AIで仕事が速くなった。その時間は誰のものか

仮に、30分かかっていた資料が、AIを使うと10分で仕上がる。これで20分、自由になれる。ところが上司がその仕事を10分で終わるものとして扱い始めたら、どうなるか。翌週には、空いた20分に別の仕事が入っているかもしれない。仕事は確かに速くなった。帰る時間は、少しも早くなっていない。

本記事にはAmazonのアフィリエイトリンクが含まれています。Amazonのアソシエイトとして、タケルは適格販売により収入を得ています。

これは、仕組みを考えるための仮の場面だ。しかし「AIで生産性が上がれば、人間は楽になる」という説明に、何が抜けているかは見える。作業時間を短くする技術と、短くなった時間を自分で使える権限は、別の商品なのである。AIの月額料金を払っても、後者がセットで付いてくるわけではない。

問いたいのは、AIが便利かどうかではない。便利になった結果、誰が何を手にするのかだ。会社には処理能力、客には短い待ち時間、働く人には追加の仕事。この配分でも、導入報告書には立派に「成功」と書けてしまう。

「生産性15％増」のグラフに、あなたの余暇は載っていない

AIが仕事を速くするという話には、実際の根拠がある。Brynjolfsson、Li、Raymondが顧客対応担当者5,172人のデータを分析した研究では、AI支援の導入によって、1時間あたりに解決した問題の件数が平均15％増えた。特定企業での導入を調べた結果で、全職種の将来を予言する数字ではない。［1］

大事なのは分母と分子だ。この15％は「同じ時間で多くの問題を解決した」という数字であって、「同じ給料で15％早く帰れた」という数字ではない。処理能力が増えたことから、休みまで増えたと読み取るのは、会社の売上が伸びたから自分の口座残高も増えたはずだと考えるのと同じだ。両者をつなぐ仕組みが、別に必要になる。

しかも、この研究は単純な労働強化の物語ではない。顧客からの扱いが改善し、上司への交代を求められることが減るなど、仕事の経験にとって好ましい変化も報告している。一方で、賃金や企業全体の労働需要の変化は観測できないと、著者たちは限界を明記している。ここから「AIは労働者を不幸にする」と断定するのも、都合のいい読み方だ。［1］

別の角度から見ても、区別は必要だ。NoyとZhangが453人の大卒の専門職を対象に行った文章作成課題の実験では、ChatGPTを使える群で平均所要時間が40％減り、成果物の評価が18％上がった。ただし、実験の課題が速く終わることと、その人の一日の労働時間が短くなることは、やはり同じではない。［2］

この実験には、実際の職場のような特定企業や顧客の文脈、厳密な事実確認を十分に織り込めないという制約もある。研究者自身が所属大学の解説で説明している。実験で節約できた時間を、そのまま自分の勤務表から引き算するわけにはいかないのだ。［3］

こうした条件下で確認された時短効果まで否定する必要はない。疑うべきなのは、効果を測った数字に、まだ測っていない幸福まで上乗せする売り文句である。

同じAI、同じ20％の改善、三つの違う職場

配分の違いを、簡単な計算で見てみよう。ここからの数字と職場はすべて説明用の仮定であり、先ほどの研究の再現ではない。話を単純にするため、休憩や会議などを除いた処理に使える8時間で、同じ重さの案件を100件こなしていたチームを考える。AIによって時間あたりの処理能力が20％上がり、同じ8時間で120件を処理できるようになったとする。需要も十分にあるものとする。

Aの職場は、100件という仕事量を据え置く。計算上は6時間40分で終わるので、残る1時間20分を、賃金を下げずに勤務時間の短縮へ回す。ここでは初めて、処理能力の改善が働く人の自由時間になる。AIが時間を生んだだけでは足りず、会社がその使い道を決めたからだ。

Bの職場は、120件を新しい標準にする。勤務時間も給料も変わらない。会社は追加の20件を処理でき、客は以前より早く返答を得られる。ただし担当者が持ち帰る時間はゼロだ。以前の手順より楽に120件をこなせる可能性もあれば、判断や確認が詰まり、むしろ疲れる可能性もある。件数だけでは、そこはわからない。

