2025年のワークスロップ調査に登場するプロジェクトマネージャーは、上司から受け取った成果物が、本人の言葉を借りれば「質の低い仕事」だったそうです。「膨大な時間の無駄で、しかも迷惑だった」と彼女は書いています。しかも相手は上司なので、「その質の低さを指摘してやり直しを頼むのは気が引けた」とのこと。結局、自分で仕上げ直し、そのぶん他のプロジェクトが犠牲になりました(BetterUp Labs)。
この一件に問題のすべてが詰まっています。ドラフトを作ったのが誰であれ、そのツケを払ったのは彼女でした。自分のプロジェクトと、「口に出しても大丈夫か」という悩みの両方で。このガイドでは、調査で分かったこと、誰も責めずに指摘する方法、再発を防ぐチームの習慣を取り上げます。
調査が数えたもの
この言葉を生んだのは、BetterUp LabsとStanford Social Media Labの研究者です。ワークスロップとは「良い仕事のように見せかけながら、タスクを意味ある形で前進させる中身が欠けている、AI生成の仕事コンテンツ」と定義されています(Fortune)。2025年にHarvard Business Reviewで発表され、なぜ人がワークスロップを作ってしまうのかを扱った関連記事も出ています。調査の対象は、米国のフルタイムのデスクワーカー1,150人です。
回答者の約40%が、直近1か月に同僚からワークスロップを受け取ったと答えました。仕事で受け取るコンテンツの約15%が該当する、という推定もあります。1件への対応にかかった時間は平均1時間56分(BetterUp自身のページでは2時間に丸めています)。研究者はこれを1人あたり月$186、従業員1万人規模の企業なら年間約$900万と試算しています(CNBC)。
ただし、この数字を予算会議で引用する前に、2点だけ注意してください。数字は自己申告に基づく1つの調査から出たもので、金額も回答者が申告した給与から算出されています(Entrepreneur)。方向性は確かでも、細かい数字は割り引いて見るべきだと私たちは考えます。問題を解決したチームの前後比較はまだ誰も公表していないので、ぜひ見てみたいところです。
懐疑的な上司にまず見せたいのは、社会的コストの数字です。CNBCによると、受け取った人の約半数が、その後は送り手を創造性・能力・信頼性の面で低く見るようになったと答え、約3人に1人がチームメイトや上司に伝えています。BetterUp LabsのKate Niederhofferは、自身が受け取ったときの反応をこう語っています。「自分で仕事を終わらせられないの?信用できない。もう一緒に仕事したくない」
推測せずに見抜く
Stanford Social Media Labの創設者であるJeff Hancockは、これまで人が作れる水増しコンテンツの量を抑えていた手間をAIが取り払った、とCNBCに語っています。「役に立たない、生産性のないコンテンツを、いとも簡単に大量に作れてしまう」。彼が挙げた兆候は「purple prose(大げさで装飾過多な文章)」、つまり箇条書き1つで済む内容に3段落を費やすことです。CNBCが挙げた例は、出来の悪いコード、情報が不完全なスライド、言い回しが妙なメールなどです。
このリストをよく見てください。どれも、モデルが書いたと証明する必要がありません。数字をでっち上げたレポートは、人が作っても チャットボットが作っても問題で、会議で指摘できるのもその形です。職場の会話では、AI検出ツールのスコアを根拠にするのは避けたいところです。パーセンテージは誰が書いたかの推測にすぎませんが、出典の欠落、間違った数字、決定事項の不在は誰でも確認できます(検出ツールが何を測っているかは、AIコンテンツ検出ツールのボードとまとめ記事を参照してください)。
同僚への伝え方をステップごとに
CNBC Makeは、まさにこのテーマでエグゼクティブコーチで『Managing Up』の著者でもあるMelody Wildingのプレイブックを掲載しました。ほぼそのまま実践したい内容で、要点は4つの動きに絞れます(CNBC)。
- 共通のゴールから入る。Wildingの例文は「これは経営陣に満足してもらいたいですよね」、あるいは「2人の名前が入っているので、クライアントの精査に耐えられる内容にする必要があると思います」。
- 具体的な問題点を挙げ、ひとくくりの断定は避ける。たとえば、話し合った内容とデータが合っていない2つのセクション、途中で変わる書式、出典のない数字などです。
