最近、「AI疲れ」という言葉を耳にするようになりました。
生成AIによって仕事が圧倒的に効率化され、これまで何時間もかかっていた作業が数分で終わるようになっています。
私自身、AIを使ったシステム開発を日常的に行っていますが、その生産性の向上には驚かされるばかりです。
しかし、一方で不思議なことがあります。
仕事は圧倒的に速くなったはずなのに、なぜか疲れる。
この理由について考えてみたところ、一つの仮説にたどり着きました。
それは、AIによってアウトプットの時間が短縮され、人間がインプットと判断ばかりを繰り返すようになったからではないか、というものです。
従来の仕事は、インプットとアウトプットの繰り返しだった
そもそも、私たちの仕事は基本的にインプットとアウトプットで構成されています。
例えば、プログラマーなら仕様書を読み、プログラムを書く。デザイナーなら依頼内容を聞き、デザインを作る。管理職なら部下の報告を受け、指示や判断をする。
仕事の種類は違っても、情報を受け取り、それをもとに何かを生み出すという構造は共通しています。
例えば、従来は1時間かけて要件を理解し、その後5時間かけてプログラムを書く、という働き方だったかもしれません。
ところがAIを使うと、1時間かけて要件を理解した後、プログラム自体は5分で完成してしまうことがあります。
すると、どうなるでしょうか。
5分後には成果物が出来上がり、すぐにレビューが始まります。
レビューが終われば、次の指示を出します。そして、また数分後には新しい成果物が返ってきます。
つまり、アウトプットに使っていた時間がなくなり、インプット、レビュー、判断、指示を延々と繰り返すことになるのです。
AIは簡単な仕事をなくし、難しい仕事だけを人間に残す
さらに重要なのは、単にインプットが増えるだけではないということです。
AIによって、人間が担当する仕事の難易度そのものが上がっているのではないかと感じています。
例えば、現在私は大規模なスポットワーカー管理システムの開発に関わっています。
この規模のシステムであれば、従来は要件定義だけで数ヶ月かかっても不思議ではありません。
複数人のチームで資料を読み、業務フローを整理し、機能ごとに議論を重ね、レビューを実施する。
その過程で、関係者は少しずつ業務への理解を深めていきます。
ところが、現在はAIにクライアントから受け取った資料や議事録を読み込ませれば、短時間で要件の叩き台を作成できます。
しかも、その品質が非常に高い。
分からないことがあれば、AIに質問できます。
「なぜこの機能が必要なのか？」
「法律上はどういう扱いになるのか？」
「この設計にした根拠は何か？」
こうした質問にもAIは丁寧に答えてくれます。もちろん、法令や重要な前提については一次情報による確認が必要ですが、理解を進めるための手段として非常に便利です。
その結果、何が起きるのか。
簡単な整理作業はAIが終わらせてくれるため、人間は最初から難しい問題だけに向き合うことになるのです。
従来であれば、画面項目を整理したり、基本的な業務フローを作成したりする時間がありました。
そうした作業は決して無駄ではなく、業務を理解するための過程でもあったはずです。
AIによって、その過程が大幅に短縮されているのです。
成果物を作る速度と、人間が理解する速度は違う
ここには、もう一つ大きな問題があります。
それは、AIが成果物を作る速度と、人間がそれを理解する速度は必ずしも一致しないということです。
例えば、数ヶ月かけて作成していた要件定義書を、AIが数時間で作成できたとします。
これは素晴らしい生産性向上です。
しかし、だからといって、その要件定義書の内容を人間が数時間で完全に理解できるとは限りません。
従来は、資料を作成する過程そのものが理解を深める機会になっていました。
自分で業務フローを整理し、仕様を検討し、他のメンバーと議論する。
そうした時間の積み重ねによって、頭の中にシステムの構造が出来上がっていきます。
一方、AIが完成度の高い資料をいきなり提示してくると、人間はその思考過程を十分に経験しないまま、大量の情報を理解しなければなりません。
しかも、その情報には難しい内容が凝縮されています。
成果物を作るために必要だった時間は短縮できても、その成果物を理解するために必要な時間まで同じ割合で短縮できるわけではない。
ここに、AI時代の新しいボトルネックがあるように思います。
インプットと判断は、実は切り離せない
AI疲れの原因を考えるとき、「大量の情報を読むことが疲れるのか、それとも判断することが疲れるのか」という疑問があります。
しかし、実際にAIを使って仕事をしていると、この二つはほとんど切り離せません。
例えば、クライアントから受け取った資料をAIに整理してもらったとします。
AIが作成した要約を読むだけでも、そこには多くの判断が含まれています。
「この理解は正しいのか？」
「クライアントの意図と一致しているのか？」
「重要な情報が抜け落ちていないか？」
