AIは仕事を楽にしたか——ハイパフォーマーほど「脳が焼ける」という1,500人調査の研究結果

• BCGとカリフォルニア大学リバーサイド校がAI利用中の米国労働者1,488人を調査し、14%が「脳の焼きつき」を経験していると報告した。
• AIツールを3つ以上同時に使うと生産性が低下に転じ、高度な監視作業は精神的疲労を12%増加させる。
• マーケティング職の26%が最も高い発症率を示し、法務職は6%と最低だった。
• AI導入で定型業務を削減した場合、バーンアウトが15%低下する。
• ただし業務量の期待値を同時に引き上げると効果は相殺される。

バーンアウトは減り、脳の焼きつきが増えた

この研究の核心は「AIは人を楽にするか」という問いに対する回答ではない。AIが「バーンアウト（慢性的な感情消耗）」と「脳の焼きつき（急性の認知過負荷）」という異なる種類の疲弊に、逆方向の影響を与えているという発見だ（HBR調査）。定型業務をAIに任せた労働者はバーンアウトが15%低下した。だが同時に、AIの出力を監視し、複数のツールを行き来し、生成物を検証する作業が新たな認知負荷を生んでいる。AIは古い疲弊を一つ消し、新しい疲弊を一つ作った。差し引きゼロではなく、疲弊の質が変わった。

「3つの壁」——ツール数と生産性の逆転点

調査が示したデータの中で特に意味があるのは、AIツールの同時使用数と生産性の関係だ。1つから2つ、2つから3つへの増加では生産性は上昇する。しかし3つを超えた時点で生産性は低下に転じる（HBR調査）。この「3つの壁」は、人間の認知的マルチタスク能力にハードウェア的な上限があることを示している。AIエージェントを複数同時に走らせ、その出力を統合・判断する作業は、人間のワーキングメモリに対して「管理職」としての負荷をかける。AIが部下だとすれば、部下が3人を超えた時点でマネジメントコストが生産性を食い始める構造と同じだ。AIの能力がいくら向上しても、それを監督する人間の認知帯域は拡張されない。

「もっとできるはず」が生む静かな圧力

先月、「AIが仕事を減らすという幻想が崩れはじめた」という記事で、UC Berkeleyの研究を取り上げた。AIが生産性を上げた結果、「もっとできるはずだ」という期待が膨張し、人間が自発的に業務量を増やす「ワークロード・クリープ」の構造だ。今回のBCG調査はその構造を数値で裏付けている。AIによる業務効率化と同時に業務量の期待値を引き上げた組織では、効率化の効果が相殺されるだけでなく、認知疲労が12%上昇する（HBR調査）。ツールが速くなった分、人間にも速さを求める——この力学がある限り、AIは「時間を生む道具」ではなく「時間を食う仕組み」として機能し続ける。

測るべきは「生産量」ではなく「認知残量」

研究チームの提言の中で、最も構造的に重要なのは「人間の注意力を有限資源として扱え」という指摘だ（HBR調査）。従来の生産性管理は「何をどれだけ作ったか」を測ってきた。だがAI時代には、人間の仕事は「作る」から「判断する」にシフトしている。判断の質を維持するために必要なのは、時間ではなく認知的な余力だ。にもかかわらず、ほとんどの組織はAI導入の成果を「トークン消費量」「生成されたコード行数」「処理したタスク数」で測っている。先月の「認知負債」の記事で取り上げた、「コードは動くが誰も理解していない」状態と同根の問題がここにある。生産量を測る組織は生産量を最大化する。認知残量を測る組織は判断の質を維持する。AI時代にどちらの組織が生き残るかは、まだ答えが出ていない。

• あなたは今、AIツールをいくつ同時に使っているか。「3つの壁」を超えている自覚はあるか。
• AIを導入した結果、以前より「楽になった業務」と「新たに増えた負荷」をそれぞれ具体的に挙げられるか。差し引きはプラスか。
• あなたの組織はAI導入の成果を何で測っているか。「生産量」か「判断の質」か。その指標は人間の認知負荷を捕捉できているか。
• AIの出力を監視・検証する作業が新たな「仕事」として積み上がっていることに対し、あなたの上司や経営層はどの程度認識しているか。