ChatGPTなどの生成AIを使うようになって、
- 以前より資料作成は速くなった
- 文章を書く時間も短くなった
- 調べものも一瞬で終わる
と感じている人は多いのではないでしょうか？
ところが不思議なことに、
- 仕事は楽になったはずなのに、なぜか前より忙しい
- 作業時間は減ったのに、頭が疲れる
という声も聞かれます。
これは単なる気のせいとは言い切れません。
AIは1つの作業に必要な時間を減らします。
でも、そこで生まれた余白を新しい仕事で埋めたり、「もっとできるはず」と仕事の範囲を広げたりすると、効率化がそのまま余暇にはつながらないからです。
一言で言えば、AIは「仕事を減らす道具」にも、「同じ時間にもっと仕事を詰め込む道具」にもなります。
この記事では、AIで作業は効率化されたのに、逆に仕事量や頭の疲れが増える理由などを、研究を交えながら分かりやすく解説します。
AIを使うと、本当に仕事は速くなる？
一言で言うと、少なくとも一部の仕事では、生成AIによって生産性が上がることが研究で確認されています。
たとえば、Brynjolfssonらが5,179人のカスタマーサポート担当者を調べた研究では、生成AIによる支援を利用した人は、1時間あたりに処理できる仕事量が平均約14％増加しました。
特に経験の浅い人では効果が大きくなっていました。
研究はその後、2025年に『Quarterly Journal of Economics』にも掲載されています。
また、Boston Consulting Groupのコンサルタント758人を対象にした実験では、AIが得意な範囲の課題では、AIを利用した人は仕事を25％以上速く終え、評価された成果の質も40％以上高くなっていました。
つまり、AIによって1つの仕事を速く終わらせられる、という部分には、ある程度の根拠があります。
では、なぜ私たちは暇にならないのでしょうか？
AIで効率化したのに仕事が増えるのはなぜ？
理由1：「空いた時間」を新しい仕事が埋める
たとえば、以前はブログ記事を1本書くのに3時間かかっていたとします。
AIを使えば1時間で完成するようになりました。
本来なら、3時間 → 1時間 なので、2時間自由時間が増えるはずです。
ところが実際には、
- SNS用の文章も作ろう
- 英語版も作れるな
- 画像も作ろう
- 動画にしてYouTubeにも投稿しよう
- もう1本記事を書こう
となることがあります。
結果として、1記事×3時間だった仕事が、記事＋SNS＋画像＋動画＋別の記事＝3時間へ変わります。
作業効率は上がっているのに、総仕事量は減っていません。
むしろ「できること」が増えた分、忙しくなることさえあります。
パーキンソンの法則と関係がある？
関係はあります。ただし、完全に同じ現象ではありません。
「パーキンソンの法則」とは、以下のような考え方です。
仕事は、その仕事を完成させるために与えられた時間を満たすまで膨張する
1955年に英国の歴史家・行政学者C・ノースコート・パーキンソンが示した、もともとはユーモラスな観察でした。
厳密には、自然科学の「法則」のように確立されたものではありません。
ただし、その後の実験研究では、与えられる時間が長くなると、人は「この仕事はもっと大きなものなのだろう」と仕事の範囲そのものを広く見積もりやすくなる現象も報告されています。
AI時代には、この現象が少し違う形で起こる可能性があります。
以前なら、「今日できるのは記事1本まで」だったところ、AIによって、
- 記事3本くらいいけるのでは？
- SNSもできるのでは？
- 動画まで作れるのでは？
と、自分に期待する仕事の範囲が広がるのです。
AI時代には「仕事のリバウンド」が起こる
ここでは経済学の「ジェボンズのパラドックス」に似た考え方も役立ちます。
ジェボンズのパラドックスとは、簡単に言えば、「資源を効率よく使えるようになると、かえってその資源の使用量が増えることがある」という考え方です。
AIにも似たことが起こります。
文章を1本書くコストが高ければ、「これは本当に書く必要があるか？」と考えます。
