HDN Articles

世界の違和感｜2026/9/29｜羽田野 剛士

AIを使っているのに、なぜこんなに疲れるのか――時短の裏で増える確認・待ち時間・気苦労

AIを使って開発を速めるはずが、指示の反復、確認、不要なゲート、待ち時間に消耗する。国内外の利用者の声と開発者調査から、AIが人間に押し戻す見えにくい仕事を考えます。

Read this article in English →

AIを使えば仕事は速くなる。面倒な作業を預け、人間は判断や創造に集中できる。そんな期待とともに、生成AIやコーディングエージェントが職場に入ってきました。

ところが、使い続けるうちに、別の感覚が生まれることがあります。作業は進んでいるはずなのに、なぜか疲れている。説明を繰り返し、返答を待ち、出力を確かめ、ズレを直し、止まった理由を探す。AIを使っているのに、使う前より自分の仕事が増えたように感じるのです。

私自身、AIを使った開発で、まさにこの違和感を抱いています。もう伝えた方針を何度も説明する。合意済みの作業をまた確認される。仕事を前へ進めるより、追加のゲートや確認に引き止められる。作業そのものに加えて、AIの進め方を監督し、進捗を追い、同じことを再度伝える負担が積み上がっていきます。

ここで問いたいのは、AIが間違えるかどうかだけではありません。AIを使うことで増えた確認、待ち時間、気苦労を誰が引き受けているのか。そして、その時間まで含めて、本当に効率化と言えるのかということです。

「速くなったはずなのに疲れる」は、個人だけの感覚なのか

国内の開発者がZennに書いた体験談では、Claude CodeやCodex CLIで調査や修正が早く形になる一方、動いている作業の把握、停止への気づき、成果物の確認、次の判断が必要になり、ボトルネックが実装から管理へ移ったと振り返っています。複数のAI作業を同時に動かすと、どの作業が完了し、どれが停止し、どれが確認待ちなのかを追い続けることになります。コードを書く時間が短くなっても、管理する時間が同じように減るとは限りません。

別の国内開発者は、社内システムの開発でAIの実装速度は明らかに上がった一方、生成されたコードのレビューが非常につらかったと記しています。AIが頼まれた周辺まで親切に変更し、差分が大きくなると、レビューは「確認」よりも「何が起きたのかを発掘する作業」に近づく。AIとやり取りした本人には分かる経緯も、後から確認する同僚には伝わらず、苦労が次の人へ渡ってしまうという指摘です。

Qiitaの投稿では、エージェントに何度も修正を頼み、生成を待つ往復が三、四回続くと、最初から自分で書いたほうが早いことがあったと報告されています。コードの原因ではなく、環境や外部サービスの問題をAIに直させ続けた結果、五分で済む確認に三十分以上かかった経験もあったそうです。これは一人の実務者の経験であり、すべての開発者に当てはまる統計ではありません。それでも、「AIが作業している時間」と「依頼者の仕事が終わるまでの時間」は別だという現場感覚をよく表しています。

海外のRedditにも、同じ種類の不満が書かれています。あるChatGPT利用者は、依頼が明確で、実行を頼んでいるのに、AIが依頼を言い換えたあと「進めてよいか」と再確認してくると投稿しました。小さな修正のたびに確認と返答が一往復増え、「二つのメッセージと二回の待ち時間」になるといいます。本人は、危険な操作や曖昧な依頼なら確認は必要だと認めたうえで、普通の作業まで止められることへの苛立ちを述べています。

別の海外開発者は、Cursorのエージェントが問題を理解したように話しながら同じ誤診を繰り返し、コードを直しては戻し、再び直すループに入ったと書いています。何日もツールを制御することに費やし、最終的には自動実行から説明を求めるモードへ切り替えたといいます。もちろん、これはフォーラムに書かれた個人の声であり、製品全体の品質を測る調査ではありません。しかし「もっともらしい報告」と「実際に問題が解決すること」の間に、利用者が埋めなければならない距離があるのは伝わってきます。

