AI生産性の罠：アウトプットが増えても、前に進んでいない理由

ActivTrakは1,100社以上、延べ4億4,300万時間の労働データを分析し、そのうち10,584人がAIを使い始める前後180日間で何が変わったかを追跡しました。普通に考えれば、何かの業務量は減っているはずです。生産性ツールとは本来、何かを肩から降ろしてくれるものだからです。

ところが、減った項目は一つもありませんでした。メールは104%増、チャットとメッセージは145%増。計測されたすべてのカテゴリで業務量が増えたのです。AIは何かを置き換えたのではなく、これまでの仕事の上に新しい活動の層を積み増しただけでした。そしてその間、誰もが「以前より忙しく、生産的になった」と感じていたのです。

これが、罠の正体をひとつのデータで言い当てた例です。AIは仕事が動いているように「感じさせる」のは非常に得意ですが、実際に動かすことはそれほど得意ではありません。

「感じ」と「成果」が乖離している

ここからが、経営者にとって見過ごせない話になります。Workdayが2026年1月にビジネスリーダー3,200人を対象に行った調査では、従業員の85%がAIによって週に1〜7時間を節約していると答えました。時間は確かに浮いています。ところが、その節約分のおよそ40%は、手直し作業で即座に相殺されていました。6時間浮いたとしても、そのうち2時間以上は、AIの出力を修正し、確認し、書き直す時間に消えている計算です。安定して純増を実感している従業員は、わずか14%でした。

時間の節約は事実であり、しかも同時にほぼ打ち消されている。だからこそ、この罠は経営層から見えにくいのです。現場が「AIで何時間も助かっている」と言うのは嘘ではありません。実際に助かっています。ただ、その時間はダッシュボードに映らないところから漏れ出しています。

この現象には名前もつきました。スタンフォード大学とBetterUpの研究者は、これを「workslop(ワークスロップ)」と呼んでいます。一見完成しているように見えるのに、仕事を前に進めるだけの中身がないAI出力のことです。結果として、下流の誰かがやり直すはめになります。作った本人は生産的に感じ、コストは受け取った側に、生産者からは見えない場所で発生します。

見せかけの有能感：AIが「実力以上によく感じられる」理由

この罠にはまりやすいのは、技術の偶然ではありません。むしろ、そう感じるように設計されていることに近いのです。

AIモデルは従順です。素早く答え、自信ありげに語り、流暢で完成度の高そうな文章を埋めてくれ、あなたの案を弱いとはめったに言いません。使っていると、確かに前進している、能力が伸びているという感覚が生まれます。しかし、賢くなっている「感じ」と、実際に賢くなっている「事実」は別物で、このツールが得意なのはあくまで前者のほうです。

40通りの案を生成し、その中から一つを選び、清書して提出する。作業中はずっと鋭く、速く動いている感覚があります。ところが、その選択が的確だったのか、半ばランダムだったのかは、体験としてはまったく同じに感じられます。アウトプットの見た目はかつてなく整い、その裏に本当の思考があったかどうかは、以前より読み取れなくなっています。

これをチーム全体に広げると、冒頭のActivTrakの構図になります。全員が増幅され、全員がより生産的に感じ、あらゆる箇所でアウトプットが増える。それでも成果はついてこない。活動を増幅することと、判断の質を上げることは、そもそも別の話だったからです。

ツールを増やすほど、罠は深くなる

AIが期待通りに機能しないとき、多くの組織はさらにAIを増やそうとします。ツールを追加し、ライセンスを拡大し、利用を促す。しかしデータが示すのは逆の結果です。

BCGが2026年に従業員1,488人を対象に行った調査では、生産性が上がるのはAIツールが3つ以下のときで、4つ以上になると急落することがわかりました。ActivTrakによれば、平均的な組織のAIツール数は2023年の2つから2025年には7つに増え、ほとんどの企業がすでに6つ以上を運用しています。つまり、平均的な企業はすでにBCGの示す「崖」の向こう側にいて、しかも増やすほど成果を損なうツールを、成果を求めてさらに積み増している構図です。

マネジメント側にも、同じ種類の誤りがあります。一部の企業は、従業員のAI利用そのものを報酬に結びつけ、トークン数を追跡して評価に反映し始めています。2026年のある分析はこれを、コード行数や作業量を成果の代わりにしてしまうという、測定にまつわる最も古い過ちの繰り返しだと指摘しました。指標が「AIをもっと使え」になれば、人はもっと使います。そしてworkslopを量産することが、最も合理的な行動になってしまうのです。

