AIで仕事が速くなっても、余裕が増えない理由
目次
生成AIを使うと、文章を書く仕事の時間は4割ほど縮みます。宣伝文句ではなく、科学誌『Science』に載った実験の数字です。
では、浮いた時間はどこへ行ったのか。デンマークの大規模調査では、AIで時間が浮いた人のうち、それを休憩や余暇に回した人は1割に届きませんでした。85%は、その時間を別の仕事に使っていたのです。
速くなったのは本当なのに、余裕は戻ってこない。この食い違いには、はっきりした構造があります。
実験では、AIは確かに仕事を速くした
まず、速くなったという話から確かめておきます。
マサチューセッツ工科大学（MIT）のシャケド・ノイ氏とホイットニー・チャン氏は、2023年に453人の専門職を対象にした実験を発表しました。マーケター、コンサルタント、人事担当者などに職種に合った20〜30分程度の文章課題を出し、半数にだけChatGPTを使わせています。
ChatGPTを使ったグループは、作業時間が平均40%短くなりました。同じ職種の専門家が、誰がAIを使ったかを伏せて採点したところ、品質も18%上がっています。もともと成績が低かった人ほど伸び、個人差は縮まりました。
職場のデータもあります。スタンフォード大学のエリック・ブリニョルフソン氏らは、あるソフトウェア企業でカスタマーサポート担当者5,172人にAIの回答支援ツールが順に導入された記録を分析しました（2025年、経済学誌『Quarterly Journal of Economics』）。1時間あたりに解決した問い合わせは平均15%増えています。伸びたのは主に経験の浅い担当者で、熟練者は速さがわずかに上がる程度でした。
AI研究者の今井翔太さんは『生成AIで世界はこう変わる』で、こうした研究を引きながら、生成AIは人の仕事を奪うより、人の生産性を引き上げる「労働補完型」の技術だと整理しています。
ただし、ノイ氏ら自身が認めているとおり、実験の課題は指示がはっきりしていて、事実の正確さや会社の事情を踏まえる必要がないものでした。たとえば「この取引先との過去の経緯を踏まえて返信する」ような仕事は入っていません。実験で縮んだのは、あくまで一つひとつの作業の時間です。
浮いた時間の85%は、別の仕事に回っていた
では、職場全体で見るとどれだけ時間が浮いているのか。
シカゴ大学のアンダース・フムルム氏（Anders Humlum）とコペンハーゲン大学のエミリー・ヴェスターゴー氏（Emilie Vestergaard）は、デンマークでAIの影響を受けやすい11職種を調べました。会計士、カスタマーサポート、ソフトウェア開発者、記者、教師などです。
2023年末と2024年にそれぞれ約2万5,000人へ調査を行い、その回答を国の雇用記録と結び付けています。全米経済研究所（NBER）のワーキングペーパーで、学術誌の査読はまだ経ていません（2025年5月公開、2026年3月改訂）。
AIで浮いた時間は、使っている人の労働時間の約3%でした。実験は一つの作業の時間を、こちらは労働時間全体に占める割合を測っているので、40%と単純には比べられません。それでも差は大きい。論文は、実験が効果の出やすい職種を選んでいることと、多くの職場でAIを業務に組み込む準備が追いついていないことを理由に挙げています。
目を引くのは、その3%の使い道です。85%の人が別の業務に回し、約30%は時間を浮かせた当の作業にさらに時間をかけていました。休憩や余暇を増やした人は10%未満です。
AIは新しい仕事も生んでいました。会社がAI活用を特に推し進めていない職場でも利用者の約8%が、推し進めている職場では約17%が、AIのせいでまったく新しい業務を引き受けたと答えています。
中身は、AIを業務の手順に組み込む作業、AIの出力の品質チェック、利用ルールづくりなどです。教師の間では、AIで書かれた宿題を見抜くという仕事が増えていました。
そしてChatGPTの登場から2年たっても、賃金にも記録上の労働時間にも変化は見られませんでした。2%を超える影響はないと推定されています。浮いた時間は働く時間の短縮にも給料にも表れず、仕事の中身の組み替えに使われていました。
誰にも頼まれずに、仕事は広がっていく
その組み替えは、職場の中でどう進むのか。内側から観察したのが、カリフォルニア大学バークレー校のアルナ・ランガナタン氏とシンチー・マギー・イエ氏です。
2人は2025年4月から12月まで、社員約200人の米国のテック企業に週2日通い、社内のやり取りを追い、40件以上のインタビューを重ねました。2026年2月に『ハーバード・ビジネス・レビュー』で報告された進行中の研究で、査読付き論文ではありません。1社の観察なので、どこまで一般化できるかも分かっていません。
この会社はAIの利用を義務づけていませんでした。それでも社員は、より速く働き、担当する範囲を広げ、仕事をする時間帯も延ばしていきました。休憩中や会議中にもAIに指示を出し、複数の作業を同時に走らせるようになったといいます。
