AIで作った資料、きれいなのに仕事が増えてない？ 「Workslop」を防ぐ渡し方
仕事で生成AIを使う場面は、「質問する」だけから、文章作成、分析、コーディング、資料作成など実際の成果物を作らせる方向へ広がっています。OpenAIが2026年8月6日に公開した利用データでは、仕事中のChatGPT利用は、仕事以外の場合よりも「成果物を作る・タスクを実行する」用途に分類される割合が2倍以上高いとされています。?OpenAI? 一方、AIで整った資料を素早く作れても、中身の確認や意図の補完を受け取った人へ押し付けてしまえば、チーム全体では仕事が増えることがあります。こうした「見た目は仕事らしいが、実際には次の人の作業を増やすAI生成物」はWorkslopと呼ばれています。AIを使わないことではなく、送信前に「この成果物だけで次の人が動けるか」を確認することが重要です。
- 仕事でChatGPTなどの生成AIを使う人
- AIで資料・メール・企画書を作る人
- 部下や同僚からAI生成物を受け取る人
- 職場へ生成AIを導入する担当者
AIが作った初稿をそのまま完成品とせず、「受け取った人がこのまま使えるか」という基準で確認してください。
身近な事例を知る
AIに会議資料を作らせたら10分で立派なスライドが完成。そのまま同僚へ送った
資料には見出し、表、要約、今後の方針まで揃っており、一見すると完成度の高い成果物でした。しかし同僚が確認すると、数字の出典が分からない、誰が何をするのか書かれていない、社内事情と合わない一般論が混ざっているなどの問題がありました。結局、受け取った側が元資料を読み直し、数字を確認し、意図を聞き直すことになりました。作った本人の作業時間は減っていますが、仕事そのものが減ったとは限りません。
あなたならどうする？
まず一つ以上選んでから確認してみてください。
推奨される行動- 受け取った人が追加調査なしで次の行動へ進めるか
選んだカードの表示を見ながら、今回はどの行動が安心につながるか確認できます。
仕事の成果物は「作った人が早く終わったか」だけでは評価できません。受け取った人が数字を調べ直す、意図を聞き直す、不要な文章を削る必要があるなら、作業負担を別の人へ移しただけの場合があります。Microsoft Researchは、AI時代には生成そのものより、出力を評価し改善する人間の専門知識や判断が重要になると整理しています。?Microsoft? AIに初稿を作らせることは便利ですが、人へ渡す前の最終確認は依頼した本人が担当する、という境界を持つと使いやすくなります。
確認ポイント
この資料だけで目的が分かるか
何のために作った資料なのか、何を決めたいのかを冒頭で確認します。
数字や事実の出典が分かるか
AIが整理した数値、引用、制度、仕様には確認可能な出典を残します。
一般論だけで埋まっていないか
もっともらしい説明が多くても、自社・自分の案件へ具体的に当てはまらなければ削るか補足します。
次に誰が何をするか分かるか
資料を読んだ後の判断事項、担当、次の作業を明確にします。
AIが勝手に補った前提がないか
依頼時に渡していない社内事情、期限、顧客像などをAIが推測していないか確認します。
長さではなく必要性を確認したか
AIは短時間で大量の文章を作れるため、「書いてあるから残す」ではなく不要部分を削ります。
受け手に再調査を押し付けていないか
自分で確認できる数字や背景情報を「一応確認してください」と丸投げしていないか見直します。
完成条件をAIへ伝えていたか
文章作成だけでなく、出典、判断事項、次のアクションなど成果物に必要な条件を最初から指定します。
現時点での見立て
生成AIは文章、分析、コード、資料作成を高速化できます。実際、ChatGPTの仕事利用も「質問」から「成果物を作る」方向へ広がっています。?OpenAI? ただし、AIで5分短縮した代わりに同僚が30分確認するなら、業務改善としては成功していません。AIを初稿担当にして、人間が目的・根拠・判断・引き継ぎを確認する使い方なら、生成速度をチーム全体の時間削減へつなげやすくなります。
安全な対処方法
安心につながる行動
- AIへ成果物の完成条件を先に渡す「資料を作って」だけでなく、目的、読者、必要な数字、出典、次の行動まで指定すると実務で使いやすくなります。
- 初稿と完成品を区別するAIの出力をまずドラフトとして扱えば、見た目の完成度に引っ張られにくくなります。
- 重要な数字と固有名詞だけ優先的に確認するすべてをゼロから読み直すより、誤りの影響が大きい部分から確認すると現実的です。
- AIに不要部分を削らせる生成AIは追加するだけでなく、重複や一般論を減らす編集にも使えます。
- 最後に「この資料を受け取った人が次に困ることは？」とAIへ聞く抜けている背景情報や判断項目を発見する補助になります。
- チームで良いAI成果物の例を共有するプロンプトだけでなく、どの状態なら完成なのかという基準を共有できます。
- 作業時間を個人ではなく工程全体で見る生成時間だけでは見えない確認、修正、引き継ぎの負担を把握できます。
避けたい行動
- AIが整えた資料を読まずにそのまま転送する誤りや不足部分の確認作業を受け取った人へ移す可能性があります。
- ページ数や文章量を仕事量として評価する生成AIは大量の文章を簡単に作れるため、量と価値の関係が以前より弱くなっています。
- 「AIで作ったので確認してください」と丸ごと渡すAIを使った本人が行うべき品質確認まで相手へ委ねることになります。
- AI利用そのものをWorkslopの原因だと考える問題はAIを使うことではなく、目的や確認なしで未完成の成果物を完成品として渡すことです。
- AIを使わない人の方が丁寧だと決めつける人間だけで作った資料にも誤りや不要な情報はあります。確認基準は制作方法ではなく成果物に置きます。
- プロンプトだけ改善すれば確認不要になると考える指示を工夫しても、元データの不足やモデルの誤りを完全になくすことはできません。
AIの前向きな活用
AIを「仕事を丸投げする相手」ではなく「初稿を高速で作る同僚」として使う
生成AIの強みは、ゼロから文章や構成を作る時間を大きく減らせることです。OpenAIの最新利用データでも、仕事では文章作成、コーディング、分析など、実際に何かを作る用途が広がっています。?OpenAI? そこで、人間は最初からすべてを書くのではなく、「目的を決める→AIが初稿を作る→人間が判断する→AIが修正する」という役割分担にすると、AIの速度と人間の専門性を組み合わせやすくなります。
- 会議メモから議事録の初稿を作る
- 長い資料から説明用の構成案を作る
- メール返信の初稿を作り、事実関係だけ人間が確認する
- 複数案をAIに出させ、人間が採用理由を決める
- データの整理方法をAIに提案させ、数字そのものは元データで確認する
- コードの初稿をAIに作らせ、テストとレビューを通してから採用する
今回、覚えておきたいこと
AIで早く作れたかより、「次の人の仕事まで減ったか」で成果を判断する。
情報源
- From asking to doing: How the world is putting ChatGPT to work（外部リンク） OpenAI 公式発表
- New Future of Work: AI is driving rapid change, uneven benefits（外部リンク） Microsoft Research 研究・論文
- Workslop: The Hidden Cost of AI-Generated Busywork（外部リンク） BetterUp Labs / Stanford Social Media Lab 研究・論文
- AI-Generated Workslop Is Destroying Productivity（外部リンク） Harvard Business Review 報道機関
誠主任からひとこと