AI導入で「できる人ほど忙しくなる」のはなぜか｜作業を減らしても、判断が集中すれば忙しさは消えない

AIを導入すれば、仕事は楽になる。そう期待するのは自然なことです。情報を集め、文章の初稿をつくる。資料を整理し、複数の案を比較する。これまで人が時間をかけていた作業をAIに任せれば、一人ひとりの負担は減りそうに見えます。

ところが、実際にAIを使う人が増えてくると、少し違う現象が起こることがあります。AIに詳しい人へ質問が集まり、経験者へ出力の確認が集まり、管理職へ判断や承認が集まる。

結果として、「AIを使えるようになったのに、なぜか一部の人だけ忙しい」という状態になります。

前回は、AI時代の管理職には、人だけでなく、人とAIが進める仕事全体を見る必要があると考えました。では、その仕組みが十分に整わないままAI利用だけが広がると、何が起きるのでしょうか。

今回は、「できる人ほど忙しくなる」という、一見するとAIによる効率化とは逆の現象を考えてみます。

AIは「作る仕事」を増やしやすい

AIを使うと、一人が短時間で作れるものが増えます。以前なら半日かかっていた資料のたたき台を短時間で作れる。複数の企画案を一度に出せる。長い資料を要約し、比較表を作ることもできます。

これはAI活用の大きな利点です。ただ、作れる量が増えると、その後に必要な仕事も増えることがあります。

AIが作った資料を確認する。
事実関係をチェックする。
内容を修正する。
顧客に出してよいか判断する。

たとえば、5人がそれぞれAIを使って提案書の初稿を作れるようになったとします。これまでは1日に2本しか作れなかったものが、5本作れるようになった。

作成する側だけを見れば、大きな効率化です。しかし、その5本を最終的に一人の上司が確認するのであれば、今度は上司のレビューに仕事が集まります。

つまり、AIは「作る量」を増やせますが、その分だけ「見る仕事」も増えることがあります。作成時間だけを見ていると、この変化には気づきにくいかもしれません。

確認できる人が少ないと、そこがボトルネックになる

AIを使えば、経験の浅い人でも一定水準の成果物を作りやすくなります。一方で、その成果物が仕事として使えるかを確認するには、別の力が必要です。

たとえば顧客向けの資料なら、数字は正しいか、顧客の状況に合っているか、提案内容に無理はないか、外部に出して問題ないかを確認する必要があります。

10人がAIを使って資料を作れるようになっても、こうした確認ができる人が2人しかいなければ、仕事はその2人のところで止まります。これは、AIを使う人が増えたこと自体が問題なのではありません。

作る力は広がったのに、確認する力や判断する役割が一部の人に残ったままなのです。特に、顧客への提案や専門的な分析、価格や契約に関わる内容、社外へ公開する情報などでは、経験者や管理職の確認が必要になることがあります。

AI導入では、使える人を増やすことに目が向きやすい。しかし、その先には、「確認できる人をどう増やすか」「誰がどこまで確認するか」という問題があります。

AIに詳しい人が「何でも相談窓口」になってしまう

仕事が集中するのは、成果物のレビューだけではありません。AI導入の初期には、詳しい人へさまざまな相談が集まりやすくなります。

「この情報をAIに入れても大丈夫か」「この回答は信用してよいか」「どのAIを使えばよいか」「社内ルール上問題ないか」といった質問に加え、うまく答えが出ないので見てほしい、という相談まで集まります。

最初は数人からの相談なので、それほど大きな負担ではありません。しかし、利用者が10人、20人と増えていけば、相談も増えます。すると、その人は本来の仕事をしながら、いつの間にか社内AI相談窓口のような役割まで担うことになります。

ここで、「AIに詳しい人をもう一人増やせばよい」と考えることもできます。もちろん、それで改善する場合もあります。ただ、根本にあるのが、その人しか判断基準を知らないという状態なら、人を増やすだけでは同じことが繰り返されます。

どんな情報なら入力してよいのか。
どこまでAI出力を使ってよいのか。
どんな場合に人へ相談するのか。

こうした基準が共有されていなければ、結局分かる人に聞くことになります。AIに詳しい人が忙しくなるのは、その人の能力が高いからだけではありません。その人に聞かなければ仕事が進まない状態が残っているからです。

忙しさの正体は「作業」から「判断」への移動

AI導入を考えるとき、私たちは作業時間に注目しがちです。たとえば、資料作成が3時間から1時間になったり、半日かかっていた調査が30分になったり、メールの下書きを数分で作れるようになったりします。こうした効果は分かりやすく、測りやすいものです。