- かかったコストを伝える。Wildingの例文は「やり直しに時間を使ったので、上司のプロジェクトを後ろ倒しにすることになりました」。名指しできるコストには反論しにくいものです。
- 次回に向けて、変更は1つだけお願いする。たとえば、AIのドラフトは送る前に簡単にレビューしてもらう、AIを使ったときは一言知らせてもらう、などです。Wildingの言い方は「AIが使われたときに教えてもらえると助かります」。
Wildingは、「これ全部AIで作ったでしょう」というひとくくりの言い方は、とくに証明できないときは避けるよう勧めています。相手が防御的になり、変えるべき点から焦点がずれてしまうからです。AIに触れる場合は、断定を避けつつ自分も使っていると添えるのがよいそうです。「間違っていたらすみませんが、一部にAIが関わっているように読めました。私も使うので、それ自体は問題ではありません」。それでも私たちなら、欠点を先に伝え、AIの話は触れるとしても後にします。
送り手が上司の場合
上司への指摘はさらに難しく、それは調査にも表れています。冒頭のプロジェクトマネージャーが黙っていたのは、ドラフトが上司から来たからでした。Wildingのアドバイスは、まず自分もAIを使っていると伝えること。ツールに反対ではないと示せるので、話を品質と時間に絞れます。そのうえで、コストを数字で示し、延期せざるを得なかったプロジェクトなど、相手が気にかけていることに結びつけます。
この場面では、不満よりもお願いの内容が会話を左右します。上司にAIをやめてほしいと頼むのではなく、面子を潰さずに受け入れられる小さなプロセスの変更を頼みましょう。たとえば、転送する前に一度ざっと目を通してもらう、モデルが書いた部分を一行で示してもらう、といったことです。同じ苦情を3人から聞かされるくらいなら、レビューの手順を断る上司は少ないだろうと私たちは考えています。
仕事は消えず、移動しただけ
私たちの基本的な立場は、AIは仕事を減らすべきであって、他の誰かに移すものではない、というものです。ワークスロップは、後者のいちばん分かりやすい例です。送り手の作業はプロンプトと貼り付けに縮み、受け手が検証、書き直し、そして意図を聞くための気まずい打ち合わせを引き継ぎます。

より新しい数字も同じ方向を示しています。Workday自身の調査(AIをアクティブに使う世界のフルタイム従業員3,200人が対象)では、85%がAIで週1〜7時間節約できたと答えた一方、節約できた時間の4割近くが手戻りで失われていました。エラーの修正、コンテンツの書き直し、出力の検証です(Workday、2026年公表。CNBCも参照)。明確でプラスの純成果を安定して得られていたのは14%だけです。1つの出来の悪いドラフトを受け取った人が感じることの、全社版と言えるでしょう。チームの「節約時間」を送り手側だけで数えているなら、受け手側が払っている分だけ過大に見積もられています。
これでツールの問題にも決着がつきます。ChatGPT、Claude、Microsoft 365 Copilot、Geminiは、頼まれればどれも見栄えのよい空っぽの文章を作れますし、慎重な人が手直しできる良い初稿も作れます。Grammarlyは線の反対側にあり、すでに自分で書いた文章に対して働きます。ワークスロップの責任をプロダクトに負わせるつもりはありません。結果を変えるのは習慣です。ドラフト作成ツールを比べたいなら、AIライティングアシスタントのToolRankボードとライティングアシスタントのまとめ記事から始めてください。
定着するチームのルール
Fortuneによると、Hancockのアドバイスは、チームが高い基準を持ち、互いにオープンに批評し合うことです。タスクの品質に集中するチームは「互いに批評し、批評を受け入れる」ので、ワークスロップが少ないといいます。研究者は、同僚同士に求める基準を、人間とAIが行った仕事にも同じように適用すべきだと提案しています(Fortune)。こことCNBCの2本の記事から、3つのルールが導けます。
AIを使ったときは言う
HancockはCNBCに、AIの利用を明かせば、同僚がプロンプトや目的を理解し、足りない部分を補えると語っています。実際には一行で済みます。「初稿はClaudeで作成、数字は経理のエクスポートと照合済み」。10秒で書けて、読み手にどれだけ注意深く見るべきかが伝わり、気まずい会話を気まずくしている探り合いもなくなります。ステータス報告やレポートのテンプレートに組み込んでおけば、誰も自分から言い出す必要はありません。