しかし、AIで簡単に作れるようになると、「とりあえず作ってみよう」となる。
その結果、1つの仕事のコストが下がる→ やる仕事が増える→ 全体の仕事量はあまり減らないということが起こります。
これは「AI版ジェボンズのパラドックス」として証明されているわけではありませんが、AI時代の仕事を考えるうえで分かりやすい比喩です。
AIを使うと「頭が疲れる」のはなぜ？
もう一つ重要なのが、仕事の種類が変わることです。
AIを使う前は、
考える
↓
文章を書く
↓
完成
という流れだったかもしれません。
ところがAIを使うと、
プロンプトを考える
↓
AIの回答を読む
↓
正しいか判断する
↓
A案とB案を比較する
↓
修正を指示する
↓
もう一度読む
↓
ファクトチェックする
↓
どこで完成とするか決める
となります。
つまり、AIは「作業」を肩代わりしてくれますが、その代わりに人間には、判断する、選ぶ、確認する、監督するという仕事が残ります。
過去の自動化研究でも、機械による自動化を増やせば人間の精神的負担が必ず下がるとは限らず、監視や異常検出など別の認知的負荷が生じることが指摘されてきました。
AI時代にも似た問題が起こる可能性があります。
「身体は疲れていないのに、頭だけ疲れる」はなぜ？
ここで、肉体的疲労と認知的疲労の違いを考えると分かりやすくなります。
たとえば、運動や肉体労働のあとには、
- 脚が重い
- 力が入りにくい
- 身体を休ませたい
といった感覚が出ます。
一方、長時間の文章作成、判断、会議、AIとのやり取りなどが続いたあとは、
- もう考えたくない
- どれが良いのか決められない
- 集中が続かない
と感じることがあります。
こちらが認知的疲労（mental fatigue）です。
認知的疲労では、筋肉そのものはそれほど使っていなくても、
- 注意を維持する
- 情報を比較する
- 判断する
- 間違いをチェックする
- タスクを切り替える
といった処理を長時間続けることで、努力感が高まり、集中や判断を続けにくくなります。
そのため在宅ワークでは、「今日はほとんど身体を動かしていないのに、なぜこんなに疲れているのだろう」ということが起こります。
認知的疲労は、睡眠にも影響する？
ここでは少し注意が必要です。
認知的疲労そのものが、必ず睡眠を悪くするわけではありません。
難しい本を読んだり、集中して勉強したりしたあとに、自然な眠気を感じることもあります。
問題になりやすいのは、認知的疲労 ＋ ストレス ＋ 反芻 が重なった場合です。
仕事を終えても、
- AIの回答に間違いはなかっただろうか？
- あの判断でよかったのだろうか？
- 明日までにあれもやらなければ．．．
- もっとできたはずなのに．．．
と考え続ける。
すると、身体は疲れているのに、頭はまだ仕事を続けています。
睡眠研究では、心配や反芻といった反復性のネガティブ思考が、睡眠の質の低下や入眠の遅れと関連することが繰り返し報告されています。
つまり、疲れていることと、眠れる状態になっていることは同じではありません。
身体には睡眠欲求があっても、頭の中で問題解決や警戒が続いていれば、「疲れているのに眠れない」という状態が起こり得ます。
AI時代の疲れを考えるときには、仕事量だけではなく、仕事を終えたあとも、頭の中で仕事が続いていないかを見ることも重要になりそうです。
※肉体的疲労と認知的疲労、睡眠圧、過覚醒、メンタルヘルスの関係については、別の記事で詳しく解説します。
「10個案を出して」が疲労を生むこともある
AIの大きな特徴は、ほぼ無限に選択肢を作れることです。
「タイトルを考えて」なら1つで済みます。
しかし、「タイトルを20個考えて」と頼めば、一瞬で20個出てきます。
便利ですが、今度は人間に、20個を読む → 比較する → 選ぶという仕事が発生します。
さらに、「もっと良いものがあるのでは？」と追加生成することもできます。
選択そのものには認知的なコストがあります。
AIによって初めて生まれた仕事の一つは、「生成をいつやめるか決める仕事」なのかもしれません。
