AIの普及と「ワークスロップ」の登場
最近では、70代の方とかも AI を使うことが増えてきているようで、
結構な方から Gemini とか、Notebook LM とか、
そういう AI の中でも一歩踏み込んだような ワードを置くことが増えてきました。
一方でですね、最近ワークスロップっていう言葉が 巷で言われていることが増えてきてまして、
今回はですね、そのワークスロップという AI にまつわるお話について、少しお話をしたいなと思っています。
このワークスロップというワードなんですけども、 去年の秋ぐらいから徐々にネットとかを中心に広がっているワードなんですけども、
2月とかの半ばとかぐらいからですね、もう少し話題としても 広がってきているようなワードになっております。
具体的にどういったワードかというと、 生成アイディアを使ってですね、
生成されたコンテンツの中でパッと見洗練されているように 見えるんだけれども、実質的な内容が乏しくて、
タスクを意味のある形で前進させることができない 仕事のことを指すものです。
もう少し紙に砕いて言うと、一見何かしらレポートとか含めですね、 大層なものが出来上がっているように見えるんだけど、
よくよく読むと全然大したこと書いてないというか、 まともにまとめられてないんだけど文字の並びだけが美しい。
そういったものが出てきて、結局仕事のためにならないよ というようなものが出てくることを使って何か仕事をするっていうのを
ワークスロップと言ったりします。
ワークスロップの具体例と問題点
例えば他の例で言うと、一見素晴らしいような内容が書かれている プレゼンのスライドとか、根拠がちゃんと伴っていない報告書とか、
一見すごく素晴らしく書かれているようなビジョンとか、会社の未来とか、コンテンツの良さみたいなのが書いてあるけれど、
よくよく読んでみると大したことないようなAIの一枚画像。
最近だとXでも見ますよね。
そういったものが挙げられます。
それそのものが生成されていること自体もそうなんですけど、
これ実はすごく問題になっているところは、
このAIを使って生成した成果物と言っていいのかわからないんですけども、
制作物をきちんと中身をですね、確認をしたりとか、チェックをせずに上司とか同僚にそのまま報告したり、
丸投げすることでその内容が乏しかったり、間違っていたりとか、検証し直しが発生することで、
上司とか同僚が作り直しとか、大幅に修正をしたりとか、
ちゃんと読まなきゃいけないっていう認識コスト、認知コストがさらに増えちゃうというのが最近では問題になっています。
AI利用における経験と知識の重要性
僕もですね、AIについてはだいぶ前から、もう10年以上前ですよね、
そのぐらいからAIを触ってきているんですけど、
やっぱりですね、そのAIを使っていく中でそういったことを見てくるっていうのは結構遭遇はしてまして、
例えばですけど、AI以前からある業務について取り組んでいる方でしたら、
そのAIによる成果物の判断とか検証をした上で書き直したりとか一部修正をした上で提出とか発表している人がほぼほぼなんですけども、
一方でこの生成AI以後にですね、ある特定の分野、ある特定の業務とかをですね、
新しく取り組む人っていうのは、その中身っていうところをきちんとですね、
確認とか評価とかちゃんとしたところをせずにですね、出してくるっていうのがですね、
実は何回か見たことがあります。
これ結構やばくて、自分のですね、経験とか知識とかがないからこそAIに効くんですけど、
結局その聞き方ですよね、その経験とか知識がある人がきちんとAIを使って質問をして、
AIに成果物を出させるっていうところをせずに、何か出てきたなっていうのを見たときに、
あ、なんとなく合ってるしこんなもんでしょっていうふうに、
まあ僕そんなわかんないけど、まあ合ってそうじゃねっていうので判断をして、
まあそのまま人に仕事を投げ返すっていうのが実際に起こっていて、
これ結構やばいなっていうのを最近思ったりしましたね。
AIツールの適切な使い方とリスク
で、これって結局AIについて便利になったというようになってるけれど、