こうした投稿を読んで見えてくるのは、単なる「AIは使いにくい」という話ではありません。AIに作業を預けると、利用者には、新しい管理・監督の役割が生まれることがあります。指示する、待つ、確認する、訂正する、再度動かす。しかも、その仕事は成果物として見えにくく、導入効果の集計にも乗りにくいのです。

研究が捉えた「生産性」と「使う人の疲れ」のずれ

開発者の体験に関する研究も、このずれを示しています。

2026年に公表されたプロのソフトウェア開発者の縦断調査では、同じ95人を含む参加者を半年間隔で調べました。回答者の82％は、AIによってコードを書く時間が減ったと答えています。生産性が高まったという認識も維持されていました。その一方、フロー状態や認知負荷など、開発体験の少なくとも一つが悪化した人は、調査対象のうち14％から27％へ増えました。研究者は、作る仕事から、AIへ指示し、評価し、修正する「監督的なエンジニアリング業務」への移行を指摘しています。

これは一つの研究の参加者に関する結果で、世界中の開発者全員の割合ではありません。また、AIでコードを書く時間が減ること自体は実際に起きている。重要なのは、時間短縮と仕事の手触りが同じ方向へ動くとは限らないことです。数字上の生産性が上がったと感じていても、集中が途切れ、確認の負荷が高くなり、仕事の満足感が下がることはあり得ます。

Stack Overflowの2025年開発者調査では、AIの回答の正確さを「信頼しない」とする人が46％、「信頼する」とする人が33％でした。全回答者のうち、この質問に回答したのは約3万3千人です。多くの開発者がAIを使いながら、その出力をそのまま受け取らず、人間による検証を必要としていることがうかがえます。ただし、この調査は信頼度を尋ねたものであり、確認に何分かかるか、ストレスがどれだけ増えたかを直接測ったものではありません。

よく引用されるMETRの2025年実験では、既存の大規模オープンソースプロジェクトに詳しい開発者が、初期2025年のAIツールを使った際、課題完了に平均19％長くかかったと報告されました。ただし、METR自身が2026年の更新で、後続実験には参加者の自己選択や複数エージェント利用時の時間計測などの問題があり、現在のAIによる生産性効果を信頼性高く示すデータとは言えないと説明しています。新しいモデルや道具は以前より作業を速めている可能性がありますが、その効果の大きさは不確かです。

ここから言えるのは「AIは開発を遅くする」という単純な結論ではありません。むしろ、AIが速くする工程と、人間の確認・修正・管理を増やす工程が同時に走り、前者だけが目立ちやすい、ということです。デモでは数秒でコードが生成される。けれど実務では、要件との一致、既存システムへの影響、動作確認、セキュリティ、公開後の責任まで確かめて、ようやく仕事が終わります。

ゲートは何を守り、誰の時間を使っているのか

慎重な確認がすべて悪いわけではありません。データを消す、本番環境を変える、患者や顧客に連絡する、記事や広告を公開する。取り返しのつかない操作や第三者への影響がある行為には、確認や承認が必要です。人の安全、プライバシー、金銭、公開情報を守るゲートには意味があります。

違和感が生まれるのは、危険の程度にかかわらず、何でも同じように止められるときです。すでに明確に依頼され、すぐに戻せる文章の整形やローカルの調査まで、AIが「念のため」を理由に立ち止まる。確認する本人に、何を守るための確認なのか説明できない。それでも利用者は、許可を返し、作業を再開させ、待つことになります。

このとき「ゲートがあるから安全」とは言い切れません。目的の分からない確認が何度も続けば、人は疲れます。疲れた人は、肝心な確認まで読み飛ばすかもしれません。何を確認するかを絞ることは、効率のためだけでなく、重要な確認に注意を残すためにも必要です。

本当に良い安全設計は、確認の回数を増やすことではなく、危険と不可逆性に応じて止める場所を選ぶことだと思います。低リスクで戻せる作業は進め、結果を短く報告する。不可逆または外部に影響する操作だけ、具体的な影響を示して承認を求める。リスクを下げるための自動テストや差分確認は、利用者へ質問を投げ返す代わりに、可能な範囲で自動的に行う。そうすれば安全と速度を両立できます。

