「これ、要約して」「これをメールの文面にして」。慣れてくると、頼む幅も広くなっていきます。「役員向け報告として 1 枚にまとめて」「このスライドからプレゼンの原稿を作って」。
でも並べてみると、どれも同じ形をしています。何をやるかを決めて、材料を集めて、タスクまで割ったあとの——仕上げを頼んでいる。私はずっとこれで、たしかに作業は速くなったのに、帰る時間は 1 分も変わりませんでした。
身に覚えはありませんか。
- AI にちゃんと仕事をしてもらうために、背景・経緯・目的・方向性をプロンプトに丁寧に書き込む時間が、だんだん増えてきた
- 部下の設計書を「レビューして」と投げたら、当たり障りのない指摘が返ってきて、結局自分で全部読み直した
- AI で 30 分浮いた日も、その 30 分は気づけば別の案件の状況確認に消えていた
全部、少し前の私です。そして当時は「自分の使い方が下手なんだろうな」と思っていました。
この記事は、原因が使い方の巧拙ではなく仕事の構造にあったと気づくまでの話と、業務を 5 つに分けて 1 つずつ直したら何が起きたかの実測記録です。
書いている人: SIer で約 50 案件を掛け持ちしてきた現役の管理職です。AI をチャットの話し相手ではなく「業務の仕組み」に組み込む実験を続けていて、その実測記録を書いています。
この記事の対象: ChatGPT を仕事で使ってはいるものの、忙しさが変わっていない SE・PM・管理職の方。ツールの基本操作や導入手順には触れません。
「使い方が下手」説は、データが否定している
まず、これがあなた個人の問題ではないことを数字で確認します。
パーソル総合研究所の調査 (2026 年 3 月公開) によると、生成 AI で業務時間を削減できている利用者は 25.4% にとどまります。しかも削減できた人でさえ、浮いた時間の 61.2% は結局仕事に再投下され、そのうち 75.4% は日常業務に消えます。「AI で時間が浮く → 浮いた分だけ別の仕事が入る」が、全国平均の姿です。
これとは別に、パーソルグループ傘下の調査 (ITmedia 報道、全国の正規雇用者 3,000 人) では、生成 AI の利用頻度が高い人ほど残業時間が長いという逆転現象が出ています (週 4 日以上使うヘビーユーザーは残業が週 8.34 時間、非利用者は週 4.99 時間)。使い込んでいる人ほど、忙しい。
企業単位でも同じです。MIT の研究チームが 2025 年に発表した調査 (MIT NANDA『The GenAI Divide: State of AI in Business 2025』) では、生成 AI の導入パイロットの 95% が損益への測定可能な効果を生んでいないと報告されています (300 件超の導入事例分析・52 件のインタビュー・153 件の経営層サーベイに基づく)。
道具はこれだけ普及したのに、時間は減っていない。ということは、「もっと使いこなせば楽になる」という方向の努力では、この問題は解けないことになります。
正体: 書き出してみたら、時間は「集める・読む・まとめ直す」に消えていた
あるとき、自分の 1 週間の時間の使い方を業務単位で書き出してみました。並んだのは、こんな項目でした。
- 「あの案件、どうなってる?」を毎日何件も聞いて回る
- 集めた報告を読み、足りない情報をまた聞きに行く
- 上がってきた資料を読み込み、報告用にまとめ直す
時間が溶けていたのは、何かを判断する時間ではなく、判断の材料を集めて捌く時間でした。一方で、本来やるべき「決める」仕事——どの案件に人を寄せるか、どのリスクに先に手を打つか、この見積で受けてよいか——に使えていた時間は、わずかでした。意思決定が仕事のはずなのに、情報収集が仕事になっていたのです。
ここで冒頭のあるあるを振り返ると、同じ構造をしていることに気づきます。
- 「タスクまで割ってから投げる」— 何をやるか決めて割るまでが仕事の重い部分なのに、そこは AI に渡していない
