TechCrunchは、Monday.comの依頼でNielsenが7か国の管理職1,700人に行った調査を報じました。会社が社員にAIの道具を配り、部下の成果物の多くは、いま整った形で管理職に届きます。管理職は、その成果物のどれだけが本人の仕事で、どれだけがAIの仕事かを見分けにくくなっています。

この記事の要点

  • 管理職の半数超が、AIを入れてから部下を評価しにくくなった
  • 誰でも整った成果物を出せると、出来ばえは力の印にならない
  • 出来ばえの代わりに、本人が決めたことを口で説明してもらう

AIで成果物が整うと、出来ばえで部下を見分けられなくなる。部下3人の成果物の整い方に差があるが、AIが整えた分が足されて同じ長さで届き、差が見えなくなる。本人の説明を聞くと、長さに再び差が出る概念図。概念図で、数値ではありません。TechCrunch(2026年10月21日)が報じた調査をもとに描きました。AIの前の差はシグナリング理論に照らした推論で、説明を聞く Step はこの記事の提案です。

AIを入れてから、管理職の半数超が部下を評価しにくくなった

TechCrunchによると、Monday.comの依頼でNielsenが7か国の管理職1,700人に調べたところ、半数超がAIを入れてから部下の仕事を評価しにくくなったと答えました。成果物の多くが整った形で届き、どれだけが本人の仕事で、どれだけがAIの仕事かを見分けにくいためです。

管理職がAIに不満を持っているわけではありません。調査の答えは、次のとおりです。

管理職の答え 割合
AIで仕事を良くすることに期待している 94%
部下の成果物を確かめて導く時間が、前より増えた 半数近く
AIを入れてから、部下の評価の仕方を変えた 78%

評価の仕方を変えた管理職は、部下がAIへの指示をどれだけうまく作れるか、どの仕事をAIに任せるかを決められるか、新しい働き方を試せるかを、前より重く見ています。

部下の成果物は整って届くのに、なぜ評価は難しくなるのか

AIの道具は、社員の生産性を上げるために配られています。ところが成果物が整って届くと、管理職の多くが評価に迷い、確かめる時間まで延びています。

届く成果物は整っているのに、なぜ部下の力は見えにくくなるのか。

印で力が分かるのは、印を出す手間が人によって違うときだけ

急な階段を登りきった人だけが頂上に旗を立て、遠くの見る人は、登る姿ではなく旗で力を見分ける見立ての絵
シグナリング理論のイメージ

説明したいのは、成果物が整って届くほど、なぜ部下の力が見えにくくなるのかです。経済学者のMichael Spenceが1973年に示したシグナリング理論は、相手の力が直接は見えないとき、人は相手が見せる印から力を推し量る、という考え方です。

Spenceは雇う会社と応募者の学歴を例に、印が見分けの手がかりになるのは、印を手に入れる手間が、力の高い人ほど小さいときだけだと示しました。手間の差が小さいと、誰もが同じ印を出せて、印では見分けられません。

レストランに例えると、どの店も同じ冷凍の料理を温めて出すようになれば、皿の見た目から料理人の技術は分かりません。技術を知るには、厨房で何を決めているかを見るしかなくなります。

このニュースでは、部下の力を直接は見られない管理職が受け手で、整った成果物が印にあたります。報道は、AIの前に管理職が何を手がかりに評価していたかを伝えていませんが、整えるのに手間がかかるうちは、その手間の差が成果物に出ていたと考えます。

AIは誰の成果物も同じように整えるので、整い方の差から力を読む手がかりが消えます。

成果物の整い方が、部下の力の印として働かなくなった

調査は、管理職が評価に迷う理由を、成果物が整って届くことに置いています。シグナリング理論に照らすと、調査の答えは次の順につながります。

  1. AIが、誰の成果物も整った形にする
  2. 整い方の差が、本人の力の差を映さなくなる
  3. 管理職は、成果物を確かめて導く時間を増やす
  4. 評価の重みを、AIへの指示や任せ方に移す

評価の重みをAIへの指示や任せる仕事の選び方に移したのは、出来ばえの代わりに、人によって差の出る印を探す動きと考えます。どちらも、部下が自分で決めないと上手にならないためです。

当サイトが10月15日に届けたニュースでは、文学賞を受けた短編がAIで書かれたと指摘され、作者は否定しました。賞の委員長は、AIを見分けるソフトを最終判断に使うことに反対しています。

仕上がった成果物だけでは、誰の力でできたかを決めきれません。

出来ばえの代わりに、本人が決めたことを口で説明してもらう

印として働くのは、自分で決めた人には出しやすく、決めていない人には出しにくいものです。口での説明はその場でAIに任せにくく、自分で決めた人ほど短く答えられます。部下の成果物を評価する前に、次の順で確かめます。

  1. 何をAIに任せ、どこを自分で直したかを、本人に口で聞く
  2. 直した箇所ごとに、なぜそう決めたかを1つ聞く
  3. すぐに答えられたら、その判断を評価に入れる
  4. 要の箇所で答えに詰まったら、そこを一緒に確かめ直す

読み解きに使った概念・法則

この記事の中心となる概念・法則

シグナリング理論

相手の力や品質が直接は見えないとき、人は相手が見せる印(シグナル)から推し量る、という考え方。

この記事で取り上げたニュース

同じ概念・法則で読める記事

AIの品と見分けがつかないと、作り手の品まで買われにくくなる

なぜ?自社のサイトでAIを使い、条件付きでAIのアートも認めるEtsyが、なぜAIで作った作り方ガイドの販売は禁じたのか

この記事からわかること使うまで出来が見えない商品は、売り場の説明だけでAIで作っただけの品と見分けがつくかを社外の人に聞き、つかないなら実際に作ったものを手を加えずに見せ、その証拠がAIでも同じ手間で作れるなら別の証拠に替える

シェアする

Googleで探しやすくする
なべ

Author

なべ

テクノロジーは好きですが、そのものを作る側ではありません。かといって、新しい道具を集めて満足するほうでもない。

何か新しいものが出てきたとき、私が考えるのは「これで何ができるか」より「今のやり方このままでいいんだっけ」のほう。道具が増えるより、やり方ごと作り変えたり、無くしたりするほうが好きです。

AIが来て、人の考え方も、仕事の進め方も変わっています。その変わり方に興味があって自分の仕事で先に試しています。techtech.clubは、そのやってみた結果を置いておく場所です。

PRODUCT

注目ツール

直近、ニュースや活用事例、techtech.clubの記事などから話題のITツールを厳選しています。