「もっと別の切り口で整理した方がよいのではないか？」
さらに、AIに何をどう整理してもらうかを考えること自体も判断です。
「この部分をもっと詳しく説明してほしい」
「この論点を中心に再整理してほしい」
「この条件を変えた場合はどうなるのか？」
こうして考えてみると、AIを使った仕事は、インプットと判断が一体化した作業の連続です。
単に情報を受け取っているのではなく、情報を理解しながら絶えず判断している。
これが、AI疲れの大きな要因なのではないでしょうか。
仕事から「作る楽しさ」が減っているのではないか
もう一つ、見逃せない点があります。
それは、従来の仕事に存在していた「作る楽しさ」です。
例えば、プログラミングをしているとき。
もちろん頭は使いますし、難しい問題に悩むこともあります。
しかし、自分でコードを書き、試行錯誤しながらプログラムが動くようになっていく過程には楽しさがあります。
デザインでも、文章を書く仕事でも、同じようなことが言えるでしょう。
心理学には、何かに深く集中し、没頭している状態を表す「フロー」という概念があります。
ものを作る仕事には、こうした状態に入りやすい側面があると思います。
ところがAIがアウトプットを担当するようになると、人間には成果物の確認や修正指示が残ります。
もちろん、レビューや設計が好きな人もいますし、AIとの試行錯誤そのものを楽しむ人もいるでしょう。
しかし、AIが仕事の面倒な部分だけを引き受けてくれるとは限りません。
場合によっては、人間が楽しんでいた制作の部分をAIが担当し、人間には難しい確認作業ばかりが残ってしまう。
これもAI疲れを考えるうえで重要な視点だと思います。
AIによって生産性が上がるほど、人間の仕事は高密度になる
ここまで考えてみると、AI疲れは単なる個人の問題ではなく、企業の生産性や働き方にも関わる問題だと分かります。
例えば、これまで1日に3件の仕事を処理していた人が、AIを使うことで15件処理できるようになったとします。
企業から見れば、生産性が5倍になったことになります。
しかし、その人は従来の5倍の回数、成果物を理解し、レビューし、判断しなければならないかもしれません。
しかも、AIによって簡単な作業が自動化されているため、人間が担当するのは難しい問題ばかりです。
つまり、処理件数が増えると同時に、仕事の認知的な負荷も高まっている可能性があります。
従来は1日の中に、難しいことを考える時間と、比較的簡単な作業を進める時間が混ざっていました。
しかしAIによって簡単な作業がなくなると、1日中、難しい問題を考え続けることができてしまいます。
これは生産性という観点では素晴らしいことです。
一方で、人間にとっては非常に疲れる働き方なのかもしれません。
AIがさらに進化すれば、AI疲れは解消するのか
では、AIがもっと賢くなれば、この問題は解決するのでしょうか。
私は、必ずしもそうではないと思っています。
仮にAIが今の10倍速く、大量の成果物を作れるようになったとします。
それでも人間がすべての成果物をレビューし、最終判断をしなければならないのであれば、人間の負担はむしろ増える可能性があります。
重要なのは、AIのアウトプット速度をさらに上げることだけではありません。
人間がどこまで理解し、何を判断する必要があるのか。その仕事の設計自体を変えていく必要があります。
例えば、システム開発であれば、AIがコードを書くだけでなく、テストケースの作成、実行、検証まで担当する。
人間はすべてのコードを逐一確認するのではなく、重要な設計方針や業務上の判断、リスクの高い部分を中心に確認する。
もちろん、AIによる検証自体の信頼性をどう担保するかという課題は残ります。
それでも、すべてのアウトプットを人間が確認するという前提から脱却できれば、AI疲れを減らせる可能性があります。
まとめ：AI時代には、人間の理解と判断の設計が必要になる
AIによって、仕事のアウトプット速度は劇的に向上しました。
しかし、人間の理解力や判断力が同じ速度で向上したわけではありません。
その結果、これまで時間をかけて行っていた制作作業が短縮され、人間には大量の情報を理解し、難しい判断を繰り返す仕事が集中するようになっています。
私は、これがAI疲れの大きな原因の一つではないかと考えています。
もちろん、これは私自身の仕事の経験から生まれた仮説であり、すべての職種や働き方に当てはまると断言できるものではありません。
それでも、今後AIがさらに進化していく中で、重要になる視点だと思います。
AIは人間のアウトプットを高速化した。しかし、人間の理解力と判断力まで高速化したわけではない。
これからは、どれだけ速く成果物を作れるかだけでなく、人間がどれだけ無理なく理解し、判断し、責任を持てるかという観点から、仕事を設計する必要があるのではないでしょうか。
AI時代の本当の生産性向上とは、単に仕事を速くすることではなく、人間が担うべき仕事そのものを再設計することなのかもしれません。