AI導入で増えた「見えない仕事」

AIを導入したとき、評価される数字は「何行生成したか」「何分で初稿が出たか」「どれだけ多くの作業を並行させたか」に寄りがちです。しかし、利用者がAIの出力を理解し、誤りを見つけ、何度も指示し直す時間はどこに計上されるのでしょうか。

見えにくい負担は、時間だけではありません。AIが次に何をするか分からない状態で待つ気疲れ。止まった作業を見落とさないように注意を張る負荷。前に決めたことがまた覆るかもしれないという不安。こちらがAIの進行を管理する役に回ることで、考えていた本来の仕事から何度も意識を引き戻されます。数分の往復が何度も起きれば、集中の流れも切れます。

AIは人間から単純作業を引き取る一方で、指示、監視、検証、修正という別の作業を人間へ戻しているのかもしれません。その結果は、仕事が消えたのではなく、名前の付いていない管理業務へ移っただけということがあります。

私が感じているストレスも、AIが完璧でないことだけから来ているわけではありません。間違いを直すのはある程度、道具を使う上で想定できることです。消耗するのは、直すためのやり取りが必要以上に続き、すでに伝えたことをもう一度伝え、仕事を進めるはずのAIに、進み方を説明し続けなければならないときです。AIの誤りそのものより、誤りの後始末と運用上の摩擦を利用者へ一方的に戻す設計に、違和感があります。

「AIを使いこなせない側が悪い」「指示が曖昧だから仕方ない」と、利用者の能力だけに原因を寄せるのは簡単です。確かに、明確な要件や小さな作業単位は、AIとの協業に役立つでしょう。しかし、ユーザーがすでに明確に伝え、必要な情報も提供しているのに、AIがその文脈を保持せず、同じ確認や説明を繰り返させるなら、それは使う人だけの問題ではありません。良い道具は、利用者にその道具専用の管理技術を際限なく身につけさせることで、初めて役に立つものではないはずです。

「速さ」だけでなく、仕事の終わりまで測る

AIの効果を考えるなら、生成速度だけでなく、依頼から完了までの総時間を見たい。確認や修正に何回往復したのか。利用者が何回、同じ説明をしたのか。停止していた時間はどれくらいか。間違いを直したのはAI自身か、人間か。最後に、使った人は仕事を楽に終えられたのか。

これはAIを使う側にも、提供する側にも問われることです。利用者は、AIが「作業中」と表示している時間を成果と同一視しない。提供者は、便利な生成体験だけでなく、待ち時間、文脈喪失、確認負荷、やり直しまで含めて改善する。導入を決める組織は、作業量の増加だけでなく、現場の認知負荷や気疲れを聞き取る。

AIは仕事を助ける道具です。利用者がAIの判断を監督し、正しい文脈を覚えさせ、停止を見つけ、何度も作業を再開させることが中心になったら、主役と補助役が入れ替わっています。

AIを使っているのに、時間が余らない。前より気を遣い、何度も同じ指示を出し、終わったかどうかを追いかけている。もしそんな感覚があるなら、それを「自分の使い方が悪い」で終わらせなくていいと思います。効率化の約束が、利用者に新しい監督業務を生み出していないか。AIを使うことで本当に減った仕事と、見えなくなっただけの仕事を、いま改めて数える必要があります。

AIは、私たちの仕事を減らしているのでしょうか。
それとも、仕事の形を変え、確認と気苦労を人間へ返しているだけなのでしょうか。

出典・参考資料

国内の利用者・開発者の体験

海外の利用者の投稿

調査・研究

※利用者投稿は、公開フォーラムや技術記事に書かれた個人の経験です。全利用者の割合や代表値を示すものとしては扱っていません。研究についても、調査対象・実験条件・研究段階の違いを踏まえて記述しています。

RELATED INSIGHTS