生成AIで作業を効率化した人が、評価されないどころか損をする。この構造が、いま多くの職場で起きています。
原因は2つあります。効率化で浮いた時間に別の仕事が入るだけで評価も報酬も変わらないこと。そしてAIを使う人が「怠惰」と見られるという、実験で確認された社会的な偏見です。
結果として、働く人はAIを使わなくなるか、使っていることを隠します。会社がせっかくAIに投資しても、評価の仕組みが古いまま放置されていては、投資対効果は表出しないのです。
本記事では、この構造がなぜ生まれるのかを整理し、評価軸をどう変えるべきかまで解説します。フルリモートのスタッフ10人を評価してきた筆者の実務経験もあわせて紹介します。
生成AIで時短しても、労働時間は減らない現実
生成AIは、タスクの所要時間を確実に短縮しています。一方で、労働時間そのものはほとんど減っていません。
タスクは16.7％短縮、しかし労働時間が減った人は25.4％
パーソル総合研究所が2025年10月に正規雇用者3,000人を対象に実施した調査によると、生成AIを使ったタスクの所要時間は平均16.7％短縮されていました。
ところが、実際に労働時間そのものが減った人は利用者の25.4％にとどまります。4人に3人は、タスクが速く終わるようになっても働く時間が変わっていません。効率化で浮いたはずの時間はどうなっているのでしょうか。
生成AIによる効率化は、日常業務で相殺されている
生成AIで業務を効率化した人は、浮いた時間の61.2％を仕事に再投下していました。しかもその中身の75.4％は日常業務です。
さらに調査では、生成AIを頻繁に使う層ほど残業時間が長いという傾向まで確認されています。
同調査はこの結果を、「タスク単位の効率化が組織全体の効率化にほぼつながっていない」と総括しています。
AIで効率化を実現しても、労働者にメリットがない
AI活用によって、タスク処理自体は速くなった。しかし日本のほとんどの労働者は、決められた労働時間の中で働いています。効率化で浮いた時間には、別の仕事が入ります。そして評価も報酬も変わらない。
つまり、AIで仕事を効率化しても、さらに別の仕事が増えるだけであれば、労働者にとってAIを使うメリットがないのです。
AIを使う人が「怠けている」と評価される組織
効率化しても報われないだけではありません。AIを使うこと自体が、能力の低さと見なされるケースがあります。これは実験で確認されています。
AIを使う「社会的評価ペナルティ」
デューク大学の研究チームが2025年にPNASで発表した論文は、4つの事前登録実験（合計4,439人）でこの現象を検証しました。
まず、AIの助けを受けた人は、非AI技術から同様の助けを受けた人より怠惰で、能力が低く、勤勉でないと評価されるだろうと本人が予想することが確認されました。
そして次の実験で、その予想は正しかったことが示されます。観察者は実際に、AIの助けを受けた人を怠惰・能力が低い・勤勉でないと評価していました。
論文によれば、この評価ペナルティは対象者の年齢、職業、性別を問わず発生しています。
AIを使わない評価者ほど、AIを厳しく評価する
実務上、見逃せないのは、AIを定期的に使わない評価者（週1回未満）がAIを使う候補者を「怠惰」と評価し、それが業務適性の低評価につながっていた点です。
さらに別の実験では、自分でAIを使わない管理職が、報酬が伴う採用判断の場面で、実際にその否定的な想定にもとづいて行動することが示されています。
AIを使わない上司ほど、AIを使う部下を低く見る傾向が明らかになったのです。
一方で、AIがそのタスクに明確に「有用である」と説明されている場合、この社会的ペナルティは相殺されると論文は報告しています。
つまり偏見の正体は、AI利用そのものへの拒否感というより、その業務にAIが必要かどうかを評価者が理解していないことにあります。
評価されない労働者は「AIを使わない」「AIを隠す」
効率化しても報われず、使えば怠惰と見られる。この二重の不利益に対して、働く人は合理的に反応します。AIを使わなくなるか、使っていることを隠すようになります。
効率化を隠すのは、労働者の自己防衛
生産性を上げても労働時間は減らず、評価も給料も変わらない。それどころか怠惰と見なされる。
この状況が続けば、従業員は「生産性を上げても損をするだけだ」と学習します。そしてAIの利用を控えたり、AIで効率化した事実を隠したりするようになるでしょう。近年課題に浮上している「シャドーAI」も該当します。
これは怠慢ではありません。個人の合理的な自己防衛です。
「AI隠し」で損をするのは、会社のほう
ここが経営上の問題になります。
会社はAIに投資しています。ツールを契約し、研修を実施し、活用を推奨している。ところが評価の仕組みが古いままだと、現場はAI投資による成果・効果を隠す方向に動きます。
AI導入の効果が測定できない、現場に浸透しないという課題は、しばしばツールや人材の問題として語られます。しかし、実際の障壁は評価とインセンティブの設計が追いついていないことなのです。
