AIを入れたのに、現場が楽になった気がしない。こんな声、よく聞きませんか。
ツールは増えました。資料も速く作れます。それなのに、会議は減りません。承認も滞ります。社長のところへ上がってくる相談の数も、前と変わりません。
よくある話です。なぜこんなことになるのでしょうか。
2026年6月、OpenAIがレポートを1本出しました。題名は The Next Era of Knowledge Work。自社のAIエージェントCodexが、ナレッジワークをどう変えているかをまとめた内容です。数字は目を引きます。週あたりの利用者は500万人を超えた。デスクトップ版を出してから6倍以上に伸びた。開発者よりも、企画や調査や事務の担当者のほうが3倍以上速く使い始めている。
先に言っておきます。数字はOpenAIの自己申告です。第三者が確かめたものではありません。利用者を増やしたい会社が出す資料に、都合のいい数字が並ぶのは当然です。鵜呑みにしてはいけません。
それでも、レポートの構造には見るべきものがあります。経営者が読むべきなのは、数字ではなく構造のほうです。
結論を先に書きます
AIが作業を安くするほど、希少になるのは意思決定です。
経営者の仕事は、作業を指示することから、意思決定を設計することへ移ります。
理由を示します。
作業は、AIに渡せます。文章を書く。表を作る。資料にまとめる。調べる。要約する。どれも人に頼むより速く、安くなりました。
では、AIに渡せないものは何でしょうか。何を作るかを決めること。誰に向けて作るかを決めること。どの前提で進めるかを決めること。出てきたものを、世に出してよいかを決めること。
決めることだけが、手元に残ります。
なぜツールを足すだけでは生産性が上がらないのか
OpenAIのレポートは、古い宿題を持ち出しています。生産性パラドックスです。
1987年、経済学者のロバート・ソローがこう言いました。コンピュータの時代は、生産性の統計以外のあらゆる場所で見える。道具は入った。なのに数字が動かない。
理由は後でわかりました。道具を足しただけだったからです。仕事のやり方を変えずに、機械だけを置いた。だから役に立ちませんでした。
工場の電化が良い例です。蒸気機関を電気モーターに置き換えただけのときは、生産性は上がりませんでした。各機械の隣にモーターを置き、配置そのものを作り替えてから、ようやく数字が動きました。何十年もかかっています。
ナレッジワークは、まだ作り替えが終わっていません。メールは手紙を速くしました。そして手紙の数を増やしました。ドキュメントは下書きを速くしました。そして下書きと修正の往復を増やしました。道具が増え、成果物が増え、時間と注意だけが減っていきました。
AI導入には、同じ落とし穴があります。
Before 道具から入れる
よくあるAI導入は、道具から入ります。
- どのツールを使うかを選ぶ。
- ライセンスを買う。
- 使い方の研修を開く。
- 現場に配って、使ってねと言う。
現場はがんばって使います。資料は速くできます。調査も速くなります。
それで終わりです。
誰が何を決めるかは、前のままです。会議の数も、承認の段取りも、変わりません。成果物だけが増えて、現場はかえって忙しくなります。
現場の失敗ではありません。導入の設計が、道具で止まっているからです。
After 意思決定から入れる
順番を逆にします。道具ではなく、意思決定から入ります。
先に決めるのは、3つです。
- どの意思決定を速くするか。全部を速くしようとしない。詰まっている決定を1つか2つ選びます。
- 選んだ決定の前提を、誰が定義するか。AIに渡す材料の質は、前提で決まります。前提を決める人を、先に置きます。
- 出てきたものを、誰が、どの基準で通すか。検証の基準を持つ人を決めます。基準がなければ、AIはもっともらしい選択肢を並べるだけです。
3つを決めてから、AIに作業を渡します。AIの役割は、決めることではありません。決めるための材料を集めること。そして、決めたことが現実に耐えるかを確かめることです。
摩擦は3つ。AIで速くなるのは2つです
レポートは、ナレッジワークの摩擦を3つに分けています。探す。つなぐ。通す。
探すは、材料を見つける手間です。AIで速くなります。
通すは、仕事を受け入れさせ、現実に耐えるか確かめる手間です。ここもAIで速くなります。
問題はつなぐです。誰が何を決めて、次へ渡すか。情報と決定を、人と人の間で動かす部分です。
つなぐは、人間の意思決定の設計です。ほうっておくと、探すと通すをいくらAIで速くしても、決定の手前で詰まります。材料はそろう。検証もできる。でも、誰も決めない。だから動かない。
AIを入れて速くなった会社と、忙しくなっただけの会社の差は、つなぐを作り替えたかどうかに出ます。
数字ではなく構造を見るのも、意思決定の作法です
最後に、レポートの読み方に戻ります。
OpenAIの500万人や6倍という数字は、宣伝です。割り引いて読みます。
一方で、生産性パラドックスや工場の作り替えという構造の話は、1980年代から繰り返し確かめられてきました。出どころが宣伝資料でも、構造そのものは本物です。
宣伝の数字に乗らず、構造を抜き出す。経営者の意思決定では、読み方そのものが役に立ちます。AIの話に限りません。新しい道具の売り込みは、これからも数字で来ます。数字の出どころを見て、構造だけを取り出す。経営者がやるべき仕事です。
AIで作業が消えても、意思決定は消えません。作業が消えた分だけ、意思決定だけが残ります。経営者の仕事は、そこにあります。
出典: OpenAI, The Next Era of Knowledge Work（2026年6月）
登壇・研修のご相談
AI導入、生成AI研修、AI時代の意思決定の設計をテーマにした登壇・研修のご相談は、お問い合わせページからご連絡ください。
