最近、私が話す機会のある多くのコーダーや開発者のあいだで、同じような悩みを耳にすることが増えてきました。

彼らはAIを常に使い、日々のワークフローに組み込んで、より多くの仕事をこなそうとしています。コーディングは速くなり、アイデアの検証も速くなり、修正も速くなり、以前よりはるかに多くのものを生み出しています。一見すると、それは良いことのように思えます。少なくとも、生産性や会社の視点から見ればそう見えるでしょう。

しかし、実際に多くの人が語っているのは、そういう話ではありません。

むしろ、多くの人が圧倒されています。これまでにない形で消耗している、と感じています。注意力はあちこちに引っ張られ、同時に多くのことを追わなければなりません。もはや単にコードを書いているだけではありません。プロンプトを管理し、出力を確認し、複数の回答を比較し、いくつものツールを監督し、うまくいかなかった試行をやり直し、途中で止まったままの作業をいくつも頭の中で追い続けています。しかも、単純でまっすぐな作業であっても、AIが大量のコードを出してくるため、それを人間がチェックしなければならない場面が増えています。私が話した人の中には、同じプロンプトを複数のAIシステムに投げて、どのシステムがいちばん良い答えを出すか比較している人さえいました。奇妙なのは、以前より多くのことができているのに、本人たちは前よりつらく感じていることです。

これは、Harvard Business Reviewの最近の記事で取り上げられていた「AI brain fry」という問題意識と重なります。

この言い方自体は少し軽く聞こえるかもしれませんが、背景にある問題は深刻です。HBRの記事では、AI brain fryを、AIツールの使いすぎ、あるいは人が無理なくこなせる範囲を超えてAIを監督し続けることによって起こる精神的疲労だと説明しています。つまり、単に「一生懸命働いている」という話ではありません。これは、あまりにも多くのAI主導のプロセスを同時に指示し、監視し、判断し、修正し続けることで生まれる、かなり特殊な種類の疲れです。システムが高度化し、より長く複雑な出力を次々に生み出すようになるほど、人間の脳にかかる負担は大きくなっているように見えます。

これまで、バーンアウトはたいてい感情面の問題として語られてきました。慢性的なストレス、消耗感、冷笑的な態度、そして仕事の効果の低下です。けれども、HBRの記事がここで指摘しているのは、それとは少し違います。これは、長年多くの働く人を苦しめてきた従来型のバーンアウトというより、強い認知的過負荷に近いものです。人間の脳が無理なく処理できる量を超えて、情報が流れ込んでいるのです。頭に霧がかかったような感覚、頭痛、判断の遅れ、集中しにくさ、そして頭の中が多すぎるプロセスや考えや問題でいっぱいになっているような感覚を訴える人もいます。

今のAIを使ったコーディングでは、実際に手を動かすというより、監督することの比重が大きくなっています。あるツールがコードを生成し、別のツールがドキュメントを要約し、さらに別のツールが出力をレビューし、また別のツールが設計やデバッグの道筋を一緒に考えてくれる。最初は、その可能性が夢のように感じられるかもしれません。生産性を何倍にも高め、アイデアをふくらませ、時には数分で大量のアウトプットを生み出せるように見えるからです。人間なら何か月もかける思考や労力を、数日、数時間、あるいは数分にまで圧縮できるように思えることさえあります。ですが、しばらくすると仕事の中心は、本当の問題を解くことから、騒がしいアシスタント集団を管理することへと移っていきます。開発者は「作る人」から「統括する人」へと変わっていくのです。

Harvard Business Reviewで紹介された、アメリカのフルタイム労働者1,488人を対象にした調査では、AI利用の中でもっとも精神的な負担が大きかったのは「監督」でした。AIの利用に高いレベルの直接的な監視が必要だった労働者は、そうでない人に比べて、精神的努力が14％、精神的疲労が12％、情報過多が19％高かったと報告されています。

同じ調査では、AIによって仕事量が減ったのではなく、むしろ増えたと感じている従業員ほど、認知的な負担も強くなっていたことがわかりました。これは自然なことです。AIツールが、退屈で反復的な作業を置き換えるのではなく、もともとの仕事の上にそのまま追加されるなら、人は楽になるどころか、調整という新しい仕事を背負うことになります。最終的な結果に責任を持つのは依然として人間です。そのうえで、目標達成を助けるはずのAIエージェントのチームまで管理しなければならなくなるのです。

この記事は、現場で働く多くの人なら感覚的にわかっていることも指摘しています。ツールは多ければ多いほど良い、というわけではないということです。

そこには、はっきりとした限界があります。研究では、AIツールを1つから2つに増やしたときに生産性は上がり、3つ目を加えたときにも上がりましたが、その伸びは小さくなっていました。そして、それを超えると生産性は逆に下がりました。これは重要です。AIを多く使う環境では、つい「もう1つ」ツールを足したくなります。もう1つコーディング支援ツールを。もう1つリサーチエージェントを。もう1つワークフローを。ですが、ある地点を超えると、調整のコストがメリットを上回り始めます。

これは、現代の技術職における大きな落とし穴のひとつだと思います。

AIは、何かを始めるコストを下げます。試してみるコストを下げます。選択肢をたくさん出すコストも下げます。ですが、人間の判断にかかるコストまでは下げてくれません。何が重要か、何が正しいか、何を捨てるべきか、何を本当に世に出すべきかは、結局のところ人が決めなければなりません。むしろ、可能性を大量に生み出しやすくしたことで、AIは人間の脳の中でもとくに拡張しにくい部分、つまり注意力、見極める力、優先順位づけ、意思決定に、さらに大きな負担をかけているのかもしれません。

