AIを使っても『忙しい』のはなぜか? 個人と組織で起きる4つの罠と解決策
生成AIを活用することで「仕事が早くなったのに、楽になるどころか忙しくなった」という声を聴くことがあります。
生成AIを使えば、資料作成や情報収集、分析といった仕事を短時間で終えることができます。それなのに、なぜ忙しさが減らないのでしょうか。
AIによって2時間分の作業を効率化できたとしても、8時間勤務の社員が、自分の判断で勤務時間を6時間にできるわけではありません。
多くの企業では、勤務時間も担当業務も決まっています。作業が早く終わっても、退勤時間が自動的に早まるわけではありません。空いた時間に新しい仕事が入り、以前は1日に3つ処理していた案件を4つ、5つと進めるようになります。AIが複数の案を提示してくれることで、人が比較・検証・判断をする回数も増えるかもしれません。
つまり、AIが減らすのは作業時間であって、必ずしも労働時間や精神的な負担ではないということです。その結果、同じ8時間の勤務であっても仕事の密度や強度が高まってしまう可能性が考えられます。
仕事が早くなっても忙しさが減らない原因を把握し、個人や組織がこの問題にどのように対応するべきかを見ていきましょう。
先行調査から見る実態
株式会社パーソル総合研究所が2026年2月に公表した調査では、生成AIを利用したことでタスクの所要時間が平均16.7%短縮された一方で、業務時間が削減できた利用者は25.4%にとどまっていることが示されました。また、時間が削減できた利用者の61.2%は再度仕事に時間を投下しており、その仕事の投下先も普段の業務の延長に費やすことが多いという調査結果になっています[1]。

図1 業務時間削減と仕事への再投下(パーソル総合研究所)
また、伊藤忠テクノソリューションズ株式会社(CTC)が国内大企業に勤める生成AI利用者218人に実施した調査では、47.2%の利用者がAI活用後に担当する「業務量が増えた」と回答しています。また、活用差を感じているという人に聞いた結果としては、生成AIを使いこなしている人に業務や依頼が集中しているように感じるという回答が69.5%にのぼっていました[2]。

図2 業務量の変化(CTC)

図3 生成AIを活用する人に対する業務の集中(CTC)
これらはあくまで自己申告による調査ではありますが、個人の作業が効率化することと本人の仕事が楽になったと感じることは別物として考える必要がありそうです。
本記事では、こうした状況の原因が本人自身、同僚、上司、会社という4つの関係に生じる変化という視点で見ていきたいと思います。

図4 業務負荷を生み出す4つの関係性
本人自身ーー自ら仕事を増やしてしまう
1つ目の原因は、AIを使いこなす「本人自身から生じている」という視点です。
生成AIによって、これまで時間が足りずにあきらめていた分析や企画、改善にも着手できるようになります。複数の案を簡単に比較できるようになると、もっと良いものを作りたいと感じることもあるでしょう。新しい機能を試すことが楽しくなり、仕事の範囲を自発的に広げることも考えられます。
こうした変化は、本人の成長や仕事のやりがいにつながることもあります。しかし、その結果として取り組む仕事の範囲が際限なく広がってしまえば、当然ながら本人の忙しさは減ることはないでしょう。
株式会社DeNAの南場智子氏は2026年3月の講演で、AIを活用した業務効率化が進む一方、効率化した時間にほかの仕事を追加してしまい、本来の目的としていた新規事業への人材シフトが想定ほど進まなかったことを説明しています[3]。
海外でも類似の現象が報告されています。カリフォルニア大学バークレー校の研究者らがある企業を8か月間観察した研究では、AI利用に伴って従業員が自発的に仕事の範囲を広げ、並行作業を増やす姿が観察されました[4]。
紹介した事例は、従業員が自ら仕事を増やすことがあることを示していますが、別の観点として「成果物を作成する作業が減少しても、判断や検証は減少するとは限らない」という部分は見落としがちです。
例えば、AIに資料作成を依頼し、成果物が出来上がるまでの間に別の案件を進めるとします。出来上がったAIの成果物をレビューし、修正を指示して、また別の案件に戻るという状態は想像しやすいものでしょう。こうした場合、人間の資料作成の作業は減っていても、複数案件のスイッチングコストや品質判断の回数が増えてしまう可能性があります。
