その「それっぽい資料」は、誰の時間で動いているのか。
「最近、それっぽいのに中身のない資料が増えた気がするんですよ。読んでも、何も決められない」。
こういう感想を、社内で耳にしたことはないでしょうか。体裁は整っている。見出しも図表もある。文章も破綻していない。ところが読み終えて残るのは「で、結局どうするんでしたっけ」という空白だけ——。この現象には、すでに名前が付いています。ワークスロップ（workslop）。BetterUp Labsとスタンフォード大学ソーシャルメディア研究所が2025年に提唱した言葉で、「よい仕事のように見えるが、タスクを前に進める中身を欠いたAI生成の成果物」を指します。
私はAX推進やAI活用支援を仕事にしている一方で、複数社の情シス実務も担っています。AIで資料作成を速くしましょうと勧める側であり、同時に、速く作られた資料の尻ぬぐいが回ってくる側でもあるわけです。だからこそ、この言葉を他人事として笑えません。今日はこの「それっぽいが中身がない」問題を、冷静に検証してみたいと思います。
本稿のねらいは、AI生成物を「送ってよい状態か」を見分ける判定基準をひとつお持ち帰りいただくことです。
1. まず、数字で被害規模を眺める
提唱元の調査（米国のフルタイム労働者1,150名対象）によると、回答者の41%が「直近1か月にワークスロップを受け取った」と答えています。そして受け取った側は、その処理——真意の確認、事実の検証、作り直し——に1件あたり平均1時間56分を費やしていました。研究チームはこれを従業員1人あたり月約186ドルのコストと見積もり、従業員1万人の企業なら年間900万ドル超の生産性損失に相当すると計算しています。
お金より痛いのは信頼の数字かもしれません。同じ調査で、ワークスロップを受け取った人の53%が不快感を覚え、42%が送り手を「以前より信頼できない」と見なし、約半数が送り手を「以前より創造性や能力に欠ける人だ」と評価し直したと報じられています。
整理するとこうです。中身のないAI生成物は、受け手の時間を2時間近く奪ったうえで、送り手の評判まで下げていく。 効率化のつもりで使った道具が、組織全体では逆に働いている可能性がある、ということです。
2. 「AIで速くなった」は、半分は本当である
ここで念のため、AI活用の側を弁護しておきます。下書きのたたき台、議事録の整形、定型文の生成。AIが個人の作業を速くすること自体は、多くの現場で実感されている事実です。私自身、AIなしの業務にはもう戻れません。「速くなった」という体感は、嘘ではないのです。
ところが組織全体の数字を見ると、景色が変わります。MITの研究チームが2025年に発表した報告書「The GenAI Divide: State of AI in Business 2025」では、企業の生成AI導入プロジェクトの95%が損益に測定可能な効果を出せていないとされました（経営層52名へのインタビュー、リーダー153名への調査、公開事例300件の分析に基づく報告です）。個人は速くなったと感じているのに、会社の数字は動かない。この奇妙なねじれの一因として、ワークスロップの提唱者たちは自らの調査結果を挙げています。
つまりこういうことです。Aさんが30分節約して作った資料が、受け取ったBさんの2時間を奪う。個人の時短が、組織の時間赤字に化けている。 速くなったのは「作る工程」だけで、「仕事が前に進む」までの総時間はむしろ延びている——楽観論に一度乗ってから言うのは心苦しいのですが、これが数字の示す現実のようです。
3. 問いを立て直す ―― 悪いのは「サボり」ではなく「検品の丸投げ」
ワークスロップと聞くと、「AIで手を抜くけしからん社員」の話に見えます。しかし本当の論点はそこではない、というのが私の見立てです。
本当の論点は「AIを使ったかどうか」ではありません。「検品という認知労働を、送り手と受け手のどちらが引き受けるか」です。
中身のある資料とない資料の差は、AIを使ったかどうかでは決まりません。AIの出力を検品——事実を確かめ、文脈に合わせ、結論に責任を持つ工程——を済ませてから渡すか、済まさずに渡すかの差です。検品を省いて渡すことは、その認知労働を受け手に下請けに出すことと同じです。受け手の1時間56分とは、まさにこの下請け代金でした。
では、なぜ人は検品を省くのか。個人の怠慢と切り捨てたいところですが、HBRに2026年1月に掲載された続報は別の答えを出しています。ワークスロップが生まれる典型的な条件は、「とにかくAIを使え」という中身のない号令と、「AIがあるんだからもっとできるだろう」という業務量の積み増しの組み合わせだというのです。使い道を示さずに使用率だけ求め、浮いたはずの時間を先回りして埋める。これでは検品の時間は構造的に残りません。つまりワークスロップは個人のモラルの問題である以前に、経営の設計の問題なのです。
4. 実務への落とし込み ―― 「送信前」の四点検品
とはいえ、経営の設計が変わるのを待つ間も、私たちは今日も何かを送信します。そこで、AI生成物を人に渡す前の検品項目を四つに絞ってみました。私が自分のアウトプットに課している基準でもあります。
| 点検 | 問い | NGのサイン |
|---|---|---|
| 宛先 | この文書は「あの人」に向けて書かれているか | 誰に出しても通じる=誰にも刺さらない |
| 事実 | 数値・固有名詞を自分で確かめたか | 「AIがそう言ったので」しか根拠がない |
| 結論 | 受け手が次に取るべき行動が書いてあるか | 読後に「で、どうする?」が残る |
| 責任 | 内容を口頭で説明・弁護できるか | 質問されたら「AIに聞き直す」しかない |
四つ目が要です。口頭で説明できないものは、まだ自分の仕事になっていません。 逆に言えば、この四点を通した文書は、たとえ大半をAIが書いていても、もはやワークスロップではないと私は考えます。道具が書いたかどうかではなく、人が引き取ったかどうかが線引きなのです。
チームで運用するなら、この表をそのまま「AI生成物の送信前チェック」として共有し、併せて「AIを使ったこと自体は責めない」と明言しておくことをお勧めします。使用を隠す文化こそ、検品なしの横流しを一番増やすからです。
おわりに ―― 抜いてよい力と、抜いてはいけない力
本紙の看板に照らして締めくくります。AIで抜いてよい力は「文章を組み立てる腕力」です。抜いてはいけない力は「これを相手に渡してよいかを判断する責任」です。ワークスロップとは、抜きどころを一段間違えた結果——腕力ではなく責任のほうの力を抜いてしまった状態——と言えるのではないでしょうか。
幸い、検品には作文ほどの時間はかかりません。AIが節約してくれた30分のうち、10分だけを検品に返す。それだけで、受け手の2時間と自分の信頼を守れるのなら、ずいぶん利回りのよい投資だと思うのです。
参考にした主な概念・出典
・BetterUp Labs × Stanford Social Media Lab「AI-Generated "Workslop" Is Destroying Productivity」Harvard Business Review (2025年9月)——米国フルタイム労働者1,150名調査。41%が受領経験、処理に平均1時間56分、1人あたり月約186ドルのコスト試算
・MIT「The GenAI Divide: State of AI in Business 2025」(2025年)——生成AI導入プロジェクトの95%が損益への測定可能な効果なし。インタビュー52名・調査153名・公開事例300件に基づく
・Harvard Business Review「Why People Create AI "Workslop"—and How to Stop It」(2026年1月)——曖昧なAI使用号令と業務過多がワークスロップを生む構造を指摘