「AI隠し」の根本原因は、計測対象のミス
なぜこの構造が生まれるのか。組織がAIによる成果ではなく、労働者の活動量を測っているからです。
現場では「時間主義」と呼ばれている
実務者の議論では、この問題は「成果主義と時間主義」という対比で語られます。
稼働時間、作業量、忙しさ。これらを評価の材料にしている限り、AIで短時間に成果を出す人は不利になります。評価項目が「自ら手を動かしたか」のままなら、仕事の質や成果に関わらず、手を動かす時間が長い人のほうが高く評価されるからです。
成果が測れないから、別のデータを測っている
ただし、上司が意地悪をしているわけではありません。
本来測るべきは仕事の成果です。しかし成果を定義し、記録し、集計する仕組みがなければ、測りようがない。そこで、稼働時間、処理件数、ログイン時間、チャットの発言数といった、従来からある分かりやすいデータに目が向きます。
しかしこれらは、いずれも「働いているらしさ」の痕跡であって、成果そのものではありません。これは代理指標、いわゆるプロキシメトリクスの問題です。
代理指標は、測った瞬間に対象を変質させる
代理指標が厄介なのは、一度使い始めると抜け出しにくいことです。
仕事の成果が測れないから、仕事中の活動量を測る。すると労働者は「活動量が高く見えるように」振る舞い始めます。時間をかけているように見せ、発言を増やし、AIを使っていないふりをする。
その結果、見た目の活動量と仕事の成果との相関は薄れ、成果はいっそう見えなくなります。
例えば、時間内に効率よく仕事を終わらせて定時で退勤する人よりも、ゆっくり作業して残業時間が長い人の方を「有能」と判断する会社では、効率化は進みません。
人件費の観点でいえば、同じ仕事をより短時間で終わらせる人の方が、会社にとって得になります。しかし、現場が「残業できる人の方が、仕事に一生懸命で会社に貢献している」と判断するとしたら、労働者は「時間をかける＝高評価」という認識で仕事をするようになるでしょう。
仕事を活動量で測ると、判断業務ほど低く評価される
活動量を評価の材料にすると、構造的な歪みが生まれます。判断が中心の仕事ほど低く評価されるのです。
読む・考える・決めるは、活動量ゼロ
資料を読み込む時間、構造を考える時間、判断に迷う時間。仕事の質を決めているのは、多くの場合こちらの時間です。ところが、これらはすべて、パッと見た時に活動量がほぼありません。PCの作業ログにも残りません。
筆者の実感として、編集やディレクションのように成果物をジャッジする業務は、目に見える作業量が必然的に少なくなります。その代わりに必要になるのは判断力や論理的思考力です。
原稿を読み、構成の欠陥を見抜き、直すべきかそのまま通すかを決める。この工程では、脳内で忙しく判断・ジャッジを行なっていても、外からは作業らしい作業は発生していないように見えます。
職位が上がるほど、不利になる
判断業務の比重は、職位が上がるほど増えていきます。
つまり活動量で測ると、上位職ほど不利になるという奇妙なことが起こります。管理職が自分の仕事を評価しづらいと感じるのは、この歪みが原因である場合があります。
「出社を理由に高く評価する」ことと、同じ構造
同じ問題は、勤務場所をめぐっても起きています。
同じ部署でオフィスワークとリモートワークが選択可能だった場合、オフィス出社頻度が多い人の方が評価が高くなるケースが見られます。これは、オフィス出社の方が、評価者に対して「働いているらしさ」を印象づけられているからではないでしょうか。
厚生労働省の「テレワークの適切な導入及び実施の推進のためのガイドライン」では、以下の点が明記されています。
テレワークを実施せずにオフィスで勤務していることを理由として、オフィスに出勤している労働者を高く評価すること等も、労働者がテレワークを行おうとすることの妨げになるものであり、適切な人事評価とはいえない。
厚生労働省「テレワークの適切な導入及び実施の推進のためのガイドライン」https://www.mhlw.go.jp/content/000759469.pdf
出社時間もAI不使用も、成果とは関係のない代理指標です。見えやすいものを評価してしまうという同じ構造が、別の形で現れているにすぎません。
活動量を測ることに合理性があるケース
ここまで活動量による評価を批判してきましたが、一方的に否定するのは公平ではありません。活動量が有効な場面は確かに存在します。
定型業務では、活動量と成果の相関が高い
処理件数が成果とほぼ一致する業務があります。問い合わせ対応、データ入力、検品。こうした仕事では、量を測ることが成果を測ることに近くなります。
活動量は測定コストが圧倒的に低い
成果を定義し、記録し、集計する仕組みを作るには、相応のコストがかかります。数千人規模の組織で全員分の成果指標を設計し、運用し、維持するのは簡単ではありません。
一方、活動量はシステムが自動的に記録してくれます。追加コストがほぼゼロで手に入る指標を使いたくなるのは、自然な判断です。
