会社員がAIで仕事を速くできない理由：環境を制限したままでは成果につながらない

AIを導入しても仕事が遅いなら、モデル性能ではなく入力、検討、承認の過程に時間がかかっている可能性がある。

会社も今やAIを使えと言う。報告書もAIで書き、議事録もAIで整理し、資料調査もAIで速くやれと言う。ところが、AIの応答は速くなっても、自分の仕事はたいして速くならない。

理由は単純だ。作業環境を制限したまま、AIだけを導入するからだ。コピーと貼り付けは制限され、外部ツールは使えない。必要なファイルは権限がなくて開けず、新しいプログラムもインストールできない。会議やメッセージが作業を中断し、成果物は承認なしに公開できない。

こうした環境では、AIをうまく使っても成果物を早く完成させることは難しい。AIが遅いのではない。AIの答えを移し、確認し、公開する会社側の手続きが遅いのだ。

AIの実力より、作って確認する速度が成果を分ける

AIをうまく使うことと、AIで速く成果物を作ることは違う。プロンプトをうまく書き、良いモデルを選び、答えをうまく整えることも大事だ。だが、それだけでは足りない。成果物は「作って確認する一つのサイクル」がどれだけ速く回るかにかかっている。書いて、貼って、実行して、確認して、直して、また実行する過程だ。このサイクルが速くて初めて、仕事が速くなる。一人で働く人は、このサイクルが短い。必要なツールをすぐ入れ、ファイルを自由に動かし、APIをつなぎ、結果をすぐ確認する。失敗すればすぐ戻して、また試す。

会社員は違う。同じAIを使っても、答えを移し、確認し、配備する手続きで止まる。AIが作った答えをコピーできず、必要なファイルにアクセスできず、テスト環境が遅く、承認なしには配備できない。そうなると、AIがいくら速くても、仕事全体は遅い。

会社はAIを与えながら、同時に実行環境を塞いでいる

多くの会社はAI導入を生産性革新のように語る。だが実際の環境は、その言葉に追いついていない。

セキュリティのせいで外部ツールが塞がれている。権限のせいで必要なファイルが開かない。新しいパッケージやプログラムはインストールできない。VDIは遅く、セッションは切れ、コピー&ペーストも制限される。ちょっと何かを試そうとしても、承認手続きがついて回る。

こういう環境では、AIが作ったアイデアをすぐ試せない。下書きを作ったのに貼る場所がなく、コードをもらったのに動かす場所がなく、分析の方向を決めたのにデータにアクセスできない。すると人は次第に、AIを実験の道具ではなく、見栄えだけそれらしく整える道具として使うようになる。実際の成果物は出てこず、文書と要約ばかり増える。

正確でないAIを無理に使わせると、仕事はもっと遅くなる

AIが答えを作る時間は短い。だが、その答えが正しいか確認する時間は短くない。とくに会社の仕事は、間違えれば責任がついて回る。数字一つ、顧客名一つ、契約条件一つが間違っても問題になる。

だから、AIが作った成果物はそのまま使えない。誰かが読まなければならない。原文と照合しなければならない。文脈が合っているか見なければならない。抜けた条件はないか、言い回しは大丈夫か、法務やセキュリティの問題はないか、確認しなければならない。

AIが5分で作った文書を、人が40分かけて検討するなら、その仕事は5分仕事ではない。45分仕事だ。ところが会社はAIが文書を作った5分だけを見て「速くなった」と錯覚する。

もっと悪い場合もある。正確さが十分に検証されていないAIを、会社が業務標準のように強制的に使わせる場合だ。特定のモデルを使えと言われて従ったのに、答えが間違い続け、10回20回直しても正確にならないなら、それは生産性ツールではない。計算がよく間違う電卓を義務で使えと言うのと同じだ。結局、人はAIを使うのではなく、AIが作ったエラーの面倒を見て直すために時間を使うことになる。

AIが安く見える理由は、検証の時間が請求書に別途として刻まれないからだ。トークンの費用は見えるが、人が読み直す時間は、ただ業務時間の中に埋もれてしまう。だからこそ、なお危ない。

成果物が増えれば決定が速くなる、という錯覚

AIは成果物を増やすのが得意だ。下書き、要約、比較表、チェックリスト、代替案リスト。ボタンを数回押せばすぐ出てくる。だから組織は、何かたくさんやったように感じる。

だが、成果物と決定は違う。報告書が10個できたからといって、決定が10倍速くなるわけではない。むしろ選択肢が増え、検討する文書が増え、誰が責任を取るのかが曖昧になれば、決定はもっと遅くなる。会社は「何をもっと作ったか」より、「何を決めたか」を見なければならない。AIが作った資料が決定を減らせなければ、その資料は生産物ではなく、雑音になる。