Cの職場も100件を基本にするが、余力を予定表に残す。普段は研修や手順の改善に使い、繁忙時は難しい案件を引き受ける。目の前の売上に直結しない余力を、仕事を破綻させないための備えとして持つわけだ。この余力まで使い切った日には、研修を延期するのか、受ける仕事を減らすのかも決めておく必要がある。「余裕があれば研修」では、研修の方がいつまでも余ってしまう。

三つともAI導入には成功している。違うのは、増えた処理能力の行き先だ。導入前にこの話をしなければ、仕事を追加できる人が、いつのまにか答えを出しているかもしれない。あなたが20分を取り戻したと思ったとき、予定表を管理する側は20分の空き枠を発見している。どちらも計算は間違っていない。見ている所有者が違うだけだ。

悪い上司がいなくても、仕事は空欄を埋めに来る

ここで、欲深い経営者と搾取される労働者を並べれば、話は簡単になる。しかし、その説明では肝心なところを取り逃がす。担当者を本気で心配している管理者でも、Bの職場を選ぶ理由はあるからだ。

たとえば先ほどのチームで、回答を待つ客が大勢いるとしよう。人を増やす予算はなく、隣の部署からは応援を求められる。そこで管理者が「AIで対応できるなら、もう少し受けよう」と考えるのは、必ずしも不合理ではない。追加で助かる客がいる。機器や利用料を負担した会社にも、成果を求める理由はある。

担当者の側にも、目の前の仕事を片づける理由がある。「余力を残してほしい」と言うより、困っている同僚の案件を一件引き取る方が、その場は丸く収まる。これを毎日繰り返せば、誰かが大号令をかけなくても、余力は仕事に置き換わる。全員がその場ではもっともな判断をした結果、全員で余裕を使い切る。なかなかよくできた仕組みである。

さらに、この仮の会社が処理件数を主な評価基準にすれば、管理者は増えた件数を成果として示しやすい。一方、「忙しい日に備え、何も起きなかった1時間」を評価してもらうには、説明が要る。目に見える実績と、起きなかった混乱を比べれば、前者の方が報告書を作りやすい。余力を残す方針がなければ、数字になる仕事へ使う動機が強くなる。

そして120件を安定して処理できる日が続けば、次の目標を決める人は、それを実績として参照できる。昨日の工夫が今日の標準になり、工夫する前の働き方は「遅い」と見なされる。これはAI固有の呪いではない。成果を出したとき、その成果が報酬になるのか、次の最低ラインになるのかという問題だ。AIは、この話を短い周期で何度も起こせる道具になる。

「もっと価値の高い仕事へ」は、誰にとっての価値なのか

よくある答えは、「単純作業をAIに任せ、人間はもっと価値の高い仕事に集中すればよい」だ。正しい場合もある。書式を整える時間が減り、相手の相談に向き合えるなら、その改善には意味がある。問題は、「価値が高い」という言葉が、働く側への見返りを何も約束していないことだ。

資料のたたき台が速くできたので、残った時間は判断の難しい交渉に使う。顧客への定型回答が速くなったので、人間は例外や苦情を担当する。いずれもあり得る運用だ。会社にとって重要な仕事へ移ったとしても、本人にとって楽になるとは限らない。軽い仕事の合間が消え、一日が難問だけで埋まることも考えられる。

このとき給料、権限、支援する人員が変わらず、責任だけが増えたなら、「価値の高い仕事」はずいぶん便利な褒め言葉になる。本人の成長と、会社の追加発注を、一つの言葉で説明できるからだ。成長の機会を否定する必要はない。ただし、何を引き受け、何を引き換えに得るのかは、褒め言葉から分離して考えた方がよい。

逆に、AIの回答を確認する人の仕事が増える場合もある。これは、すべての導入現場でそうなっているという実証結果ではなく、運用を設計するときの論点だ。作成者が10分を節約しても、別の人が根拠の確認や誤りの修正に15分を使うなら、チーム全体の時間は減っていない。速く作れた人の画面だけ見ていると、効率化したことになってしまう。

だから測るなら、AIを使う担当者だけでなく、その前後も含めたい。作成、確認、修正、差し戻しまでで何分か。処理件数が増えたとき、やり直しや他部署の負担はどうなったか。速度の改善は歓迎すればいい。その請求書が誰に回ったかも、同じ熱心さで確認したい。

