AIを使うと作業時間が長くなる場合があるとの研究結果

新しい研究によると、AIはシンプルなタスクを長くすることがあり、ユーザーはより生産的になっているという錯覚を与えることがあります。

スタンフォード、NYU、プリンストン大学の新しい研究によると、AIは非効率的な場合でも頻繁に使用され、AIに依存する小さなタスクでは、精神的な努力を費やさずにタスクを自分で行う方が時間を節約できることがあります。

3つの人間の研究で、参加者はAIがタスクにどれだけの時間を節約するか、またAIにどれだけ依存しているかを大幅に過小評価していることがわかりました。

「第2研究では、AIの使用が効率上の利益をもたらさないにもかかわらず、人々が単純な作業でAIを使う理由を明らかにしようとした。一つの仮説は、AI支援によって節約できる時間と労力について、人々の見積もりがずれているというものだ。

「この仮説を検証するため、AI支援あり・なしで作業を完了する際の予測時間・労力と実測値を比較した。その結果、人々がAIによる時間と労力の節約をともに過大評価する『効率向上の錯覚』が確認された。

‘平均して、参加者はAIの支援によって55.7秒の時間を節約できるという予想をしましたが、実際には7.5秒しか節約できませんでした。この過小評価は、特にシンプルなタスクで顕著で、参加者はAIの支援によって時間を節約できるという予想をしましたが、実際にはタスクを遅くすることになりました.’

新しい論文では、AIの使用は将来のAIの使用を強化し、技術が実際の効率性の利点を提供するかどうかに関係なく、AIの使用を増やすことが示されています。

シンプルな毎日のタスクでAIを使用する方法をテストするために使用された3つの実験の概要、ユーザーはAIにどれだけ依存しているかを過小評価し、時間を節約できるかを過大評価し、将来のタスクでAIを使用する可能性が高くなることを示しています。 ソース 出典

研究のデータでは、参加者はAIを使用した後に、将来のタスクでAIを使用する可能性が高くなることが示されています。

‘対照的に、経験が判断を改善する可能性はありますが、セッションレベルのキャリーオーバー効果が見られ、初期のAIの使用が将来のAIの使用を増やします。

‘参加者が初期にタスクをAIで完了した場合、簡単なタスクのバリアントでもAIの支援を選択する可能性が高くなりますが、平均して時間や労力を節約することはありません.’

研究では、AIの使用による時間の節約は完全に幻想であることが示されています。

‘AIの支援は[逆効果になることがあります]。AIを使用する参加者は、タスクを独立して完了した参加者よりも7.06秒長くかかり、精神的な努力も高かったと報告しています.’

研究対象は5分以内に終わる作業に限られていた。ただし、以前は検索エンジンを頻繁に使い、今はChatGPTなどの一般的な大規模言語モデルに頼る人には、身近な結果かもしれない。

スタディグループ

さまざまなユーザー研究では、タスクは(TUNA)フレームワークに基づいて設計されました。実験では、情報の検索、要約、算術、スペルチェック、書き直し、他に低複雑性のタスクが含まれていました。 (出典)

最初の研究では、参加者のAIの使用の予想と実際の行動を比較して、参加者がAIの支援への依存をどれだけ正確に理解しているかを調べました。

2番目の研究では、参加者のAIの使用による時間と精神的な努力の予想と実際の結果を比較して、参加者がAIの生産性についてどれだけ正確に理解しているかを調べました。

3番目の研究では、AIの使用が将来の意思決定にどのような影響を与えるかを調べるために、参加者がタスクを完了する前にAIを使用したかどうかを追跡しました。

AIの使用はシンプルなタスクで非効率的

AIの使用はシンプルなタスクで非効率的であることが示されています。

参加者は単純な作業でAIに頼る頻度を一貫して過小評価した。簡単な設問ほど差は広がり、予測利用率20％に対して実際は38％となったことから、習慣的なAIへの委任が本人の自覚を大きく超えていることが示された。

著者らは次のように述べている。

「人々は平均予測率よりも有意に高い頻度でAIを使用した。参加者は平均してタスクの33％でAIを使うと回答したが、集団全体の実際の利用率は47％だった（β＝1.07、p＜0.001）。

「この差は簡単なタスクでさらに大きかった（β＝0.69、p＜0.001）。参加者の予測は20％だったのに対し、実際のAI利用率は38％（β＝1.42、p＜0.001）で、申告された希望率のほぼ2倍だった。」

実験は、多くの人が不要な場合にもAIへ日常的に任せている、労力の小さい一般的な作業を対象とした。参加者は事実の想起、計算、スペル修正、短文の書き換え、文章要約、基本的な推論問題を行い、中には数語または一文だけで終わる課題もあった。

同じ活動の少し難しい版も用意され、作業の要求水準が上がるとAI利用がどう変化するかを比較できるようにした。

AIによる時間節約効果の過大評価

第2研究では参加者を二つのグループに分け、一方は一連のタスクでAIが節約する時間と精神的労力を事前に見積もり、もう一方は同じタスクを自力またはAI支援で実際に完了した。課題は計算、書き換え、事実の想起、要約、スペル修正、短い推論など、再び低複雑度の作業が中心だった。