株式会社日本能率協会総合研究所が2026年10月に公表した企画・マーケティング関連職1,640人の調査では、「AIへの指示や出力の確認・修正・再生成に多くの時間を使っている」という回答が35.7%にのぼりました。生成AIを使っても業務にかかる時間が短縮できていない理由を尋ねたところ、「AIから複数の”もっともらしい”回答を判断・検証する負担が増えた」と回答する人が26.4%で最多でした[5]。
このように考えてみると、今まであまり判断を必要とせずに行えていた作業がAIによって代替された結果、以前と同じ8時間勤務の中でも、動かしているプロジェクトの数や判断・検証の回数、タスクの切り替えが増えることで精神的な負荷はむしろ高まっていると見ることもできるでしょう。
同僚との関係ーー頼られる一方で、憧れ・妬み・恐怖も生まれる
2つ目は、AIを使いこなすと「同僚との関係が変化する」という視点です。
同じ部署で働いているメンバーのうち、ある一人だけがAIを使いこなせるようになったとしましょう。誰がやってもある程度時間がかかっていた資料の作成を、その人だけが短時間で完成できるようになります。
周囲からは「どうやってやっているのか」「教えてほしい」という声がかかります。ほかのメンバーの遅れている資料作成のサポートを依頼されたり、同僚が作った成果物のレビューをしてほしいと言われることもあるかもしれません。このように、AIを使いこなせる人に対して、同僚の仕事を支えるという新たな役割が生まれます。
冒頭に紹介した株式会社パーソル総合研究所の調査では、生成AIを高頻度で利用する人に、周囲への教育や支援に伴う負担が報告されています[1]。CTCの調査でも、AIを使える人への業務や依頼の集中を認識していました[2]。
このような同僚との関わりについては、直接は見えづらい問題が隠れています。生成AIを用いて資料作成などをほかの人よりも早く終わらせることができたとしても、周囲が忙しく働いている中で、自分だけが楽をしているように見せることは困難であるという視点です。そのように感じている状況の中では、新しい仕事を探すか、周囲を手伝わなくてはならないと感じることが多いでしょう。
AIが職場に登場する以前から、職場で長く姿を見せていることが勤勉さの評価につながるという研究があります。Elsbachらの2010年の研究では、職場でよく姿を見せていたり、早朝や深夜、休日にオフィスにいる姿をたまたま目撃すると、信頼感が増したり、熱意が伝わることがわかっています[6]。単純な成果だけでなく、チームに貢献しようとしている人が評価される(もしくは、協力的でない人が減点される)ということを感じている空気があるなかで、自分だけ良ければよいという振る舞いはなかなかとりづらいものでしょう。
また、AIを使いこなす同僚の存在は、周囲の感情にも影響を与えることになります。
1つ目の感情は「憧れ」です。自分もAIを使いこなせるようになりたいというポジティブな気持ちを同僚に与えます。学習を促す可能性がある一方で、「教えてほしい」という依頼ができる人に集まることになります。
2つ目の「妬み」については、「あの人だけが評価されてしまうのではないか」という比較から生じる感情です。2026年のSunとZhaiの学会発表では、同僚の積極的なAI活用が、周囲のAI学習と、妬みに関連する妨害的行動の両方に結びつく可能性を報告しています[7]。
Reifらが2025年に発表した4つの実験でも、AIを利用する人に対して「能力」や「モチベーション」を低く評価したり、「怠惰」とみなす傾向が示されました[8]。
そして、3つ目の感情が「自分の仕事がなくなるのではないか」という「恐怖」です。
自分が長年担ってきた資料作成や分析の業務を、AIに詳しい同僚が短時間で終えてしまうと、自分の居場所がなくなってしまうのではないかという妬みとは異なる感情が生まれます。
独立行政法人労働政策研究・研修機構(JILPT)の正社員7,291人を対象とした調査では、AI・ロボット・デジタル技術などの活用に関連して、29.5%が「仕事を奪われる」ことを、30.4%が「職場で取り残されること」を懸念していました[9]。