では、浮いた時間は全部、自分のものにできるのか

ここまで読むと、AIで浮いた時間は全て労働者に返すべきだ、と言いたくなるかもしれない。しかし、会社が費用を出して道具を導入し、仕事を組み替えたなら、成果の一部を受け取ること自体がおかしいわけではない。待ち時間や価格が下がるなら、客にも利益がある。企業間の競争があれば、会社も増えた利益をそのまま取り続けられるとは限らない。

ここでの主張は、会社に一分も渡すな、というものではない。仕事が速くなったという技術の説明だけでは、配分まで正当化できない、ということだ。「処理能力が増えたから、担当件数を増やす」は一つの経営判断である。「処理能力が増えたから、人間も楽になった」と言い換えるところで、話がすり替わる。

では、会社から離れ、個人で働けば解決するのか。これも契約次第だ。たとえば、成果物一つに対して報酬を受け取る仕事で、品質と納期を保ったまま作業を短縮できたとする。追加の依頼がなければ、残った時間を別の仕事にも休みにも使える。この場合、速さは自分の時間に変わりやすい。

ところが、相手が「AIならすぐできるでしょう」と値下げを求めたり、空いた時間に追加修正を頼んだりすれば、配分の話が戻ってくる。仕事の範囲、修正回数、納期、料金をどこで区切ったかが効いてくる。これは特定の取引の話ではなく、同じ技術でも契約によって受益者が変わるという例だ。

さらに、誰にも追加の仕事を命じられなくても、自分で予定を埋めることはできる。30分空いたらもう一件受け、夜が空いたら別の副業を始める。収入を増やす選択には意味がある。ただ、休むつもりで導入した道具が、売れる時間を増やす道具に変わったなら、何を優先したのかは認めた方がよい。雇われ先を離れても、自分の中の営業部長まで退職するとは限らない。

AIの使い方より先に、成果の使い道を決める

この問題に、気の利いたプロンプトだけで答えることはできない。必要なのは、速くなった後の仕事のルールだ。先ほどの仮のチームなら、導入前の100件を何と比べ、増えた能力をどこへ配るのかを具体的に決める。全部を余暇にする必要も、全部を追加受注にする必要もない。

たとえば、件数の増加に一部を使い、残りは研修と繁忙時の備えに残す運用でもよい。ただし、備えを使い切る日が続いたら、新しい通常業務になっていないか見直す。勤務時間を短くする方針なら、残業が減っただけなのか、仕事を家へ持ち帰っていないかも見る。名前が「余力」なら余力になるわけではない。

評価も同じだ。件数や売上に加え、確認と修正を含む総作業時間、実際に取れた休憩、残業、品質、本人が感じる負担を見る。全てを一つの点数にまとめる必要はない。生産量と人の状態を別々に見れば、「客の待ち時間は減ったが、担当者の負担は増えた」という結果も、そのまま扱える。そこで次の配分を考えればいい。

働く側が確認したいことも、案外具体的だ。AIで速くなった仕事の目標件数は変わるのか。増えた責任に見合う権限や支援はあるのか。成果は賃金、勤務時間、仕事の裁量のどこに反映されるのか。個人の立場で全てを決められるわけではない。それでも、「便利になったでしょう」で終わらせず、何が変わる契約なのかを言葉にする意味はある。

AIは、仕事を速くすることはできる。けれど、速く終えた人に時間を返す相手ではない。その役目を技術に任せたつもりでいると、予定表を埋める権限のある人が配分を決める。しかも、その人が自分自身である場合まである。

生産性のグラフが右肩上がりになったとき、喜ぶのはいい。次に、自分の勤務表と報酬を見ることだ。そこに何も変化がなくても、成果が消えたわけではない。少なくとも、余暇や報酬という形では自分に配られなかったのである。AIの性能だけでなく、その配分に納得しているかも確かめたい。

自分の時間について、もう少し考えるなら

参考資料

［1］Brynjolfsson, E., Li, D., Raymond, L. (2025). Generative AI at Work. The Quarterly Journal of Economics, 140(2), 889–942. DOI: 10.1093/qje/qjae044.

［2］Noy, S., Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science, 381(6654), 187–192. DOI: 10.1126/science.adh2586. 大学公開の論文要旨でも結果を確認できる。

［3］MIT News (2023年7月14日). Study finds ChatGPT boosts worker productivity for some writing tasks. 研究者の説明と実験の限界。