「速く動くため」に導入したAIで、何ひとつ決められなくなった企業たち

チームが最初の案を議論し終わる前に、AIはキャンペーン案を10通り出してくる。仕様書、レイアウト、画像、コード。すべて数分で揃う。

それでも成果は出ていない。2026年1月に公表されたPwCの第29回世界CEO意識調査では、過去1年でAIによる増収もコスト削減も実感できなかったCEOが56%にのぼった。両方を実感できたのはわずか12%だ。MITのProject NANDAが2025年に300件超のAI導入事例を調べたところ、実際に価値を生んだ統合パイロットは全体の約5%にとどまった。投資額は推計300〜400億ドルに達している。

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

かつて別案を1つ作るには、誰かの1日が必要だった。そのコストが、テーブルに並ぶ選択肢の数を静かに抑えていた。作るのは2案。比べる相手がほとんどないので、選ぶのも簡単だった。

AIはこの上限だけを取り払い、それ以外は何も変えなかった。選択肢は数十単位で届くようになったが、それを全部見て、意見をぶつけ合い、1つに絞る作業はいまもチームに残っている。ここだけは、まったく速くなっていない。

BetterUp LabsとStanfordのSocial Media Labは2025年、この無駄を数字で示した。米国の労働者1,150人を対象にした調査で、40%が過去1か月に「完成品に見えるのに仕事を前に進めないAIアウトプット」を受け取っていた。処理には受け手の時間で1件あたり2時間近くを要した。研究者らはこれをworkslopと呼んだ。

どれも微妙に似ている40案

選ぶのが難しいのは、選択肢が見た目以上に似通っているからだ。

Figma CEOのDylan Fieldは2025年10月のLenny's Podcastでこう説明している。AIが最初に返してくるものは、定義上ジェネリックだ。学習したすべての平均だからである。似たモデルに似たプロンプトを投げれば、返ってくるものも似る。Merriam-Websterは2025年のWord of the Yearに「slop」を選び、AIが大量生産する低品質なデジタルコンテンツと定義した。

となると、自社のアウトプットを競合と分けるのは、誰かが山を眺めて本気で1つを選び取ったという事実だけだ。かつてプロジェクトの最後の5分だったこの作業が、いまや価値の大半を占める。

何も決まらない会議

誰かがAIの案を30個持ってくる。どれも悪くない。全員の推しが微妙にずれていて、残りの29案を切り捨てたい人もいない。会議は「少し寝かせよう」で終わる。案はフォルダに放り込まれ、二度と開かれない。

チームが悪いのではない。この作業をする場所がないのだ。

選択肢はSlackのスレッドに縦一列に流れていく。5個目を見る頃には1個目を忘れている。あるいはDriveに1ファイルずつ格納され、記憶を頼りに比較するしかない。UC San DiegoのDavid Kirshは、人が頭の外にあるものを使ってどう思考するかを数十年にわたり研究してきた。結論はシンプルだ。人は、すべてを同時に、しかも他者と同じ視界に置いたときに最もよく考えられる。スレッドではそれができない。フォルダでも同じだ。

結果、判断を下すのは一番長く話した人か、一番役職が上の人か、あるいは締切そのものになる。数週間後に「なぜこの方向に決めたのか」と問われても、誰も理由を辿れない。議論の中身はどこにも残らず、結論だけがタスクとして生き残っているからだ。

レビューは選択ではない

レビューとは、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いくらでもある。

選択とは、複数の実現可能な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、後者を決定的に重要にした。

何を測るか

多くの企業はユーザー数、プロンプト数、ドラフト数を数える。これらは機械が動いていることしか教えてくれない。

もっと意味のある指標がある。決定までの時間、レビューのラウンド数、生成物のうち実際にリリースまで辿り着いた割合。100案作って2案を承認するチームが、5案作って1案にコミットするチームに勝っ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。

問題はツールの中ではなく、ツールとツールのあいだにある。「作る」が終わり、「決める」が始まる瞬間だ。

私たちが作ったもの

ALLOは、その瞬間のためのキャンバスだ。ブリーフやリファレンスと並べて選択肢を横に置ける。フィードバックはスレッドを漂うのではなく、対象そのものに紐づく。チームは作業を目の前にしたまま議論し、結論に辿り着く。決定は、それを生んだ文脈の隣に残る。

ALLOは制作ツールではない。作業はいつも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り続け、「生成できること」は競争優位ではなくなる。誰もが持ち、誰もが同じ平均値を受け取るようになるからだ。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？ AIは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量を増やすからだ。2025年のBetterUp LabsとStanfordの調査では、労働者の40%が「完成品に見えるが実際はそうでない」AIアウトプットを受け取っており、その都度約2時間を費やしていた。

AIが生成した成果物はなぜどこも似通うのか？ モデルは学習データの平均を返すからだ。FigmaのDylan Fieldが言うように、最初のアウトプットは定義上ジェネリックだ。差を生むのは、人が方向を選び取る行為である。

選ぶことはレビューと同じか？ 違う。レビューは1つのアウトプットを評価する作業だ。選ぶとは、複数の妥当な案から1つの方向を決め、チームの合意を取り付けることだ。

ALLOはFigmaやJira、Driveを置き換えるのか？ いいえ。それらはそのまま使ってほしい。ALLOは「作る」と「実行する」のあいだ、つまり選択肢を比べて方向を決める場所に入る。

MiroやFigJamとは何が違うのか？ それらはワークショップ向けに作られていて、セッションが終わるとボードは放置される。ALLOはプロジェクトが動いているあいだ、選択肢、バージョン、フィードバック、決定をずっと保持し続ける。

AIの投資対効果はどう見極めるのか？ プロンプト数を数えても分からない。決定までの時間、レビューのラウンド数、生成したもののうち実際にリリースされた割合。見るべきはこの3つだ。