一方で、その後に、
この内容を使ってよいか。
どの案を採用するか。
どこを修正するか。
顧客に出してよいか。
という仕事が残ります。

AIは作業を減らせても、その分、確認や判断まで自動的になくなるわけではありません。むしろ、AIによって短時間で多くの成果物や選択肢が出てくるほど、見る側には、「どれを採用するのか」という仕事が増えることがあります。

以前の記事『AI時代の「良い判断」は何が違うのか』では、AIが判断材料を増やしても、何を基準に選ぶかは人間側に残ると考えました。組織でAIを使うと、その判断が誰に集まるかも問題になります。

AIで減らした作業が、確認や判断という形で別の人へ移っていないか。

AI導入で「できる人ほど忙しくなる」現象の一つは、こうして残った確認や判断が、一部の人へ集中することから起こります。

個人の頑張りではなく、確認・判断の集中をほどく

では、どうすればよいのでしょうか。
忙しくなった管理職に、「もう少し頑張ってレビューしてください」とお願いしても、長くは続きません。AIに詳しい人に、「みんなの質問に答えてください」と任せ続けるのも同じです。

必要なのは、同じ確認や判断を、毎回「できる人」に持ち込まなくても進められる状態をつくることです。

たとえば、
よくある判断はルールとして共有する。
確認する項目をそろえる。
例外だけ相談する。
専門的な内容だけ専門家へ上げる。
という形です。

どこまでは現場で判断し、どこから先は相談するのか。その境界を共有しておけば、必要な判断だけを適切な人へ上げられます。前回の記事で書いた「どこで誰が確認するか」という仕組みは、ここにつながります。

「できる人に見てもらう」から、「誰がどこまで判断するかを決める」へ。AI活用を広げるには、この転換が必要になります。

AI導入の成果は「誰の負担が減ったか」まで見ないと分からない

AI導入の効果を測るとき、「提案書の作成時間が半分になりました」と言えば、成功したように見えます。

しかし、その一方で、上司のレビュー時間が増え、AI担当への相談が増え、修正のためのやり取りが増えたとしたら、組織全体ではどうでしょうか。

AIを使った本人の作業時間だけを見ていると、こうした負担の移動を見落とします。たとえば、担当者の作成時間は3時間減ったが、上司の確認時間が2時間増えたのであれば、改善幅は見た目ほど大きくありません。

さらに、確認待ちで仕事が止まっていれば、時間だけでは見えない問題もあります。
だからAI導入では、
・作る時間
・確認する時間
・修正する時間
・判断を待つ時間
まで含めて見る必要があります。

AI導入の効果は、「AIを使った人」だけでなく、前後の仕事や周囲の人の負担まで含めて見る必要があります。

実務家メモ｜「一番詳しい人に聞けばいい」は、導入初期しか続かない

新しいITツールを導入したとき、「分からなければ○○さんに聞けばいい」という形で始まることがあります。

人数が少ないうちは、それでも回ります。ただ、利用者が増えてくると状況は変わります。同じ質問が何度も来たり、似た判断を繰り返し頼まれたりして、確認待ちも増えていきます。すると、一番詳しい人が新しいボトルネックになります。

AIでも同じことが起こります。導入を広げるために必要なのは、詳しい人を増やすことだけではありません。
その人が頭の中で使っている判断基準を整理し、
　これは自分で判断してよい。
　ここから先は相談する。
と他の人も分かるようにすることです。

AI活用を広げるには、「AIを使える人」を増やすだけでなく、「その人に聞かなくても仕事が進む状態」をつくる必要があります。

AI導入では「作業」と「判断」を分けて見る

AI導入で「できる人ほど忙しくなる」のは、その人たちが単に優秀だからではありません。

AIによって、資料作成や情報整理、調査を多くの人ができるようになっても、確認や相談、承認、最終判断が一部の人に残れば、そこに負担が集まります。

だからAI導入では、作業をどれだけ減らせたかだけでなく、確認や判断がどこへ移ったかを見る必要があります。
一部の人への集中を減らすには、よくある確認や判断を現場で進められるようにし、必要なものだけを上げる仕組みが必要です。

AIで作業を減らしても、判断の仕組みを変えなければ、忙しさは別の場所へ移るだけです。

では、その役割をどこで分ければよいのでしょうか。
AIにできるからといって、すべてを任せてよいとは限りません。

次回は、「AIに任せる仕事、任せてはいけない仕事」を考えます。

＜＜マガジンTOPへ戻る