その道具の使い方をちゃんと理解をしてないと、
例えば何でしょうね、ハンマーでもいいんですけど、
ハンマーで何かをこう叩いたりとかするときに、使い方とかあるじゃないですか、腕の振り方とか、
まあそれがちゃんとしてないと周りに危害を加える可能性もあるし、
自分も怪我する可能性もあるし、そういったものを分かった上で使うべきなんですが、
まあなんかなんとなく言語で使えちゃうからこそ、
やりたいタスクについて詳しく知らなくてもなんとなく使えてしまうというところで、
結構ですね、まずいなと思いましたと。
出力自体も知識や経験がないから何が間違ってるかもあんまり分からずに、
そのまま流しちゃうっていうのも起こっていて、
これ結構深刻ですね。
で、これかなり厄介な部分が一見効率化できてるように見えちゃうというところなんですよね。
まあいろんな業務の効率化をですね、AIでやるとか仕事以外もそうですよ。
クリエイティブを使う中でAIを使うっていうことは増えてきているんだけれども、
なんかその当事者がちゃんと理解をした上で使っているわけじゃないので、
未経験の方がですね、ある特定の分野に対してAIを使って、
なんかすぐ作れちゃったとか言っているけれど、実はなんかほころびがあると言いますか。
なんか時間という上ではこう、短縮できているんですけども、
その出来上がるものの品質の部分で、
知識経験とかがない分、出てきたものをそのまま使っちゃって、
まあ厄介なことが起こったというようなワークスロップっていうのが結構起こってきているなというのを僕自身も感じています。
AI活用における人間が支払うべきコスト
本来はやっぱりそのAIを使う上で、人間が全く手を置かなくていいっていうことはなくて、
我々は支払うべきコストってあると思うんですよ。
例えばその出てきたものとか、何か出力させる時に入力する際に、
どういう目的でとか背景知識を踏まえて、その業界知識であり業務知識というところを、
ちゃんと熟考した上で使ったりとか、出てきたものに対して本当にこれ合っているのかなっていうのを、
きちんと疑惑を持ってみたりとか、精査をして、
最初これ使えるなっていうのを判断できるというところを、
本来にコストをかけなきゃいけないんだけど、これをかけないということで、
結果その出てきたものを別の人がチェックしたりっていう二重にコストがかさむというところがあって、
誰かに仕事とか何かを渡すよりも経験を持った人が自分でAIを使った方が品質が上がるような、
みたいなこともやっぱり起こっているというふうに聞いたりします。
AIへの思考リソース委譲と「知恵熱」
まあそんな中でやっぱり、それって知恵熱に近いところがあると思っていて、
自分の頭で本来考えるべきところまで思考リソースをAIに投げちゃった時に何が起こるかというと、
やっぱりちゃんと精査とかしないから、そのまま出てきたものを横流しにしているだけになっちゃうんですよね。
その中でやっぱり間違いとか、本来出すべきじゃないものが出てたとか、
これはちゃんと考慮すべき観点だったなっていうのができないと、
知恵をちゃんと使ってないなというふうに見えちゃうわけですよね。
そういった意味でAIを活用する際にワークスロップを起こさないようにどうしたらいいんだろうっていうのを考えるわけなんですけど、
ワークスロップを防ぐための二つのアプローチ
一つはさっきお話した通りで、人間が本来支払うべきコストをちゃんと支払って使っていくってところですよね。
もちろん初心者の人が新しいことをやる時に助けになるのはもちろんあるんですけど、
使う時の観点っていうところをちゃんとまずは洗い出すっていうのは大事ですよね。
なんかなんとなくこういう時にこういうふうに使いたいだけで入力しちゃうと、
本来実際に使う時に判断すべきこととかが抜けていたりとか、
出てきたものを精査する時にチェックする観点が抜けるというのは結構あるので、
そういうところをちゃんとAIを使うワークフローの中に取り込んでいくっていうのが結構大事だよなって思いますね。
もう一つは、やっぱり実世界とのグラウンディングかなと思います。
仕事がデジタル空間で完結しないからこそ人間がこれまで手を動かしてきていて、