とくに目立ったのが担当範囲の広がりです。プロダクトマネージャーやデザイナーがコードを書き始め、研究者がエンジニアの仕事を引き受けました。以前なら人に頼むか、後回しにしていた仕事です。AIがあれば自分でもできそうに感じられたからでした。
すると今度は、エンジニアの側に仕事が回ってきます。同僚がAIで書いた未完成のコードを見直し、仕上げを手伝う時間が増えました。
期待される速さも変わりました。誰かが明示的に求めたわけではありません。速く仕上がる様子が毎日目に入るうちに、それが当たり前の速さになっていったのです。あるエンジニアは「生産性が上がれば時間が浮いて、働く量を減らせると思っていた。実際は減らない。同じか、むしろ増えた」と話しています。
Microsoftのエンジニアである牛尾剛さんも、『部下としてのAI』で同じ構造を自分の体験として書いています。AIエージェントを使い倒して作業は10倍速くなった。ところが周りのリリース速度も上がるので、AIの出力を確かめる速さも上げ続けなければならない。牛尾さんは一時、AIとの並行作業による脳の疲れから睡眠障害に陥り、これを「生産性パラドックス」と呼んでいます。
流れをつなぐと、こうなります。一つの作業が速くなる。できることが増えたように感じて、引き受ける仕事が広がる。周りが期待する速さも上がる。浮いたはずの時間は、この循環の中で使い切られていきます。
浮いた時間の行き先を、先に決めておく
ランガナタン氏らは、社員一人ひとりに自制を求めても解決しないと書いています。必要なのは、AIをどう使い、どこで止まるかについての決まりごとを職場として持つことです。そのうえで、個人でも始められることを3つに絞ります。
誤解：速くなれば、余裕は自然に生まれる → デンマークの調査では、浮いた時間を休憩や余暇に回した人は1割未満でした。行き先の決まっていない時間は、次の仕事に吸われます。
正しいアプローチ：縮んだ時間を測り、使い道を先に予定へ入れる → 今日AIに任せた作業を一つ選び、以前なら何分かかっていたかを書き出してください。5分で済みます。
→ 浮いた分が週に何分になるか見えたら、その時間を予定表に先に確保します。freee創業者の佐々木大輔さんは『「3か月」の使い方で人生は変わる』で、時間管理の目的を、効率化で生まれた時間を人間関係づくりのような「非効率だが価値のあること」に注ぐことだと述べています。行き先は学習でも、先送りしていた考える仕事でも、定時に帰ることでも構いません。
誤解：AIで自分にもできるなら、引き受けたほうが得だ → バークレーの観察では、この判断の積み重ねが担当範囲を静かに広げ、周りの確認の手間まで増やしていました。
正しいアプローチ：「以前なら誰に頼んでいたか」を考えてから引き受ける → AIのおかげで手を出せそうな仕事が来たら、以前ならそれを誰がやっていたかを思い出します。本来は人を増やすべき量の仕事を、AIがあるからと一人で抱えていないか。上司と仕事量を話し合うときの材料になります。
誤解：どこまで速くやるかは、各自が決めればいい → 期待される速さは、誰が命じなくても職場全体で上がっていきます。個人の工夫だけでは押し返せません。
正しいアプローチ：チームで「浮いた分を何に使うか」を話す場を持つ → たとえば週1回の定例で、AIで短くなった作業と、その分を何に使ったかを一言ずつ共有します。仕事が知らないうちに増えていく流れが、全員に見えるようになります。
→ ランガナタン氏らは、大事な決定の前に反対意見を1つ、組織の目標とのつながりを1つ確かめる「決定前の一時停止」も例に挙げています。速さに流されて判断が雑になるのを防ぐ工夫です。
おわりに
AIが仕事を速くするのは確かです。ただ、速くなった分をそのまま余裕に変える仕組みは、どの職場にも最初から備わってはいません。
浮いた時間は、行き先を決めた人の手元にだけ残ります。次にAIで作業が早く終わったら、空いた数十分を何に使うか、先に決めておいてください。
この記事で参考にした本
『生成AIで世界はこう変わる』今井翔太 → 文章作成やカスタマーサポートの研究を引き、生成AIを人の生産性を引き上げる「労働補完型」の技術と位置づける視点
『部下としてのAI 世界一流エンジニアの進化術』牛尾剛 → AIで作業が10倍速くなった先に、確かめる負担と脳の疲れが待っていた「生産性パラドックス」の体験
『「3か月」の使い方で人生は変わる』佐々木大輔 → 効率化で生まれた時間を「非効率だが価値のあること」に注ぐという、時間管理の目的の置き方
合わせて読みたい
『世界一流エンジニアの思考法』牛尾剛さん｜試行錯誤は、実は「悪」だった 牛尾さんの前作です。手当たり次第に試すより、最初に理解へ時間をかけたほうが結局速いという考え方は、AIで引き受ける仕事を広げる前に立ち止まるヒントになります。
「AIで楽になる」と思っている人が、一番危ない AIに任せたときに衰えやすい判断の力を扱ったコラムです。この記事で見た「時間」の話と合わせると、AIとの付き合い方の注意点がそろいます。
「忙しいのに成果が出ない」の構造的な理由 忙しさが成果とは別の理由で増えていく仕組みを、AIに限らず整理しています。仕事が勝手に増える感覚の正体を、もう一段深く知りたい人に。