Blog ブログ

「AIを入れてから、資料は速く作れるようになったんです。でも、仕事が終わらないんですよ。」

AI導入を進める側に立つと、こうした声を社内で聞くことが増えてきたのではないでしょうか。ツールは入れた。使い方の案内も出した。実際、たたき台が出てくるまでの時間は、目に見えて短くなった。それなのに、退社の時刻は変わらず、「あの資料、まだ直しているの？」という会話が消えない。心当たりはないでしょうか。

AIによって資料作成などの作業は速くなったはずなのに、仕事全体にかかる時間は思ったほど減らない。その背景には、浮いた時間がそのまま「もっと良くできる」に使われていることがあるのではないでしょうか。AIは作る時間を減らしますが、同時に検討できる量を増やします。どこで検討を終えるかを決めていなければ、速くなった分だけ検討が増え、完成は遠のいていくのだと考えています。これは私たちが実務のなかで見ている見立てであり、本文ではその理由を順に書いていきます。

この記事では、「AIで速くなったのに終わらない」という状態を、AIの性能や使い方だけの問題ではなく、「終わり」の設計の問題として考えます。そのうえで、AIが減らす時間と増やす量、検討を終える3つの条件、立場ごとの一手、そしてAI導入の成果を測り直す物差しまで整理します。次にAIへ資料を頼むとき、頼む前に3つの項目を書き出すだけで、仕事の進め方を変えるきっかけになるかもしれません。

1. 終わらないのは、AIの性能や使い方だけが原因ではない

「終わらない」が話題になると、会議ではたいてい2つの説明が出ます。1つは「AIの精度がまだ足りない」。もう1つは「使いこなせていない人がいる」。どちらも、まったくの的外れではありません。精度が上がれば直す回数は減りますし、指示の書き方が上手な人であれば、たたき台の質も高い。AIの性能と使い方を磨くこと自体は、正しい投資だと思います。

ただ、この2つの説明だけで片づけると、残る問題があります。例えば、AI導入の振り返り会議で「資料のたたき台が3時間から10分になりました」という報告が上がったとします。数字としては大成功です。ところが、同じ会議の後半で担当者に聞くと、「その資料、まだ完成していないんです」と返ってくる。精度が上がり、使い方が上手になった人の手元でも、仕事は終わっていない。むしろ、上手な人のほうが「もう一段良くできる」が見えてしまい、直しの回数が増えることさえあります。性能と使い方の問題として扱っている限り、この落差は説明がつかないのではないでしょうか。

これは、担当者のこだわりが強すぎる、という話ではありません。むしろ、なぜ担当者は「もう一回」を続けざるを得ないのかを考えたほうが、説明がつくように思います。以前なら一回の直しに半日かかっていたため、直すかどうかを迷う前に時間切れになっていました。いまは一回の直しが10分で済むので、「もう一回」を止める理由がありません。しかも、「どこまでできたら完成か」は、誰の役割にも書かれていない。止める理由がなく、止める係もいないのなら、直し続けるのは自然な選択だと言えるのではないでしょうか。

そこで、もう1つの説明を足したいと考えています。速くなった時間は、放っておくと「もっと考える」に使われます。 AIは、作る時間を減らすと同時に、検討できる量を増やしています。検討できる量が増えたのに、どこで検討を終えるかが決まっていなければ、浮いた時間は検討に戻っていきます。これは本人の集中力や意志の問題ではなく、終わりの条件が設計されていない状態での、ごく自然な振る舞いだと私たちは考えています。

では、「速くなったのに終わらない」は、実際にはどんな場面で起きているのでしょうか。その前に、私自身がこのことに気づいた場面を、材料として置かせてください。

2. 【実体験】10分で作れた資料が完成しなかった理由

私の場合、きっかけは、製造業のクライアントと進めている長時間のワークショップの資料づくりでした。私たちは、企業の中でインナーブランディングを進めたり、現場の声をボトムアップで集めて新しい職場や制度の要件を決めたりするワークショップを設計し、進行する仕事をしています。その進行資料を、AIを使って作成していました。