AIによって「仕事の密度」が上がることもある
以前は資料を作るのに2時間かかっていたとします。
その2時間のあいだ、人は基本的に1つの作業をしています。
AIによって30分で終わるようになると、
資料作成
→ メール返信
→ AIで調査
→ SNS投稿
→ 会議資料
→ AIの回答確認
と、短時間で多くのタスクを処理できるようになります。
つまり、労働時間が8時間から10時間に増えなくても、8時間の中に詰め込まれる情報処理量が増えることがあります。
Microsoftが2025年に公開したMicrosoft 365の利用データでは、対象となったユーザーは勤務中、会議・メール・チャットなどによって、平均約2分ごとに中断されていました。
また、調査回答者の48％が、自分の仕事を「混沌として断片化している」と回答しています。
もちろん、これは「AIが原因で2分ごとに中断される」という研究ではありません。
しかし、AIによって作業速度だけを上げ、仕事の進め方を変えなければ、すでに情報量の多い仕事環境をさらに高速化する可能性があります。
OECDも、AIによって仕事のパフォーマンスや楽しさが改善したと答える労働者が多い一方、仕事の強度が高まることへの懸念も報告しています。
では、AIを使うほど疲れるの？
いいえ。ここは重要なところです。
「AIを使うと仕事が増えて疲れる」と単純化することはできません。
7,137人の知識労働者を対象に、66社で行われた6か月間のランダム化フィールド実験では、生成AIをよく利用していた人はメールに費やす時間が週あたり約2時間減り、通常勤務時間外の仕事も減っていました。
また、AIや自動化によって仕事の負担が減るケースもあります。
つまり問題は、AIそのものではなく、AIによって生まれた余裕をどう使うかにあるのかもしれません。
AIによって30分節約できたとき、「30分休める」となるのか、「あと3つ仕事ができる」となるのか。
ここが大きな分かれ目です。
AIで本当に仕事を楽にするための5つの方法
1．作業を始める前に「完成条件」を決める
AIは際限なく改善できます。
そのため、
- もっといい文章にできる
- もう1案見てみよう
- さらに調べよう
を続けると終わりません。
そこで、
- タイトル案は5個まで
- 修正は2回まで
- この記事には2時間以上かけない
など、始める前に終了条件を決めます。
AI時代には「どう始めるか」以上に、どこでやめるかが重要になります。
2．浮いた時間を100％仕事で埋めない
1時間かかっていた作業がAIで30分になった。
すると、「30分空いた。もう1つ仕事をやろう」と思いやすくなります。
しかし、毎回これを続ければ、生産性は上がっても疲労は減りません。
たとえば浮いた30分のうち、20分は別の仕事、10分は休憩、というように、効率化によって生まれた時間の一部を回復に戻す考え方も必要です。
散歩や軽い運動など、認知的な仕事とは違う活動に切り替えるのもよいでしょう。
3．「生成」と「判断」を何度も往復しない
AIと対話していると、
生成
→ 判断
→ 修正
→ 判断
→ 生成
→ 判断
という細かな切り替えが続きます。
そこで、「まず候補を5つ生成する」「生成が終わったらまとめて評価する」のように、作る時間と選ぶ時間を分けると、注意の切り替えを減らしやすくなります。
4．AIに「できること」ではなく「任せること」を決める
AIを見ると、「これもできる」「あれもできる」と可能性がどんどん広がります。
でも重要なのは、AIで何ができるかではなく、自分は何をしなくてよくなるかです。
たとえば、
- メールの下書きはAI
- 情報整理はAI
- 最終判断は自分
のように役割分担を固定すると、AIを使うたびに新しい仕事を増やしにくくなります。
5．「To Do」だけでなく「Not To Do」を作る
AI時代には、やろうと思えばできる仕事がほぼ無限にあります。
だからこそ、
- 今週はYouTubeには手を出さない
- この記事はSNS展開まで。動画にはしない
- AIで新しいアイデアが出ても今週は保留する