自分の居場所や立場を守りたいという気持ちから、従来の方法を変えることに抵抗したり、AIを利用する同僚との協働に慎重になることは十分に考えられます。弊社が実施しているカンファレンスや研究会に参加いただくエンタープライズ企業の人事担当者からも、仕事がなくなる恐怖から協力してくれないという反応が職場から出ていることをお聞きすることがあります。

図5 同僚との関係性の変化
ただ、このような反応は、同僚の置かれている状況に影響を与えることで一定コントロールすることができます。先ほど挙げたSunとZhaiの発表では、同僚が共通の目的を共有できている環境では、健全な学習行動が促されやすくなることがわかっています。AIの活用方法(プロンプトや設定など成果までのプロセス)が透明でアクセスしやすい場合には、より協力しやすくなることにもつながるかもしれません。
キリンホールディングス株式会社では、入社1年目の社員が役員に生成AIの使い方をレクチャーする研修を企画・実施したという例もあります[10]。
組織のなかにAI学習に対してポジティブな空気が醸成されていれば、従来では考えられなかった職位や年齢とは別の軸で、組織学習を促す協働関係を作り出すことができるかもしれません。
上司との関係ーー空いた時間を、何に使えば評価すべきなのか
3番目の関係の変化は、「上司との関係」です。
AIを使いこなす部下が、これまで3日かかっていた作業を1日で完成させるようになったらどのように感じるでしょうか。上司にとっては頼もしい変化であり、新しい案件を追加で任せようと考えるのは自然な流れです。
しかし、ここで上司自身にも難しい問題が持ち上がってきます。
それは、部下が生み出した余力を「何に使ってもらえばよいのか」が明確ではないということです。そして、その時間を使って「何を成し遂げたら評価するべきなのか」という基準も問われます。
AIで効率化した時間を用いて既存業務を強化した部下と、新規事業のアイディアを考えた部下がいたとします。チームとしては顧客への提案数を増やした方がいいのでしょうか。それとも業務改善や新しいプロジェクトを立ち上げて学習に振り向けるべきなのでしょうか。会社としての優先順位が示されていなければ、上司としては判断が難しくなります。
ボストンコンサルティンググループの2026年国際調査では、66%が、創出した時間の使い方について限定的な指針しか示されていない、もしくはまったく示されていないと回答しています[11]。
そうした状況のなかでは、従来の仕事を継続して任せることが最もわかりやすく無難な判断となります。資料作成が早くなった部下には、より多くの資料を作成させる。分析が早くなった部下には、より多くの分析を任せる。こうした指示が出ることはある意味で当然といえるでしょう。
これ自体は何の問題もありませんが、空いた時間により仕事を詰め込むだけでは、部下の仕事はどんどん高密度になっていくだけになってしまいます。
アルミニウム製品世界トップクラスの株式会社UACJは、この問題に向き合った企業の1社です。同社では、AIの利用についてユースケースを開発し、対象の業務で平均約50%、大きいもので80%もの工数削減を見込めるようになりました。しかし、新しい使い方を開発したとしても、現場の担当者は日々の業務に追われ、用意されたユースケースを試したり、挑戦することにつながらなかったといいます[12]。担当者は、うまくいかなかった時の不安や既存のやり方を変えることへの抵抗感を和らげるために、カルチャー醸成やトップのコミットメントが必要であるという指針を出しています。
上司が「失敗したら一緒に汗をかくから、まずはやってみよう」と言えるようにするために、会社や部門長が具体的な数字を挙げて方針を示し、削減した時間を改善や高付加価値業務に投資させるためにKPIとして管理することが重要だと述べています。
AIで生まれた時間の投資先は、AI自身が決めてくれるわけではありません。企業が何を目指し、どの仕事を増やし、どの仕事を減らすのかを示すことで、上司は部下の新しい貢献を評価できるようになるのです。
AIを使える部下が増えたときに、上司に必要になるのは既存の仕事を押し込む能力ではなく、「何をやらなくてよいか」と「何を成し遂げれば価値があるとみなすのか」を決める能力なのかもしれません。
会社との関係ーー人の能力が変わっても、仕事と評価の仕組みが変わらない