送る前にレビューする
最初に読む責任は送り手にあります。すべての行、数字、引用、リンクを、名前を載せる本人が確認するということです。AI出力のファクトチェックのガイドでは、規模を問わず使える検証ワークフローを紹介しています。チーム向けに短くまとめるなら、読み手がそれをもとに行動しうるものはすべて確認する、ということです。

完了の定義を書く
ワークスロップがすり抜けるのは、たいてい「完成」が何を意味するのか誰も決めていないからです。完了の定義は4行で足ります。読み手は誰か、その資料はどんな意思決定を支えるのか、各数字の出どころはどこか、作成者以外に誰が読んだか。これに答えられないドラフトは、誰が(何が)書いたにせよ完成していません。すでにチームにAIポリシーがあるなら、この4行を加えてください。AI利用ポリシーのテンプレートには、守られやすい形のものを用意しています。
最初の一歩としておすすめなのは、ツールも承認も要らない「開示」です。完了の定義は合意のために会議が必要なので、2番目になります。そのうえで、下のチェックリストでチームにすでにある習慣を確認してみてください。
うまくいかないとき
この会話は、予想しやすい形で裏目に出ることがあります。自分のドラフトが薄いと単に気づいていない人もいます。自信ありげな文書に見えたので、そのまま転送しただけです。防御的になる人もいて、たいていはフィードバックが能力への判決のように聞こえたときです。共通のゴールから入るのは、そういう人のためです。そして中には、何を言われても粗い成果物を送り続ける人もいます。その場合は、記録しておいた時間コストを持って上司に相談することになります。
もう1つ、目立たない失敗があります。チームの専属の修正係になってしまうことです。黙ってすべてのドラフトを直していると、送り手は何も学ばず、あなたは毎回2時間を負担し続けます。正直に1回話すほうが、1年分の後始末よりコストは小さく済みます。しかも送り手には、モデルからは得られないもの、つまり完成した資料に対する同僚の反応を渡せます。多くの人は、それをクライアントから公の場で知らされるより、あなたから内々に聞きたいはずです。
こうしたルールで量そのものが減るかどうかは、まだ誰にも分かっていません。研究者はガードレールと「パイロット」的な姿勢を勧めており、Hancock自身の知見も高い基準を持つチームに関するものですが、開示ルールを導入したチームの測定結果は目にしていません。試すなら、手戻りに使う時間を前後で記録してください。その数字は、どんな調査よりも上司を説得できるはずです。
よくある質問
AIワークスロップとは?
見栄えはよいものの、タスクを前に進める中身が欠けたAI生成の仕事のことで、受け取った同僚が考える作業と後始末を引き受けることになります。この言葉は、BetterUp LabsとStanford Social Media Labによる2025年の調査で生まれ、Harvard Business Reviewで発表されました。
ワークスロップのコストはどれくらい?
BetterUpとStanfordによる米国のデスクワーカー1,150人への調査では、1件の対応に約1時間56分かかり、研究者は1人あたり月$186と推定しました。従業員1万人規模の企業では年間約$900万と試算しています。これらは1つの調査の自己申告に基づく推定値です。
AIを使ったと責めずに、同僚に修正が必要だと伝えるには?
具体的な問題点(出典の欠落、噛み合わないデータ、途中で変わる書式)を挙げ、共有しているゴールに結びつけてください。作り方についての推測は口にしないことです。Wildingのアドバイスは、プロセスの変更をお願いすること。たとえば、送る前のレビューや、AIを使ったときの一言です。
相手の成果物をAI検出ツールにかけるべき?
おすすめしません。検出ツールのスコアは、送り手が反論できる作成者の推測にすぎず、本来の欠陥から話をそらしてしまいます。間違った数字や欠けた出典のほうが、決着をつけやすいです。
仕事でChatGPT、Claude、Copilot、Geminiを使ってもいい?
はい。すでに多くの人が使っています。Gallupによると、仕事でAIを年に数回以上使う米国の従業員は、2023年から2025年の間に21%から40%へとほぼ倍増しました(Gallup)。基準は他のドラフトと同じで、自分で読み、確認し、自分の名前を載せられるものかどうかです。文書の出発点がモデルだったときは、同僚に伝えましょう。