だからこそ開発者は、昔ながらの意味でそれほど「作業していない」日であっても、1日の終わりにはぐったりしてしまうのです。疲れの正体は、オーケストレーション、つまり全体を回し続けることにあります。

そしてこれは、単なる個人の健康や気分の問題ではありません。HBRは、AI brain fryにはビジネス上の実害もあると指摘しています。これを経験している労働者では、意思決定の疲れが強くなり、小さなミスも重大なミスも増え、離職意向も高くなっていました。記事によれば、AIを使う労働者のうちAI brain fryを感じている人は、そうでない人に比べて、意思決定疲れが33％、軽微なミスが11％、重大なミスが39％多く報告されていました。離職したいという意向も明らかに高かったのです。

これは開発者だけでなく、管理職にとっても重く受け止めるべき話です。チームが縮小すれば、残った人への仕事の再配分はさらに増えます。そして最悪の場合、バーンアウトや退職が連鎖することもありえます。

しかも、もっと厄介な流れが、一部の組織の中でじわじわと広がっています。AIによってアウトプットが速くなるなら、そのぶんさらに多くのアウトプットを求めればいい、という発想です。すでに、AIを使っていること自体を評価したり、トークン消費量やAIが生成したコード行数のようなもので生産性を測ろうとしている会社もあります。これは危険な考え方です。量と勢いを、そのまま価値だとみなしてしまうからです。活動量をインパクトと取り違えています。そして、判断力を鈍らせ、定着率を悪化させるような認知的過負荷へと、優秀な人ほど追い込んでしまうおそれがあります。

ただし、話はそれほど単純ではありません。AIそのものが常に悪いわけではないからです。反復的で、単調で、できればやりたくない仕事を減らすためにAIが使われた場合、バーンアウトの指標は実際に下がっていました。そうした退屈で面倒な仕事を意味のある形で減らせた人たちは、バーンアウトが低く、仕事への関与が高く、AIに対してもより前向きな感情を持っていました。

ですから、問題は単純に「AIは開発者にとって良いのか悪いのか」ではありません。

本当の問いは、AIをどのような形で人々の仕事の中に組み込んでいるのか、ということです。

もしAIが、面倒な雑務を減らし、痛みの大きい部分を軽くし、人がより創造的で意味のある仕事に集中できる余地を生み出しているなら、それは本当に助けになります。ですが、AIが、監督、同時進行、確認、コンテキストスイッチの終わらないループを生み出しているなら、外からは効率化しているように見えても、実際には仕事をより重くしているかもしれません。

いまこれを経験している人たちは、気のせいで苦しんでいるわけではありません。単に変化に抵抗しているわけでもありません。多くの場合、彼らは会社の誰よりも速く適応しています。けれども同時に、他の人より先に大事なことにも気づき始めています。ワークフローの中にいる人間の認知が限界まで使い切られているなら、生産性の向上など大した意味を持たない、ということです。

Harvard Business Reviewの記事は、多くの企業が、AIを積極的に導入しているにもかかわらず、まだ十分には理解していない点を最後に示しています。仕事にAIを注入すれば、それを担う人間が自動的にうまく適応できるわけではありません。仕事そのものをきちんと設計し直さなければならないのです。つまり、その人が何に責任を持つのか、AIは何をするのか、そして監督が本当に価値を生むのはどこなのかを明確にする必要があります。単に精神的負荷を増やすだけの監視を増やしてはいけません。また、ツールが速く見えるからという理由で、もっとやれるはずだという空気をつくるのではなく、仕事量について正直な期待値を置くことも必要です。指標の置き方も重要です。プロンプト数やトークン使用量、AI生成アウトプットの量を数えても、品質、判断、持続可能性が悪化しているなら、ほとんど意味がありません。そして、組織がAIの多い環境で人にうまく働いてほしいなら、いま本当に重要になっている力を意識して育てる必要があります。つまり、問題を明確に定義する力、仕事を筋道立てて計画する力、どこに注意を向けるべきか判断する力、そして機械が簡単に続けられるからといって延々と回し続けるのではなく、どこで止めるべきかを知る力です。

開発者にとって、次の段階で本当に必要なスキルは、おそらくここにあります。AIを上手に使うことだけではなく、選んで使うことです。役に立つ場面を見極めること。気を散らす場面を見抜くこと。別のツール、別のタブ、別のエージェント、別の草案が、本当に大事な仕事から自分を遠ざけていないか判断することです。

いま多くのコーダーが強い負荷を感じているのには、ちゃんと理由があります。ツールは強力です。ですが、使い方を誤れば、仕事量を大きく増やしてしまいます。企業がより良いコード、より良い判断、より良い長期的成果を求めるなら、人間の注意力を無限の資源のように扱うのをやめなければなりません。

私自身、急速に進化するAIの世界に強い関心を持っているからこそ、とくに印象に残ることがあります。いま最前線でその影響を受けているのはコーダーたちですが、この問題は、遠くないうちに私たち全員に及んでくるかもしれないということです。そしてそのとき、私たちはまだ十分に備えられていないかもしれません。企業はどう向き合うのでしょうか。もっと言えば、私たち自身はどう向き合うのでしょうか。

興味があれば、Harvard Business Reviewの元記事もぜひ読んでみてください。When Using AI Leads to “Brain Fry”

AI、テクノロジー、科学の話をしながら、最新のトピックや流れについて英語も伸ばしたい方は、ぜひ体験レッスンにお申し込みください。いっしょに話しましょう。

    お問い合わせ