AIが入ると、活動量と成果の相関が壊れる
AI導入においては、活動量と成果の相関が崩れることに注意が必要です。
AIが定型業務を担うほど、処理件数と人間の貢献は一致しなくなります。同じ成果物を出すのに必要な作業量は、使う人によって桁違いに変わるからです。
そして、AIが定型業務を代替した後に人間の仕事として残るのは、イレギュラー処理の判断やAIが行った業務のチェックといった、活動量と成果が相関しない業務です。
つまり定型業務では、「これまで通用していた活動量の指標」どころか、定型業務そのものが消滅する方向に向かいつつあります。
AI時代の評価軸を「処理量」から「判断の質」へ移す方法
では何をすればいいか。評価項目を、活動量から判断の質へ移す方法をみていきましょう。
1. 判断を評価する3つの項目
AI活用を進める組織における評価項目には、以下の3つがあります。
- AIへの指揮能力
AIが出した選択肢のうち、何を採用せず捨てたか。捨てる判断には、業務理解と基準が必要です。 - 最終的な成果物
AIが作ったかどうかではなく、最終的に責任を持って世に出したものは何かを見ます。 - 他社の成果物へのジャッジレベル
部下やAIの出力を、どの段階で止めて差し戻したか。品質の線引きができることは、判断能力そのものです。
評価項目が「自ら手を動かしたか」のままなら、AI活用を推奨しても現場は動きません。
2. 組織として「AIは有用である」と明示する
前述の研究が示したとおり、AIがそのタスクに有用だと説明されていれば、社会的評価ペナルティは相殺されます。
逆に言えば、組織がAI活用の方針を曖昧にしたままだと、現場では「AIを使う人は怠けている」という空気が残り続けます。
経営や管理職が、どの業務でAIを使うべきかを具体的に示すこと。これは精神論ではなく、研究で実証された偏見への対処法です。
3. 評価者自身がAIを使う
もう一つ、研究から導ける対策があります。
AIを使わない評価者ほど、使う人を厳しく評価していました。つまり評価する側がAIを使っていないこと自体が、評価の歪みを生んでいます。
管理職研修でAI活用を扱う意味は、業務効率化だけではありません。AIの仕組みを知り、どのように業務に活用できるかを理解することは、評価の公正さを保つために必要な知識なのです。
4. 成果を本人に説明してもらう
そして最も実務的な方法がこれです。
成果を測る仕組みがないなら、本人にまとめて説明してもらってください。何をやり、どんな成果が出たのかを、数字とともに本人に提出してもらう。
評価する側が情報を取りに行くのではなく、評価される側から出してもらう。それだけで、活動量に頼る理由はなくなります。
ただし依頼するだけでは足りません。何をどう書くかの型を渡してください。型がないと、出てくるものの質にばらつきが出ます。
まとめ｜活動量を測り続けると、AI投資は回収できない
生成AIで作業は速くなりました。しかし労働時間は減らず、評価も変わらない。それどころかAIを使う人は怠惰と見なされる。
この状態を放置すると、働く人は合理的に判断して、AIを使わなくなるか隠すようになります。損をするのは会社です。
原因は、成果ではなく活動量を測っていることにあります。そして活動量という指標は、AIの普及によって急速に無効化されつつあります。
打つべき手は監視でも管理でもありません。評価項目を判断の質へ移し、AIが有用であることを組織として明示し、評価者自身がAIを使う。そして測れないなら、本人に説明してもらう。
評価の仕組みを持たない組織は、AIに投資しても回収できません。
具体的な評価設計の方法は、こちらの記事で解説しています。
（本記事のデータは2026年9月時点の公表情報にもとづきます）
（出典）
・厚生労働省「テレワークの適切な導入及び実施の推進のためのガイドライン」
https://www.mhlw.go.jp/content/000759469.pdf
（閲覧日：2026年9月10日
・パーソル総合研究所「生成AIとはたらき方に関する実態調査」（2025年10月実施／正規雇用者3,000人対象）
※出典元：nippon.com「AIで生産性は上がる、だが『やる気』は下がる？ 金融の現場から考える『生産性向上のわな』」
https://www.nippon.com/ja/in-depth/d01262
（閲覧日：2026年9月10日）
・Reif, J. A., Larrick, R. P., & Soll, J. B. (2025). “Evidence of a social evaluation penalty for using AI.” Proceedings of the National Academy of Sciences, 122(19), e2426766122.
https://www.pnas.org/doi/10.1073/pnas.2426766122
（閲覧日：2026年9月10日）