AIの仕事ぶりは、速さだけ見れば申し分ありませんでした。10分程度で、スライドの案を大量に出してくる。ところが、出てきたものを見ると、直前のミーティングで決まったことが反映されていない。決定事項のメモは渡してあるのに、です。そこを直すと、今度は別の箇所が気になる。別の箇所を直すと、「ここはもっと良くできるのでは」という案が、また次々に出てくる。体感では60点。そして、完成しない。

そのときに口にしていたのは、こんな言葉でした。

「資料作る負荷は減ってるものの、かかってる時間がすごく長くて…。」
「ミーティングのメモ渡してるのに、反映されなくて。」
「いつまでも完成しないタスクが…。」

仕事時間が劇的に短くなった、という実感もありませんでした。AIを使うことで思考の速度は上がったのに、「もっと良くできる」が無限に発生して、検討する量そのものが増え、結果として資料にかける時間は以前とあまり変わらない。そう振り返ったとき、問題はAIの性能だけではなく、人間の側がどこで検討を終えるのかにもある、と気づきました。先に「何が決まっているか」と「この資料の目的」を整理してから、AIに作らせる。その順番が抜けていたのです。

もちろん、これは私の身の回りで見た一つの出来事であり、この観察だけから一般的な因果関係を示せるものではありません。ただ、「AIで速くなったのに終わらない」という声を組織のあちこちで聞くようになったいま、一つの示唆があるように感じています。ここから先は、その観察をきっかけにしたBulldozerとしての見立てです。

※実務上の気づきをもとにした概念図であり、実測データではありません。

では、AIは仕事の時間に、実際には何をしているのでしょうか。

3. AIが減らす「作る時間」と、増やす「検討できる量」

資料づくりに限らず、何かを形にする仕事の時間は、大きく3つに分けて見ることができます。これは学術的な分類ではなく、私たちが実務のなかで整理したフレームワークです。AIを入れたのに終わらない仕事が、どこで時間を使っているのかを見分けるためのものです。

• 作る時間：たたき台を形にする時間。文章を書く、スライドを組む、表を埋める。
• 検討する時間：出てきたものを見て、「ここは違う」「もっと良くできる」と考え、直す時間。
• 決める時間：何が決まっていて、何を目指し、どこまでできたら完成とするかを決める時間。

AIが劇的に減らすのは、1つ目の「作る時間」です。10分で大量に出てくる、というのはこの部分の話です。一方、2つ目の「検討する時間」は、減るどころか増えやすくなります。理由は単純で、検討の材料が増えるからだと思います。以前は案が3つしか作れなかったところに、30個の案が並ぶ。30個の案を見れば、30通りの「もっと良くできる」が見えます。つまり、AIが増やしているのは、速さだけでなく、検討できる量でもあります。

そして3つ目の「決める時間」は、AIを導入してもなくなるわけではありません。何が決まっているのか、この資料は誰に何を起こすためのものか、どこまでできたら完成なのか。AIは判断材料を整理したり、選択肢を提案したりできますが、最終的に何を優先し、どこで完成とするかを決めるのは人間です。むしろ、検討できる量が増えた分だけ、決めることの重みは以前より増しています。私の資料が完成しなかったのは、作る時間と検討する時間だけが動いていて、決める時間が最初から抜けていたからだと、いまは思っています。

ここでいう「検討できる量が増える」とは、検討をやめるべきだ、という意味ではありません。案が30個並ぶこと自体は、以前にはなかった価値です。問題は、その30個をいつまで見続けるかが決まっていないことにあるのではないでしょうか。また、このフレームで扱っていない原因もあります。もちろん、指示が曖昧でたたき台の質が低い場合や、AIに渡す情報が揃っていない場合には、まずその前提を整える必要があります。ただ、それだけでは解決しないのが、「どこまで検討を続けるか」という問題です。 