偽の生産性はここで生まれる。みんなが忙しくなる。文書は増える。会議資料はさらに分厚くなる。ところが、実際に決まったことや実行されたことはたいしてない。

長く集中する必要がある仕事では、自動化ツールより、邪魔されずに実行し続ける環境が先に必要になる。

会議とメッセンジャーは、AIがくれた速度をまた削っていく

実行環境だけが問題ではない。会社員の時間は、絶えず細切れにされる。

AIで何かを作るには、一つの問題に長く張りついていなければならない。流れをつかみ、文脈を入れ、結果を比べ、また直さなければならない。ところが会社では、この流れがよく途切れる。会議が入り、メッセンジャーが鳴り、誰かが急ぎの仕事を投げてくる。

AIは文脈が積み重なるほどうまく使える道具だ。自分が問題を長くつかんでいるほど、うまく使える。逆に、文脈が絶えず途切れれば、AIも浅くしか使われない。毎回また説明し、また思い出し、また方向を立て直さなければならない。

だから、会議とメッセンジャーが多い環境では、AIがあっても深い成果物は出にくい。AIが生産性を上げる前に、会社が集中する時間を先に減らしてしまう。

大企業は多くを持っているが、小さなチームは速く回る

大企業には長所が多い。データも多く、顧客も多く、資本もあり、専門家もいる。だが、たいてい遅い。承認、セキュリティ、会議、権限、組織構造が速度を削る。

小さなチームや個人は逆だ。データは少なく資源も足りないが、サイクルが速い。考えればすぐ作り、作ればすぐ試し、できればすぐ公開する。失敗してもすぐたたんで、また進む。

AI時代には、この速度が思った以上に大きな武器になる。とくに文章、コード、自動化ツール、教育資料、小さなアプリ、業務フローの改善のように、速く作ってすぐ使ってみる仕事では、速度が結果を分ける。実力の差ではなく、環境の差だ。同じAIを使っても、片方は権限と道具が開かれていて、もう片方は制限されている。そうなると、成果物の差は時間がたつほど開いていく。

会社がやるべきことは、AI使用の推奨ではなく、環境の制約を外すことだ

会社が本気でAIの生産性を望むなら、「AIを使え」と言うだけでは足りない。人々に、作って確認できる環境を与えなければならない。

実験用の空間が必要だ。セキュリティ事故なしに内部データを扱える、安全なAIの作業場がなければならない。速い開発環境も必要だ。必要なツールをすぐ使ってみて、失敗しても安全に戻せなければならない。

外部のモデルやAPIをまるごと塞ぐのではなく、承認された利用経路を用意しなければならない。リスクの低い実験には、インストール権限とテスト権限を認めなければならない。会議のない集中時間も守らなければならない。

肝心なのは、実験とリリースを分けることだ。実験は速く、リリースは厳格に。実験まで承認で縛れば、誰も試さない。逆に、リリースを検証なしに開けば、事故が起きる。二つの道を分けてこそ、AIの生産性は実際に出てくる。

会社員は、会社の内と外の仕事を分けるべきだ

では、当面、会社員はどうすればいいのか。すべての環境を変えられないなら、仕事の種類を分けるべきだ。会社の中では、会社の環境の中で可能な小さな勝利を狙うほうがいい。繰り返し作業を減らす、文書の下書きを作る、議事録を整理する、データを整える、先輩が検討する負担を減らす。こういう仕事は、セキュリティと権限の中でも十分に成果を出せる。逆に、長い文章、公開ポートフォリオ、小さなアプリ、個人の自動化、公開リポジトリのように長く残る成果物は、摩擦の少ない環境で作るほうがいい。会社のVDIと承認手続きの中で作ろうとすれば、同じ仕事でも何倍も遅くなる。

ツールをうまく使うだけでなく、どこでどの仕事をするかも決めなければならない。すべての仕事を会社の環境の中で片づけようとすれば、AIの実力が良くても成果物は少なくならざるを得ない。

結果が出ないなら、自分の実力より先に、制限された環境を見るべきだ

AIを使うことと、AIで成果物を速く作ることは違う。AIを使うのはモデルを呼ぶことで、成果物を作るのは、作って確認するサイクルを最後まで回すことだ。会社員がAIで速くなれない理由は、たいてい実力不足だけではない。遅いVDI、塞がれた権限、途切れる集中、会議とメッセンジャー、承認手続きが、動きを制限しているからだ。

だから、成果物が出ないからといって、すぐ自分の実力から疑う必要はない。まず環境を見るべきだ。自分は今、作って確認するサイクルを速く回せるのか。それとも、環境を制限されたまま、AIだけ使えと求められているのか。

AI時代にたくさん作る人は、AIをたくさん呼ぶ人ではない。作って確認するサイクルを速く回す人だ。