月曜の朝、あなたはAIツールの利用ログを開く。先週より使用時間は増えているのに、退勤時刻は変わっていない。処理しているタスクの数は、むしろ増えている感覚がある。
flowchart TD
A[AI導入] --> B[処理速度上昇]
B --> C[業務密度増加]
C --> D[複雑さ上昇]
D --> E[燃料消費増]
何が起きているか：スピードと密度が同時に増えた#
私が話を聞いてきた課長たちは口を揃えて言う。「AIを使い始めてから、前より忙しくなった気がする」と。この感覚を裏付ける調査がある。
WSJが報じ、クーリエ・ジャポンが日本語で紹介した記事によれば、一次情報はActivTrak社の調査だ。1,111組織・約16万4000人分のデジタル業務活動データを分析し、AIツール導入前後180日間を比較している。その結果、AI導入後に仕事のスピード・密度・複雑さが増大したと分かった。（出典: ActivTrak「2026 State of the Workplace」）
「効率化すれば楽になる」という前提は、この数字の前では成立していない。速くなった分だけ、こなす量と扱う情報が増えている。
「自分でやったほうが早い」と感じてきた課長にとって、この数字は一瞬だけ救いになる。感覚は間違っていなかった、という裏付けだからだ。ただし救いはすぐ終わる。楽になっていないなら、AIは何のために入れたのかという疑問が残る。
なぜ密度が上がるのか：速度が期待値を押し上げる構造#
AIが仕事を速くする。速くなった分だけ、次の仕事が積み増される。これは個人のスキルの問題ではなく、構造の問題だ。
上司や顧客は、AIで速くなった分を「余裕」ではなく「新しい標準速度」として扱う。1件を1時間で返していた仕事が20分で返るようになれば、次からは20分が基準になる。空いた40分は、あなたの手元には残らない。次のタスクで埋まる。
これが、AIが燃料を奪う新しい構造だ。プレマネの燃料が96%消費される構造 が示すとおり、効率化の果実は、あなたの燃料計にではなく、組織の期待値に流れ込む。その構造そのものを理解するには、プレマネが何を失っているのかの構図を知ることが先だ。
さらに複雑さも増える。AIの出力を確認し、修正し、文脈に合わせて調整する工程が新たに発生するからだ。ChatGPTを入れても楽にならない課長が抱える「確認・修正・承認が増える」構造は、個人の設計ミスだけの話ではない。組織全体で同時多発的に起きている現象だと、この調査は示している。
燃料を残すためにできること#
密度と複雑さの上昇を、あなた一人の裁量で止めることはできない。できるのは、燃料の使い道を選ぶことだけだ。
やることは3つに絞る。
- 速くなった分をすぐには申告しない。1時間の仕事が20分で終わっても、残り40分は次の仕事の予備として自分の手元に置く。可視化した瞬間に回収される。
- AIの確認工程を先に見積もる。導入前に「確認と修正にかかる時間」を計算に入れる。差し引きでゼロなら、その業務への導入は見送る判断材料になる。
- 増えたタスク数を記録する。議事録をAIに任せて月20時間を取り戻したような回収実績だけでなく、AI導入後に増えた業務量も同じ精度で記録する。相殺の実態を数字で持たないと、上司との交渉材料にならない。
課長だけがAIを学習できないのは能力の欠如ではなく、確認・修正に燃料を先に持っていかれる構造のせいだ。密度上昇のデータは、その構造を裏づける材料としても使える。
逃げの一手#
密度の上昇が個人の工夫で相殺できない水準まで来たら、選べる手はある。
一つは、AI導入の効果測定を上司に投げ返すことだ。「導入後にタスク数がどれだけ増えたか、一緒に数えてもらえますか」と聞く。数字を出す責任を、あなた一人で背負わない。
もう一つは、増えた密度分を評価の交渉材料に変えることだ。密度上昇の実態を数値で提示しても状況が変わらないなら、課長として留まることの代償を計算し始める判断材料になる。
まとめ：楽になった実感がないのは、気のせいではない#
AI導入後にスピード・密度・複雑さが増えるのは、ActivTrak社の調査が示す構造的な現象だ。効率化の果実は、自動的にはあなたの燃料計に戻らない。それを数字で確認し、交渉材料に変えることだけが、今できる現実的な一手だ。
本記事は AI が下書きし、管理人が監修しています。