作る時間は減り、検討できる量は増える。最終的に何を優先し、どこで完成とするかの判断は、人の手元に残る。

では、「決める時間」では、何を決めればよいのでしょうか。

4. 「ここまでで完成」を先に決める、3つの条

私の資料が完成に向かい始めたのは、AIに作らせる前に、3つのことを書き出してからでした。これも実務から整理した見立てであり、すべての仕事に当てはまるものではありませんが、問いの型はそのまま使い回せるものだと思います。

• 何が決まっているか：直前の会議の決定事項を、箇条書きで先に渡す。ここに書いたものは動かさない。
• 何のための資料か：この資料を見た人に、何が起きれば成功か。一文で書く。
• どこまでで完成か：決定事項がすべて入り、目的の一文に答えていたら完成。それ以上の「もっと良く」は次の版に回す。

1つ目は、「反映されない」への手当てです。決定事項のメモを渡していたのに反映されなかったのは、メモの中に決まったことと議論の途中のことが混ざっていたからでした。AIは、そのどちらを優先すべきかを知りようがないのです。だから、決まったことだけを箇条書きにして、「これは動かさない」と先に書く。それだけで、修正の多くを減らすことができました。

2つ目は、「もっと良くできる」の暴走を止める物差しです。目的の一文があると、出てきた案を「この目的に効くか」で見られます。効かない改善案は、どれだけ魅力的でも次の版に回せる。目的がないと、すべての改善案が等しく魅力的に見えてしまい、どれも捨てられなくなるのではないでしょうか。

3つ目が、この記事でいちばん伝えたいところです。完成の条件を先に書いておくと、「もう一回直していい？」という会話が変わります。例えば、「もう一回直していいだろうか」と迷ったとき、AIに完成条件を確認するとしたら、こんなやり取りになります。 

人間「この資料、もう一回直していい？」
人間「決定事項は全部入ってる？」
AI「入っています。」
人間「目的の一文には答えてる？」
AI「答えています。」
人間「じゃあ、完成。残りは次の版のメモに書いておいて。」

ここでいう「終わり」とは、手を抜くことでも、品質を下げることでもありません。「もっと良くできる」を捨てるのではなく、次の版に送る場所を作ることです。終わりの条件があるから、検討は途中で止められます。 条件がなければ、検討は「もっと良くできる」が尽きるまで、つまりいつまでも続いていくように思います。

ただし、これは単にAIへの指示を詳しくするという話ではありません。AIに指示を出す前に、人間自身が何を優先し、どこで完成とするかを決めておくことが重要なのです。

では、この3つの条件は、立場によってどこから置いていけばよいのでしょうか。

5. 立場別に見る、「終わり」を決める場所

同じ「終わらない」でも、立場によって手の届く場所は違います。AI導入や変革を担当する立場であれば、社内に配っているAIの使い方の案内に、「頼む前に書く3つの項目」を足すことができます。プロンプトの書き方や便利な使い方は、すでに案内されていることが多いはずです。ただ、そこに「どこまでで完成とするか」の欄が入っている案内は、まだ少ないのではないでしょうか。使い方の案内は、主に速さを高めるための設計です。そこに終わりの設計を1つ足す。それが、担当者の裁量でできる最初の一手です。

管理職であれば、部下から「もう少し直したいんですが」と相談されたときの返し方を変えられます。「いいよ、納得いくまで」と返すのか、「何が入れば完成？」と返すのか。前者は善意ですが、終わりの条件を部下に丸投げしています。後者の一問で、部下は「決定事項は入っているか」「目的には答えているか」を自分で確かめ始めます。管理職の役割は、直しを許可することではなく、終わりの条件を一緒に決めることだと私たちは考えています。

