資源設計原理 構造化テキストによる「参照可能性」の実証 池松 潤 言語処理学会第32回年次大会・NLP2026 発表論文 RAG時代の言語資源設計原理 ―構造化テキストによる「参照可能性」の実証 https://anlp.jp/proceedings/annual_meeting/2026/pdf_dir/Q5-8.pdf AIはどちらを読みたいか？ A B なぜ「AIにたくさん読ませる」は間違いなのか？―編集者が知るとその後が変わる実験結果