説明： 仕事を速く終えるほど仕事が増え、AIを提案すると一律禁止。改善への意欲が消える仕組みを、生産性、情報セキュリティ、報酬、人生の時間から考える。
「この作業、自動化したらかなり時間が浮きます」
「で、浮いた時間で何をするんですか？」
仕事の優先順位を尋ねるなら、ごく自然な質問。でも、それが「サボるつもり？」という疑いなら話は変わる。
だったらメールをやめよう。全員に手紙を一枚ずつ書いて、席まで歩いて届けよう。その場で読み上げたら、さらに労働時間が増やせる。今日も職場は大忙し。成果は行方不明だ。
1. やる気が消えたのは、改善案を却下された後ではなかった
ある働き手は新しい仕事に期待していた。ところが研修は同じような説明の繰り返しで、担当する人によって話も統一されていない。配属される前から「この組織、時間の使い方が雑では？」という違和感が積もっていた。
実務では数字を一件ずつ入力する表や、何度も戻ってくる資料の修正が待っていた。改善案も簡単には通らない。
大事なのは順序だ。最初の意欲低下は改善提案への拒否より先、研修の時点で起きていた。その後の経験が不信を増やした。単に本人の意識が低いという説明では、この変化を捉えられない。
2. 生産性を上げると損をする矛盾
生産性は「忙しそうに見えた時間」ではなく、投入した時間に対してどれだけ成果を出したかで考える。OECDも労働生産性を労働時間当たりの産出で説明している。[1]
短縮した時間は、顧客対応、ミスの予防、次の改善、学習、残業の削減に使える。上司がその配分を確認するのは合理的だ。
ただし、早く終えるたびに追加の雑務が増え、本人の負担ばかり重くなるならどうだろう。「効率よく働くほど損だから、能力を見せない方がいい」と学習してしまう。生産性を上げろと叫ぶ会社が、社員に生産性を隠す方法を教えている。なかなか高度な逆噴射だ。
3. 「セキュリティのため全面禁止」は最後の答えか
AIなら資料作成の時間を減らせそうだ。すると「情報漏えいが怖いから全面禁止」で話が終了する。
安全性は本物の課題だ。社内で動く言語モデルでさえ、アクセス権、データ、ログ、利用条件、更新、誤回答への対策が要る。ローカルで動かせることと、会社で安全に運用できることは違う。
それでも、模擬データのみで試す、業務を限定する、危険を評価して停止条件を設ける、小さく試行する、といった選択肢はある。NISTのAIリスク管理指針も、用途に応じてリスクを特定・評価・管理する考え方を示している。[2]
リスクを調べた結果の見送りには意味がある。考える前の一律禁止とは別物だ。
4. 「できる人ほど仕事が増える」と、人は黙る
改善を提案しても通らない。早く終えると新しい仕事が降ってくる。担当量の上限も見えない。それなのに「もっと主体的に」と言われたら、本人には追加労働への招待状にしか見えなくなる。
改善提案や懸念を口にするか、黙るかは組織心理学の研究対象だ。沈黙は組織から有益な情報を奪い得る。[3] 努力と見返りが釣り合わない状態と仕事上の健康リスクとの関連も研究されている。[4] これらは一社の因果関係を証明するデータではないが、仕組みを疑う視点を与える。
5. Excelを早く打つか、打つ必要から疑うか
「もっと入力を速くしよう」と「そもそも毎回入力する必要がある？」は違う問いだ。
組織学習では、既存のルールの中で直す学び方と、ルールの前提から問い直す学び方を区別する。[5] 後者の問いが何度も門前払いされるなら、改善好きな人ほど苦しくなる。
ただし監査、安全、法令、費用など、手順が残る正当な理由もある。本当に強い提案は、制約を確認して、その中で安全に試せる方法を探すものだ。
6. 一番高くつくのは、人生の時間
何年働いても社内だけで使う非効率な作法ばかり覚え、他で役立つ能力を積めないなら、未来の選択肢も増えにくい。会社で過ごす時間は人生の大きな割合を占める。
だから職場を見るときは、給料や看板のほかに「改善を試せるか」「残業や業務量に歯止めがあるか」「身につく能力は持ち運べるか」が重要になる。
7. 本当に生産性を求めるなら
改善前の時間と品質を測り、試行できる条件を明文化する。小さく試してエラーや維持費まで記録する。浮いた時間をどの仕事や休息に配分するか決める。業務量に上限を設け、改善した人にも利益が戻る仕組みにする。
それなら「浮いた時間は何に使う？」も建設的な質問になる。
結論： 仕事を早く終えた人を疑う前に、時間を浪費する仕組みを疑おう。人生のために仕事をしているのだから、仕事に人生の時間を使うだけの意味を求めるのは当然だ。
どうしても効率化が嫌なら、明日から社内メールは手紙でどうぞ。ただし、配達係の残業だけは減らしてください。