など、やらないことを決めるのも立派な生産性管理です。
AI時代の生産性とは、「どれだけたくさん作れたか」だけではなく、「やる必要のない仕事を、どれだけ増やさなかったか」でも測ったほうがよいのかもしれません。
よくある質問
Q1．AIを使うと頭が疲れやすくなるのですか？
A.AIそのものが必ず疲労を増やすわけではありません。
AIが文章作成などを代行することで負担が減る場合もあります。
一方、AIの回答を何度も比較・確認・修正したり、浮いた時間に別の仕事を詰め込んだりすれば、判断や注意の負荷が増える可能性があります。
Q2．肉体的疲労と認知的疲労は違うのですか？
A.似た部分もありますが、表れ方が異なります。
肉体的疲労では「身体が重い」「力を出しにくい」といった感覚が出やすい一方、認知的疲労では「考えたくない」「集中できない」「判断が面倒」といった感覚が出やすくなります。
AIを使う仕事では、身体をあまり動かしていなくても、判断・比較・確認を繰り返すことで認知的疲労がたまる可能性があります。
Q3．AIで仕事が増える現象はパーキンソンの法則ですか？
A.一部は説明できますが、それだけではありません。
パーキンソンの法則は「仕事が利用可能な時間を埋めるように膨らむ」という考え方です。
AIの場合はそれに加えて、
- 仕事を作るコストが下がるため新しい仕事を増やしやすい
- アウトプットへの期待値が上がる
- 生成物を評価する仕事が増える
といった要因も関係します。
Q4．AIで効率化した時間は何に使えばよいですか？
A.すべてを次の仕事に使わないことがポイントです。
AIで1時間短縮できたからといって、1時間分の新しい仕事を入れれば、忙しさは変わりません。
休憩、運動、散歩、人との会話、考えるための空白などに一部を戻すことで、初めて「効率化＝余裕」になっていきます。
まとめ：AI時代に必要なのは「速く働く力」より「止める力」かもしれない
生成AIによって、私たちは以前より速く文章を書き、情報を集め、資料を作れるようになりました。
しかし、作業が速くなることと、仕事が減ることは同じではありません。
AIによって空いた時間に新しい仕事を入れれば、仕事量は変わりません。
選択肢を増やし続ければ、判断する仕事も増えます。
さらに、身体をほとんど動かしていなくても、判断や比較を繰り返せば認知的疲労はたまります。
そして仕事後も、「もっとできたのでは」「あの判断でよかったのか」と考え続ければ、仕事はパソコンを閉じたあとも頭の中で続きます。
だからAI時代には、「AIで何ができるか？」だけでなく、「AIによって何をやめるのか？」という問いが重要になってきます。
AIで1時間かかっていた仕事が30分になったとき。
残り30分でもう一つ仕事をすることもできます。
でも、そこでパソコンを閉じてもいい。
あるいは散歩に出てもいい。
もしかすると、それこそがAIによる効率化の恩恵を、本当に人間の生活へ還元するということなのかもしれません。
【参考文献・資料】
Brynjolfsson, E., Li, D., & Raymond, L. “Generative AI at Work.” NBER / Quarterly Journal of Economics.
Dell’Acqua, F. et al. “Navigating the Jagged Technological Frontier.” Harvard Business School / BCG.
Dillon, E. W. et al. “Shifting Work Patterns with Generative AI.” NBER, 2025.
OECD. “Using AI in the Workplace: Opportunities, Risks and Policy Responses.”
Microsoft WorkLab. “Breaking Down the Infinite Workday.”
Parkinson’s Lawおよび時間とタスク範囲に関する研究。
【あわせて読みたい】
コメントを残す