経営や、AI導入の投資を承認する立場であれば、問いを一つ足すことができます。AI導入の報告が上がってきたとき、「どれくらい速くなったか」に加えて、「終わった仕事は増えたか」と聞いてみる。速さの報告は数字にしやすく、導入した側の努力も反映されやすい。ただ、速くなった時間がどこへ行ったのかは、速さの数字には出てきません。経営の場に「終わったか」という問いがあるだけで、担当者は終わりの設計を、自分の仕事の範囲に入れやすくなります。

※AIに任せる前に、判断の中身を言葉にする工程については、記事末尾の関連記事①で扱っています。

では、「終わり」を設計したとして、その効果はどうやって確かめればよいのでしょうか。

6. AI導入の成果は、「速くなった時間」より「終わった仕事」でわかる

AI導入の成果を測る物差しは、これまで「作成時間の短縮」に寄っていました。資料づくりが何時間から何分になったか。これは数えやすく、導入の成果として報告しやすい物差しです。これを手放す必要はありません。

ただ、そこに「終わり」の物差しを足したいと考えています。私たちが実務で見ているのは、版の数と、完成までの日数です。例えば、たたき台が10分で出たとしても、そこから何度も修正を重ね、完成まで2週間かかっていれば、仕事全体が速くなったとは言いにくいでしょう。反対に、同じような仕事で修正回数が減り、完成までの日数も短くなっていれば、「終わりの設計」が機能している可能性があります。もう一つは、「もっと良くできる」で戻った回数です。決定事項の反映漏れで戻ったのか、目的に効かない改善案で戻ったのかを分けて数えると、どの条件が抜けていたかが見えてきます。

物差しが2本になると、振り返りの会話が変わります。短縮率は高いのに版が増え続けているなら、速さの設計はできていて、終わりの設計が抜けていると見当がつきます。直すべきはAIの使い方だけではなく、頼む前の3つの項目かもしれません。反対に、版は少ないのに作成時間が短くなっていなければ、終わりの設計はできていて、作る側の工夫が足りないのかもしれません。2本あるからこそ、次に直す場所を間違えずに済みます。

速さの物差しはAIによる作業効率の変化を測り、終わりの物差しは仕事全体の進み方を測ります。

では、この見方は、これからの組織にどうつながっていくのでしょうか。

7. AI時代に組織に必要なのは、「考えるのをやめる条件」の設計

この出来事が私にとって大きかったのは、資料づくりの話にとどまらなかったからです。前に書いた記事では、AIを入れても手元の仕事が減らない理由を、自動化の前に抜けている工程、つまり判断を言葉にする工程から考えました。今回の話は、その反対側にあります。AIに渡す前の工程が整っていても、AIから受け取ったあとに検討を終える条件がなければ、仕事はやはり終わらない。入口の設計と、出口の設計。この両方が揃って、はじめてAIは仕事の時間を減らすのだと思います。

そして、出口の設計は、個人の工夫だけでは組織に根づきにくいものです。「もっと良くできるなら直す」「納得いくまで検討する」は、多くの組織で美徳とされてきました。それ自体は、品質を支えてきた大切な姿勢です。ただ、AIによって検討できる量が大きく増えた環境では、その美徳が「終わらない」原因になることもあります。

例えば、担当者自身が「ここまでで完成」と決めていても、上司や周囲が「もっと良くできるなら直そう」と考えていれば、仕事を終えることは難しくなります。そこには、個人の仕事の進め方だけでは変えられない、組織としての判断基準があるからです。

Bulldozerでは、組織のなかで明文化されていなくても、人の判断や行動に影響を与えている価値観や暗黙のルールを、組織の「見えないOS」として捉えています。何を良い仕事とするのか、どんな行動が評価されるのか、どこまで考え抜くことが求められるのか。こうした日々の判断の積み重ねが、組織の文化を形づくっています。「検討はいつ終えてよいか」という問いも、この見えないOSの一部として考える必要があるのではないでしょうか。