研究では、参加者はAIの使用による時間の節約を過大評価し、AIの使用による精神的な努力の軽減も過大評価していることが示されています。

実際の結果では、AIの使用による時間の節約は予想よりも小さく、場合によってはAIの使用によってタスクが遅くなることもありました。

シンプルなタスクでは、AIを使用した参加者はタスクを完了するのにより長い時間を要しました。

AIの支援による時間と精神的な努力の予想と実際の結果、参加者はAIの支援によって時間を節約できるという予想をしましたが、実際には時間を節約できませんでした。

研究では、AIの使用による精神的な努力の軽減も過大評価されていることが示されています。

AIの使用は思い込みを強める

3つ目の研究では、AIを短時間使うだけでも、その後の意思決定が変わるかを調べた。参加者を複数のグループに分け、最初の「接触段階」で、AIを使って簡単な課題に取り組む人、AIを使って難しい課題に取り組む人、同じ種類の課題をAIなしで行う人を設けた。別の対照群はこの段階を行わなかった。

続く「テスト段階」では、全グループに新しい、より簡単な課題を与え、AIを使うかどうかを本人に選ばせた。課題は文章の書き換え、計算、記憶、誤字の修正、要約、短い推論など、いずれも数分で終わる単純なものだった。

論文によると、接触段階でAIを使った参加者は、後の課題でもAIに頼る可能性が大幅に高くなった。最初にAIを使っても時間や精神的な労力を節約できなかった場合でさえ、この傾向が見られた。

それまで課題を自力で終えた参加者と比べ、先にAIを使った参加者はテスト段階でもAIの支援を選ぶ頻度がはるかに高かった。

参加者はAIを使用した後に、将来のタスクでAIを使用する可能性が高くなることを示しています。

AIに繰り返し触れると、AIが本当に役立つかどうかの判断もゆがむと報告されている。実測では利点がほとんどなく、場合によっては終了までの時間が長くなったにもかかわらず、先にAIを使った人は「AIなしの方が速く終えられる」という見方に同意しにくくなった。

研究者らは、AIを使うほど次もAIに頼りやすくなり、それと同時に生産性への効果を正しく見極める力が弱まる「自己強化サイクル」が生まれうると論じている。

結論

意見 この研究の結論は、AIを使用する多くの読者にとっては、ある程度の共感を感じることができるかもしれません。

私自身、繰り返しのタスクを自動化することに情熱を傾けています。現在のAIブーム以前から、質問は同じです。自動化の設定と維持に伴う労力は、自動化なしでタスクを実行する場合の推定労力を超えるかどうかです。

自動化を愛する人々は、自動化のために自動化することになり、自動化によって時間を節約するには何年もかかるかもしれません。しかしこれは、活動の文脈を「最適化」から「趣味」に変えることになります。

これは間違ったことではありません。ただし、実際の利益がないことを自分に言い聞かせないでください。私は最近、この悪い習慣を避けようとしています。ただし、AIの使用はこの悪い習慣を悪化させる可能性があります。なぜなら、悪い結果や非最適な結果であっても、結果を得ることが非常に速くなるからです。

欺瞞的な指標

一方で、この論文は、AIが偶然うまく問題を解決する経験と、使える手順にしようとして行き止まりや試行錯誤を重ねる経験の落差を十分には扱っていない。ChatGPTなどの対話型AIに自分の作業を合わせようとしても、強制的なバージョン更新で、それまで頼っていた手順が同じように動かなくなることもある。まれな成功だけを印象に残せば、全体としての効率を見誤る。 (出典)

「マジック」な結果は、AIが問題を簡単に解決し、合理的に機能する場合です。

たとえば、論文をレビューするときは、ページ番号を太字で上部に書く必要があります。ChatGPTにPythonスクリプトを書いてもらうと、ArxivのPDFをドラッグアンドドロップすると、2〜3秒でページ番号が付いた新しいバージョンができます。

AIによって書かれたPythonスクリプトを使用してPDFにページ番号を追加する

Windowsに独立したArial Blackフォントが標準搭載されているかを1、2分議論したことを除けば、これはAIが私にとって継続的かつ日常的に役立つものを作った最速の例だった。 (出典)

このような「大成功」は、AIが時間や労力を節約する能力について誤った印象を与えかねない。人は痛みを伴う失敗を忘れ、うまくいった経験を強く覚える傾向があるためだ。小さな作業をAIが鮮やかに解決した例ばかりを基準にすると、今回の研究が示した統計的な傾向にも、「簡単な成功」はむしろ例外だという自分の経験にも反して、同じ幸運を追い続けてしまう。 (出典) (出典)

2025年の研究では、開発者がAIを使用すると、19%長く時間がかかることが示されています。また、別の研究では、AIの使用によって時間を節約できるというメッセージが裏付けられています。 (出典) (出典)

この種の研究を、必然的にAIを活用することになる昔ながらの時間動作研究へ発展させ、AIが実際にどの程度時間を節約するのか、あるいは奪うのかを具体的に把握できれば有用だろう。 (出典)

この研究が特に意義深いのは、短い作業でAIを使う際の「精神的な負担」まで定量化しようとした点だ。AIを使う仕事の密度や緊張が高まる中、AIの要求や予想外の振る舞いが人をどの程度疲弊させ、仕事の質や働き続ける能力にどんな影響を与えるのかを測る、信頼できる尺度が必要になる。 (出典)

* フォーマットは著者のものです。インライン引用はハイパーリンクに変換されています。

2026年5月23日初出