最後は、「会社の仕組みそのもの」にあります。
ここまで繰り返し述べてきたように、AIによって8時間の仕事が6時間で終わるようになっても、所定労働時間が6時間になるわけではありません。また、AIを使って業務を効率化できたとしても、上司の承認や会議などが従来のままであれば全体としての業務時間は大きく変わらないかもしれません。
株式会社東芝では、400人の従業員にCopilotを導入するトライアルを実施し、1人当たり月平均5.6時間の時間削減効果を確認する一方、個別作業が早くなってもAI導入に伴って生まれる準備や前後工程の仕事が発生していれば、業務プロセス全体の効率が上がらないケースも出てくると述べています[13]。
こうした問題は個人のボトムアップでは解決ができない場合もあるため、全体最適による業務プロセス改善をするための介入を検討したほうがよいでしょう。
また、AIに詳しい人が「教育」や「相談」を引き受けることが正式な役割として位置づけられず、通常業務の追加として行わなければならない状況では、本人の負担だけが増えてしまう可能性もあります。評価もされず、余計な仕事を増やしたくないと感じて、AIを活用できる人がそれを隠そうとしてしまうかもしれません。
NTTPCコミュニケーションズ株式会社では、各部署の推進担当者、テーマ別のコミュニティ、社内共有会や支援体制を整え、詳しい人が孤軍奮闘しなくても全社に広げていけるような仕組みを会社側が用意することで全社員の2割にも満たなかった生成AI利用率を83%まで引き上げることに成功しています[14]。
カルビー株式会社でも、新入社員の受け入れや異動の時期に人事総務部門に集中していた社内規定に関する問い合わせを、従業員がRAGを用いて自ら確認できる仕組みへ移行していきました[15]。担当者の回答を早くするのではなく、問い合わせプロセス全体を効率化する取り組みと言えるでしょう。
このような事例が示していることは、個人に業務を集中させずに組織にAIを浸透させるためには、その人に仕事が集まる構造をとらえ、仕組みを変える視点をもつ必要があるということでしょう。
評価制度が負担の軽減を悪者にする
会社側の影響という意味では、評価制度の仕組み自体がAI活用を適切に評価できていないという観点も漏れがちです。
たとえば、一般的な評価制度では、チームに対して献身的な姿勢を示すことが求められます。そのような状況で、同じ成果をAIを活用することで6時間で余裕な素振りで終わらせてゆっくりしているメンバーと、必死に8時間で終わらせるメンバーがいたときに、どちらを評価することになるでしょうか。
前述したように人間のバイアスとして余分に頑張っている姿を目にすると高く評価するわけですから、評価制度の基準も影響して後者を評価してしまうことがあるのではないでしょうか。
評価制度が負担の軽減や高付加価値業務へのチャレンジなど、会社として評価すべき基準を示していなければ、効率化せず、従来と同じように「忙しく働く姿を見せること」が最もインセンティブのはたらく合理的な行動になりかねないでしょう。
ただし、忙しさが増えること自体が失敗とは限らない
ここまで忙しさが減らない理由について考えてきましたが、仕事が増えることが必ずしも悪いわけではありません。
AIを活用することで顧客への提案数が増え、事業の成果が高まるのであれば、企業にとっては価値がある変化かもしれません。本人も新しい挑戦を通じて成長や働きがいを感じる場合があります。変革の途中では、仕組みづくりや学習への一時的な投資が必要になることもあります。
また、AIを使うことで業務時間が減った研究結果も存在しています。Dillonらによる66社・7,137人のフィールド実験では、実際にAIを使った人のメール作業時間が週約2時間減り、勤務時間外の作業も減少しました[16]。AIが必ずしも仕事を忙しくするわけではありません。
成果が増えたこと、労働時間が減ったこと、仕事の密度が高まったこと、本人が楽になったことは、別々にとらえる必要があります。うまく対処することによって、AIを活用しながらも無理なく、企業として成果を上げる方法を探していく必要があります。
個人ができること、そして組織が変えるべきこと
それでは、AIを使いこなしているのに仕事が楽にならない状況があるとき、何をどのように改善すればいいのでしょうか。
