部下がAIで書いた提案書が、Slackに届く。
読み始めて数行で、文章を読む作業から、数字の出典を確認する作業に切り替わっている。書く時間より、書かれた内容を疑う時間のほうが長い。気づけば今週も、自分の判断ではなく他人の判断の点検に一日を使っている。
flowchart TD
A[AI導入] --> B[経営層は恩恵]
A --> C[若手は恩恵]
A --> D[課長は検証労働]
D --> E[エンゲージ低下]
検証と指導だけが積み増された課長の仕事#
私が話を聞いてきた課長たちは口を揃えて言う。「AIが速くなった分、自分の仕事が減った実感がない」と。
ハーバード・ビジネス・レビュー（HBR）が2026年6月26日に掲載した、ジュリア・シン氏とサンドラ・J・サッチャー氏による研究は、この実感に構造を与える。一次調査は大手コンサルティング会社2社に勤める18名への半構造化インタビューだ。この内容を日本語で紹介したnoteの記事（holidayworks氏）を、二次資料として参照している。
その研究が示すのは、AI導入の恩恵が均等に分配されていないという事実だ。戦略を描く経営層と、生産性が目に見えて上がる若手は恩恵を受ける。一方、課長だけが検証とコーチングという、評価にも数字にも出にくい労働を新たに負う。しかも既存の業務は減らないまま、その上に積み増される。
なぜ課長だけに検証と指導が集中するのか#
理由は、AI導入の成否そのものが課長のエンゲージメントに懸かっているからだ。
同じ研究では、エンゲージしている課長がいる部署は、AIの定着率が8.7倍高いという（出典: AIの"検証係"にされる管理職｜ハーバードが見た中間層の限界）。定着を左右する結節点は、経営層でも若手でもなく課長だ。だから組織は、AI活用の成否を課長に委ねる。
ところが同じ研究は、課長自身のエンゲージメントが27%から22%へ下がったとも報告している（出典: AIの"検証係"にされる管理職｜ハーバードが見た中間層の限界）。定着に一番効くはずの当人のエンゲージメントが、逆に落ちている。組織はここに依存しながら、依存している相手に何も返していない。
外から観察してきた限り、この逆説の正体は単純だ。検証とコーチングは、AIの出力を信頼できる形に変換する仕事だが、誰の成果としても計上されない。若手の生産性が上がったように見えるだけで、課長がやった分は記録に残らない。
ここで実際に削られているのは、あなた自身の専門性だ。若手が書いた提案の数字を確認する時間は、あなたが考えて判断する時間ではない。判断の練習量が減れば、専門性は滑走路を失う。検証係を続けるほど、次に何を任されても即答できる自分から遠ざかる。削られているのが判断の側である以上、AIに渡せず手元に残る仕事はどれかを先に決めておかないと、どこを守るかも決まらない。
検証労働を可視化して期待値を打ち返す3つの行動#
やることは3つに絞る。全部を一度にやる必要はない。
- 検証にかけた時間を記録する。 部下のAI出力を確認・修正した時間を週次でメモし、見えない労働を数字に変える
- 提出前のチェック基準を先に渡す。 「ここまで自分で確認してから出す」という基準を部下に渡し、検証の一次責任を手前に戻す
- 判断の時間を1つだけ死守する。 週に1つ、検証ではなく自分で考えて決める仕事を予定に固定し、専門性の練習を切らさない
3つとも、検証労働そのものをゼロにする手段ではない。誰が最初に確認するかの順番を、あなた以外にも分散させる設計だ。
逃げの一手#
3つとも試す余力がない週もある。
そのときは、検証の精度を意図的に落とす。誤字や体裁のような低リスクの誤りは放置する勇気を持ち、数字の整合性など致命的な部分だけ見る。
それでも消耗が続くなら、検証とコーチングに費やした時間を上司との面談で数字として提示すればいい。支援が来なかった事実は、あなたではなく組織の側に残る（詳しくはAI活用が評価軸になったのに研修だけ後回しにされる構造に書いた）。
まとめ：検証係にされた分だけ、専門性の滑走路は削られる#
AI導入の恩恵は経営層と若手に流れ、課長には検証とコーチングという見えない労働だけが積み増される。専門性を守れるかどうかは、その検証労働をどれだけ可視化し、押し返せるかにかかっている。
本記事は AI が下書きし、管理人が監修しています。
