AIで速くなるはずが、何も決められなくなった会社たち

AIは、チームが最初の1案を議論し終える前に、10通りのキャンペーン案を出してくる。仕様書、レイアウト、画像、コード。どれも数分で揃う。

ところが、成果は見えてこない。2026年1月に公開されたPwCの第29回世界CEO意識調査では、56%のCEOがこの1年でAIによる増収もコスト削減も実感していないと答えた。両方を実感したのはわずか12%だった。MITのProject NANDAは2025年に300件を超えるAI導入事例を調査し、300億から400億ドルの投資に対して、実際に価値を生んでいる本格導入は約5%にとどまると報告している。

アウトプットと成果のあいだで、何かが利益を食いつぶしている。

消えたコストと、消えなかったコスト

かつて、もう1案作るには誰かの1日が必要だった。そのコストが、テーブルに載る選択肢の数を静かに抑えていた。2案作り、1案を選ぶ。比べるものが少ないから、選ぶこと自体は簡単だった。

AIはこの上限だけを取り払った。選択肢は数十単位で届くのに、チームは相変わらず全部に目を通し、意見をぶつけ合い、1つに絞らなければならない。この作業は、速くなっていない。

BetterUp LabsとスタンフォードのSocial Media Labは、2025年にその無駄を数値化した。米国の労働者1,150人への調査では、40%が過去1か月に「一見完成しているが、仕事を前に進めないAI成果物」を受け取っていた。1件あたり、受け取った側が費やす時間は約2時間。彼らはこれを「workslop(仕事のスロップ)」と呼んだ。

似たり寄ったりの40案

選ぶのが難しいのは、選択肢が見た目より互いに似ているからだ。

FigmaのCEO、ディラン・フィールドは2025年10月のLenny's Podcastでこう説明した。AIが最初に出してくるものは、定義上ジェネリックである。学習してきたすべての平均だからだ。似たモデルに似たプロンプトを入れれば、似た結果が返ってくる。Merriam-Websterは2025年の「今年の言葉」に「slop」を選んだ。AIが大量生産する低品質のデジタルコンテンツ、という定義だ。

つまり、自社の成果物と競合の成果物を分けるのは、誰かがその山を眺めて本当に選び切ったかどうか、その一点しかない。かつてはプロジェクトの最後の5分でしかなかったこの作業が、いまでは価値のほとんどを占めている。

何も決まらない会議

誰かがAIで作った30案を持ってくる。どれも悪くない。全員が微妙に違うお気に入りを持ち、他の29案をつぶすのは気が引ける。結局「少し寝かせよう」で終わる。案はフォルダに送られ、二度と開かれない。

問題はチームではない。決める場所がないのだ。

選択肢はSlackのスレッドに縦一列に並ぶ。5番目にたどり着くころには、1番目を忘れている。あるいはDriveに1ファイルずつ入り、記憶を頼りに比較することになる。UCサンディエゴのデイヴィッド・カーシュは、頭の外にあるものを使って人がどう考えるかを何十年も研究してきた。結論はシンプルだ。人は、全部を一度に、みんなの目の前で見られるときに、いちばん良く考える。スレッドではそれはできない。フォルダでもできない。

だから結論は、いちばん長く話した人か、いちばん役職の高い人か、締め切りが下すことになる。数週間後、なぜあの方向に進んだのかと誰かが聞いても、理由はどこにも残っていない。議論の記録がどこにもないからだ。残ったのは結論だけ。タスクの形で。

レビューは、選ぶことではない

レビューは、1人が1つのものを基準に照らして判断する作業だ。これを得意とするツールは十分にある。

選ぶというのは、複数の使える案を前にチームで議論し、1つにコミットすることだ。AIは前者を爆発的に増やし、後者を決定的なものに変えた。

何を測るべきか

多くの会社が計測しているのは、ユーザー数、プロンプト数、ドラフト数だ。これらは「機械が動いている」ことしか教えてくれない。

もっと有効なのは、決定までの時間、レビューの往復回数、生成したもののうち実際に世に出た割合だ。100案を作って2案を承認するチームは、5案を作って1案にコミットするチームより優れているとは限らない。

いまのツールはそのままでいい

デザインはFigmaで。ファイルはDriveに。チケットはJiraで。ワークショップはMiroで。

足りないのは、それらのツールのあいだ。「作る」が終わり、「決める」が始まるその瞬間だ。

私たちが作ったもの

ALLOは、まさにその瞬間のためのキャンバスだ。選択肢がブリーフや参考資料と並んで一望でき、フィードバックはスレッドに漂うのではなく、対象そのものに紐づく。チームは成果物を目の前にして議論し、結論が固まるまでその場に留まる。決定は、それを生んだ文脈の隣に残る。

ALLOは制作物を作るツールではない。制作はいままでの場所で続ければいい。承認ワークフローでもない。

モデルは今後も安くなる。生成そのものは競争優位にはならない。誰もが同じ「平均」を手にするからだ。残るのは、40案のうちどれが正しいかを見極め、チームで合意する仕事だけだ。

FAQ

なぜAIはチームの生産性を上げないのか？ 1人のアウトプットを速くする一方で、他の全員が判断すべきものを増やしてしまうからだ。2025年のBetterUp Labsとスタンフォードの調査では、40%の労働者が「完成しているように見えて実はそうではない」AI成果物を受け取り、1件あたり約2時間を費やしていた。

なぜAI生成物はどこも似た仕上がりになるのか？ モデルは学習したものの平均を返す。Figmaのディラン・フィールドは「最初の出力は定義上ジェネリック」と言う。差をつけるのは、人が方向を選び取ることだ。

選ぶことはレビューと同じか？ 違う。レビューは1つの成果物を評価する。選ぶとは、複数の使える方向から1つを選び、チームで合意することだ。

ALLOはFigmaやJira、Driveを置き換えるのか？ 置き換えない。そのまま使ってほしい。ALLOは「作る」と「実行する」のあいだ、選択肢を比較して方向を決める場所に位置する。

MiroやFigJamとはどう違うのか？ あちらはワークショップのためのツールで、セッションが終わればボードは放置されがちだ。ALLOはプロジェクトの選択肢、バージョン、フィードバック、決定を、仕事が続くあいだ保持し続ける。

AIが効いているかはどう判断するか？ プロンプト数ではない。決定までの時間、レビューの往復回数、そして生成物のうち実際に世に出た量だ。