ここでは、個人の行動によって変えることができることと、組織の意思決定が必要なことに分けて考えることが重要だと考えています。それぞれを見ていきましょう。

図6 個人と組織のアプローチ対比表
個人でできること
ここまで説明してきた内容を振り返ってみると見えてくるように、個人ができることには限りがあります。周囲との関係性の変化に気づかず、AIによる生産性を高め続けた結果、自らが疲弊してしまっては意味がありません。
個人ができることの中で最も効果的であるアプローチは、シンプルかもしれませんが上司と連携を取ることです。上司と基準をあらかじめ握り、相談しながら進めることが手間も少なく、効果も大きな有効な手段となります。自分が達成するべき基準や品質の基準を合意し、新しい依頼をすべて受けるのではなく、優先順位や余裕を上司と相談しながら決めていくべきです。
また、状況の可視化や手続きの透明化も個人主導で改善可能な方法です。AIによって短縮した時間だけでなく、反面、どのような仕事が増えたのか、判断・検証に使っている時間、成果の上がるプロンプトや進め方、同僚の育成や相談に使った時間などを可視化・透明化することによって周囲の理解だけでなく、周りのAI活用レベルを向上させていくことができるようになります。
それに加えて、人事やデジタル部門に協力を仰ぐことも効果的なアプローチになります。人事やデジタル部門としても現場で推進してくれる従業員を求めていることも多いため、組織的なサポートや同じような課題意識を持っている従業員を繋いでくれることもあるかもしれません。
組織が変えるべきこと
従業員個人の独断によって組織全体のルールを変えていくことは困難であるため、構造的な問題に対しては、組織が対処していかなくてはなりません。
まずは、AIによって生まれた余力を何に投資し、どんな成果に対して評価を与えるのかという基準を考え直すことが最優先のテーマとなるでしょう。
既存業務を詰め込むべきなのか、空いた時間を高付加価値業務に割り振るべきなのか、新規のアクションを実行するべきなのか、企業の目指す成果に従って優先順位を示さなければ、上司も部下も判断に迷ってしまいます。
また、同僚への教育や支援を、一部のAIに詳しい従業員の善意に甘えて押し付けないように留意します。AIに詳しい従業員に推進してもらうことになるとしても、会社のガバナンスのなかで支援の役割を公認し、推進できるように位置づけます。必要な学習機会や相互協力の仕組みを整え、先行する従業員だけでなく、ほかの従業員も適切なAI活用に移行できるように支えていく必要があります。
そして、AIがもたらす変化に対して恐怖を感じている従業員を前向きに変化させるため、今後どのように仕事が変化し、従業員の役割や育成、配置が変わっていくのかという方向性を示すようにします。従業員が何を努力すれば職場に残っていけるのかを明らかにしなくては、仕事がなくなる恐怖を拭うことはできません。
最終的には、評価の基準を変えていくことを視野に入れます。AIが登場する以前の評価制度では、長時間貢献する勤勉さや正確さといったものが評価されてきました。しかし、特定の業務においてAIの方が早く、正確に、長時間稼働できる状況においては、人間がその仕事を全うしようとすることが企業にとってのボトルネックになってしまうことすらあります。AIと共存するなかで、人が成果を出すために向き合うべき仕事を明らかにし、その仕事に向き合っている人を評価する評価制度へと移行していく必要があるでしょう。
企業に求められているのは、従業員にAIを使わせることだけではありません。AIによって高まった個人の能力を、仕事の配分や組織の成果、働く人への便益へと転換していくことで全体最適を実現することです。
AIを使いこなせる人ほど疲弊していってしまう職場から、AIを使いこなせる人が増えるほど、企業も働く人もよりよくなる職場へと転換するためには、組織のガバナンスが不可欠と言えるでしょう。
AI活用を企業成果につなげる取り組みについて詳しく知りたい方は、チームにご相談ください
出典
- [1]パーソル総合研究所「生成AIとはたらき方に関する実態調査」2026年2月 https://rc.persol-group.co.jp/thinktank/data/generative-ai/