抜け出しているチームは、何が違うのか

実際に投資を回収している企業は、最も多く生成している企業ではありません。PwCの2026年の調査によれば、AIによる経済的価値の74%を、上位20%の企業が獲得しています。その差を分けたのは、良いツールを買ったことではありません。ツールはどこも同じです。彼らは仕事の進め方そのものを設計し直し、活動量ではなく成果を測るようにしただけです。

脱出ルートはそれだけ、しかも地味です。プロンプト数、トークン数、下書き数、記録時間を数えるのをやめる。それらが示しているのは、機械が動いているという事実にすぎません。代わりに、実際に何が出てきたのかを測る。意思決定までの時間、生成物のうち実際に世に出た割合、廃棄・やり直しになった割合。AIで100本の下書きを作って2本しか承認しないチームは、5本作って1本を自信を持って選ぶチームに勝ってはいません。むしろ、静かに負けていることのほうが多い。それでも、より生産的に感じられてしまうのです。

もう一歩踏み込むなら、AIが最も弱い工程、つまり「何を残す価値があるかを決める」ところに人間の判断を残すことです。AIは選択肢を生み出すのは得意ですが、その中から選ぶのは信頼できません。品質が決まるのはまさにこの「選ぶ」段階であり、AIに気分よく仕上げられた忙しいチームがまず飛ばしてしまうのも、この段階です。出力がすでに完成しているように見えるからです。

ALLOが担う場所

ここが、私たちがALLOを作った理由です。生成が速く安くなり、その一方で判断がバラバラに散らばって見えなくなると、罠は閉じます。だから私たちは、判断のための場所を用意しました。

AIの出力は、ブリーフや参考資料と並べて共有キャンバスに配置されます。チームは、最初に出てきたそれらしい案を鵜呑みにするのではなく、実際に見比べて検討できます。選択の理由は、チャットスレッドに溶けて消えることなく、作業そのものに紐づいたまま残ります。リーダーは、アウトプットが生まれているかどうかだけでなく、誰かがきちんと判断しているかまで見て取れます。活動量のダッシュボードには決して映らない情報です。

AIはこれからも、アウトプットをより安く、より速くしていきます。そして、そのアウトプットを進歩のように感じさせ続けます。これから数年で勝つチームは、その「感じ」を信じるのをやめ、本当の意思決定を経ても残ったものを見るチームです。もっとアウトプットを出すこと自体は、はじめから目的ではありませんでした。目的は、残す価値のあるアウトプットです。

FAQ

AI生産性の罠とは何ですか。 AIがチームに感じさせる生産性と、実際に生み出す成果とのギャップのことです。AIは仕事を減らすというより活動を積み増す傾向があり、節約した時間の多くは出力を直す作業で失われます。結果として、アウトプットは増えても成果はほとんど動きません。

AIで本当に時間は節約できますか。 部分的には可能です。Workdayの2026年調査では、従業員の85%が週1〜7時間を節約していると答えていますが、その約40%は手直しで失われ、安定した純増を実感しているのは14%にとどまります。

なぜAIは実際以上に生産的に感じられるのですか。 AIは速く、流暢で、従順です。だから使っていると前進している感覚が生まれます。しかし進歩している「感じ」と実際の進歩は別物であり、AIは前者を作り出すことのほうが得意なのです。

AIツールを増やせば効果は上がりますか。 多くの場合、逆です。BCGの2026年の調査では、生産性が上がるのはAIツールが3つ以下のときで、4つ以上になると急落します。それでも、ほとんどの企業はすでに6つ以上を運用しています。

AI生産性の罠から抜け出すには。 活動量ではなく成果を測ること。ツールを絞って使いこなすこと。そしてAIが最も苦手な工程、つまり「何を残す価値があるかを決める」段階に人間の判断を残すことです。AIの価値の大半を獲得している企業は、生成量を増やしたのではなく、仕事の進め方そのものを設計し直しました。

* AI生産性の罠とは、AIがチームに感じさせる生産性と、実際に生み出す成果とのギャップです。行動データによれば、AIは仕事を減らすのではなく、出力の層を上に積み増す傾向があります。導入後、あらゆるカテゴリで活動量が増加します。一方で、AIが節約した時間の約40%は生成物の修正で失われています。罠から抜け出したチームは、より多く生成するのではなく、活動量ではなく成果を測り、人間の判断をプロセスに残すことを選んでいます。