- 「背景・経緯・目的をプロンプトに丁寧に書き込む」— その説明の中身こそ、上流の状況整理そのもの。しかも型がないから、AI を働かせるたびに一番重い部分を毎回ゼロから手で書いている
つまり、時間を食っている上流 (集める・読む・整理する・決める) は人力のまま、AI には下流 (仕上げ) だけを渡していた。作業が速くなっても忙しさが変わらないのは、当然でした。
対策は「もっと使いこなす」ではなく「業務を分けて、1 つずつ仕組みにする」
上流に AI を入れると言っても、仕事全体を一度に変えることはできません。業務ごとに上流の形が違うからです。私は自分の仕事を 5 つに分けました。
- 案件・タスクの状況把握
- 成果物の品質レビュー
- 情報の洪水対応 (メール・チャット・ドキュメント)
- 資料・文書づくり
- チームの評価・育成
分けてみると、AI 活用の進み具合は業務ごとにバラバラでした。資料づくりは AI を使えているのに、案件把握は完全に人力、ということが普通に起きます。
そしてもう 1 つ大事なのが、どの業務にも「都度 AI に頼む」と「仕組みが自動で回る」の間に壁があることです。都度頼みは、頼むたびに状況説明のコスト (= 上流) を自分が払い続けます。仕組み化は、その上流ごと AI に渡します。忙しさが変わり始めるのは、壁を越えた業務からでした。
この「いま人力か、都度頼みか、仕組み化まで行けているか」という業務ごとの立ち位置を、この記事では活用フェーズと呼びます。
あなたの仕事も 5 つに分けると、業務ごとの活用フェーズが見えてきます。それを見立てる無料のセルフチェックを作りました: AI活用フェーズ診断 (15 問・約 5 分。メールアドレスだけで受け取れます)
実測: 壁を越えた 2 つの業務で何が起きたか
2 つとも実験の全記録を別記事にしています (リンク先はこの記事を読み終えてからで大丈夫です)。
成果物レビュー。部下の設計書を「レビューして」と一括で AI に頼んだときの重大欠陥の検出率は 0% でした。同じ欠陥を仕込んだ設計書で、観点を 3 つの役割に分けて順番に見させる頼み方に変えたら 86%。モデルも設計書も同じ、変えたのは頼み方 (レビューの型) だけです。型にしてからは、自分の仕事は「全部読む」から「AI の指摘の採否を判断する」に変わりました。
→ 実験の全記録: 「この設計書、レビューして」で頼むと検出率0%だった
案件の状況把握。約 50 案件を掛け持ちしていた時期、週稼働の 7 割が進捗確認系の作業でした。不足情報の検知 → 担当者への自動確認 → 管理シートへの反映までを仕組みにしたら 3 割まで下がり、「あの案件どうなってる?」と自分から聞いて回ることがほぼ消えました。
→ 全記録: 50案件の催促をClaudeに任せたら「進捗どうなってる?」がほぼ消えた
どちらも、いままで自分の目と足でやっていた上流 (読む・聞いて回る) を AI に渡した例です。仕上げだけを渡していた頃には、起きなかった変化でした。
明日やること: 全部やろうとしない。1 つだけ選ぶ
5 つの業務を一度に仕組み化する必要はありません。というより、一度にやると全部が中途半端になります。
やることは 2 つだけです。
- 一番時間が溶けている業務を 1 つ選ぶ
- その業務の上流 (集める・読む・整理する) のどこか 1 箇所に AI を入れる
どの業務が一番ひどいかの見立てには、5 業務それぞれの現在フェーズと次の一歩が出るセルフチェックが使えます。
AI活用フェーズ診断を受け取る (15 問・約 5 分)
ChatGPT は使っている。なのに、忙しさは変わらない——その状態は、使い方が下手なサインではなく、AI がまだ仕事の上流に入っていないというサインです。私の場合、変わり始めたのは最初の 1 業務からでした。
📢 8/29(土) にオンライン勉強会をやります
記事で書いている「AI に任せる仕組み」の実物を、40 分でお見せします。50 案件の進捗催促を Slack・スプレッドシート・cron で自動化した構成とデモ、うまくいかなかった部分も含めて話します。オンライン・無料・定員 20 名です。