- [2]伊藤忠テクノソリューションズ「生成AIで生産性は上がった。では、誰の仕事が増えたのか」2026年10月 https://www.ctc-g.co.jp/keys/blog/detail/generative-ai-workload-distribution
- [3]DeNA「DeNA南場智子『先に動かし、事業を広げる』」2026年3月 https://fullswing.dena.com/archives/100189/
- [4]UC Berkeley Haas「AI promised to free up workers’ time. UC Berkeley Haas researchers found the opposite.」2026年 https://newsroom.haas.berkeley.edu/ai-promised-to-free-up-workers-time-uc-berkeley-haas-researchers-found-the-opposite/
- [5]日本能率協会総合研究所「企画・マーケティング職におけるAI活用と“考える時間”に関する調査」2026年10月 https://www.jmar.biz/news_and_column/20261008/
- [6]Elsbach, K. D., Cable, D. M. & Sherman, J. W.「How passive ‘face time’ affects perceptions of employees.」2010年 https://escholarship.org/uc/item/42p1t2v4
- [7]Sun & Zhai「How Coworkers’ AI Crafting Triggers AI Learning and AI Use Undermining.」2026年7月 https://journals.aom.org/doi/10.5465/AMPROC.2026.18958abstract
- [8]Reif, Larrick & Soll「Evidence of a Social Evaluation Penalty for Using AI.」2025年5月 https://doi.org/10.1073/pnas.2426766122
- [9]労働政策研究・研修機構「働く意識の変化や新たなテクノロジーに応じた労働の質の向上に向けた人材戦略に関する調査」2025年12月 https://www.jil.go.jp/institute/research/2025/261.html
- [10]キリン「生成AIの活用と全社員教育」2026年2月 https://www.kirin.co.jp/journal/others/stories/20260227_01/
- [11]Boston Consulting Group「AI at Work 2026.」2026年6月 https://www.bcg.com/ja-jp/publications/2026/ai-at-work-strategy-matters-more-than-tools
- [12]KPMGジャパン「UACJの生成AI導入と業務変革」2026年8月 https://kpmg.com/jp/ja/insights/2026/08/case-uacj.html
- [13]Microsoft「東芝のMicrosoft 365 Copilot導入事例」2025年1月 https://www.microsoft.com/ja-jp/customers/story/20561-toshiba-microsoft-copilot
- [14]NTTPCコミュニケーションズ「全社DX推進の実践事例」2026年3月 https://www.nttpc.co.jp/focusinsight/special/special07/
- [15]ソフトバンク「カルビー株式会社・生成AI導入事例」2026年6月 https://www.softbank.jp/business/case/202606/calbee
- [16]Dillon et al.「Shifting Work Patterns with Generative AI.」2025年5月 https://www.nber.org/papers/w33795