AI導入を進めるとき、多くの組織は「どう速くするか」を設計します。ツールの選定、使い方の案内、業務の洗い出し。どれも必要です。ただ、同じ熱量で「どこで考えるのをやめるか」を設計している組織は、まだ少ないように見えます。AI導入と同時に、「考えるのをやめる条件」も設計できているか。それが、AIを前提に仕事を組み替えようとする組織に、いま足したい問いです。

速さの設計は進んでいる。終わりの設計は、組織の見えないOSにも関わっている。

では、最後に、ここまでの話をまとめます。

8. まとめ：速さの前に、「終わり」を決める

AIで速くなったのに仕事が終わらないとき、足りないのはAIの性能でも、使い方の巧拙でもないのかもしれません。AIは作る時間を減らし、検討できる量を増やします。どこで検討を終えるかが決まっていなければ、浮いた時間は「もっと良くできる」に戻っていき、完成は遠のきます。だからこそ、AIに頼む前に、決まっていること・目的・完成の条件の3つを書き出す。終わりの条件があれば、検討を終える判断ができます。

一度、自社でAIを使って進めている仕事を、一つだけ思い浮かべてみてください。資料でも、企画書でも、業務の整理でも構いません。

• その仕事は、たたき台が出てから完成まで、版をいくつ重ねているか
• 「もっと良くできる」で戻ったとき、その改善は目的に効いていたか
• 「どこまでできたら完成か」は、頼む前に誰かが決めていたか
• AI導入の成果は、速くなった時間で報告されているか、終わった仕事で報告されているか

まずは次にAIへ資料を頼むとき、頼む前に「決まっていること」「目的」「完成の条件」の3つを書いてみてください。この3つがあるだけで、「もう一回直す？」の会話は変わり始めます。

AIで速くなったのに終わらないとき、本当に問うべきなのは「どうすればもっと速くなるか」ではないのかもしれません。あなたの会社のAI導入は、「どう速くするか」と同じ熱量で、「どこで考えるのをやめるか」を設計しているでしょうか。

関連記事

① Agentic AI｜AIを入れても、手元の仕事が減らないのは、なぜか　─自動化の前に抜けている、ひとつの「工程」

② 会議が多い｜いつも忙しいのに、仕事が進まないのは、なぜか　─物理的な忙しさと、心理的な忙しさ

③ 人材育成｜AIを使いこなす人は、最初に何を言葉にしているのか　─AIと育てる「自分の取扱説明書」

Podcast

Podcast「天上天下主客反転、ブルドーザーの企業解体新書!」では、組織のリアルな課題を毎週解体しています。AIと仕事の組み替えの話は、音声でも続けています。


▼Spotify

▼YouTubeチャンネル

一人ひとりが、「ここまで」を自分で決められる組織へ

ここまで書いてきた頼む前の3つの項目、「何が入れば完成？」の一問、版の数と完成までの日数という物差しは、今日からAI導入の担当者や管理職ひとりでも始められます。

ただ、これを組織全体に広げようとすると、話が変わります。「もっと良くできるなら直す」が美徳として根づいた組織で、検討を終える条件を当たり前にするには、使い方の案内だけでなく、その組織が何を良い仕事と呼んできたか、つまり文化の側を見る必要があります。

一人ひとりの判断や行動は、本人の意識だけで決まるものではありません。組織が大切にしてきた価値観や、日々の仕事のなかで共有されている暗黙のルールにも影響されます。だからこそ、「終わりの条件」を個人の工夫で終わらせず、組織全体で共有できる判断基準にしていくことが重要だと考えています。

組織の見えないOS＝文化を再設計する。そこがBulldozerのカルチャーエンジニアリングの領域です。 私たちは、その会社らしさの本質である「Origin（オリジン）」を起点に、現場の声をボトムアップで集めて要件を定義するワークショップや、インナーブランディングの設計を通じて、組織の変革に伴走しています。

　

自社の組織課題を整理してみる