それに対して一部であり全体かもしれませんが、
AIを使ったりとかAI以外の部分で効率化をしていくっていうのを必要としているからいろんな仕事があるわけなんですけど、
すごく注意すべきところは1から10まで全部AIに投げるんじゃなくて、
やっぱり全体の作業のワークフローの中のAIの活用部分っていうのは1コンポーネントっていうことが結構あるんで、
そこをやっぱり理解しておくってことが大事ですよね。
それを踏まえた上で全体の最適化といいんですか、
どこを効率化すべきかとか、ボトルネックがどこにあるのかとか、
実際の業務において、実際の業務をしている人とか、
お客さんが苦労しているところっていうのを手や足とか耳とか口で、
その自分の肉体を使って拾い上げていくっていうところも取り込んでいかないと、
なんか単純にテキストで入力する際の品質、出てくるものの品質っていうのに結構つながるので、
フィジカルというか、実世界とのグランディングを意識した使い方っていうのが結構大事かなと思ったりしてます。
AIとの付き合い方と自身の思考の維持
僕もですね、このPodcastを撮るにあたってAIを使って調べたりすることがあるんですけど、
きちんと調べてきた結果のソースを読んだりとか、そういうのはちゃんとやってるのもあったりとか、
あとはなるべくテキストで何かすぐ記事に起こすとかよくありますけども、
そこは自分の手で起こすとかっていう、ちょっと部分的に活用するのもあるんですけど、
全部を委ねないっていうところを結構意識して使っていて、
その結果としてやっぱり自分で考える癖っていうのは引き続き残せているのかなと思ったりしてます。
やっぱりなんか自分より賢いものは今後できてくるっていうのは見えてると思うんですよね、皆さんも。
今現状もいろんなAIのツールがある中で、自分がやるよりもなんか早くできてるなぁとか、
こんなことまでできるようになったんだみたいな結構あるんですけど、
本当にそうなのかがちゃんと見分けがつかなくなってきてるのがまた事実であって、
なんか出てきたものがそれっぽいなぁと思うところも多いんですけども、
そうじゃなくてやっぱり出てきたものは判断っていうのをきちんとした観点でやらないと、
今後かなり危ない気がしてます。
AI依存のリスクと企業・学生への影響
僕は結構この辺どうなるのかなっていうのは結構心配という言い方はあれですけど、
さらにここ数年でホワイトワーカーというか、いわゆるパソコン系の仕事をしている人たちが
より使っていく中で大丈夫なのかなと思ったりとか、
あと最近なんかニュースでもあったんですけど、
新入社員にはセセアを使ったツールアプリは使用禁止にしているみたいな会社も出てきているようで、
全部聞いたことをやらなきゃいけない仕事というのをまずセセアに投げ込むっていう感じになっているのは結構、
今後危機感あるなぁと僕も思っています。
特に今の学生とか大学生とかもそうですけど、
何をやるにしてもまずAIに聞くという、聞くのは大事だと思うんですけど、
何か丸投げするになってないかなっていうのは結構あるように見えていまして、
新しい会社で仕事をするとかそういう中で、会社の中にしかない情報とかもやっぱり世の中たくさんあるんですけど、
全部そこに入力しちゃって漏れちゃってとか、
なんか脳みそ使わなくなるところにかなり危機感があるなと思ったりしています。
そういった中で今一度自分自身がAIを使うときにただ丸投げしないかなとか、
ちゃんとその業務分野とか何かしらのやりたいことの観点で下調べというか、
自分がどうしたいのかっていうのを考えずに投げ込んでないかなっていうのは結構考える必要があるよなっていうのを最近思っています。
AI活用における自己省察の重要性
ということで、だらだらと喋った回ではあるんですけど、
おそらく聞いてる皆さんもたくさんAIを使う方多いかなと思うんですけども、
今一度ですね、自分自身もそうだし皆さんもそうですけど、
頭使えてるかな、頭使わなくなってないかなっていうのはちょっと考えてみていただくと良いかなと思いまして今回のエピソードは撮ってみました。
以上、2026年3月の現代人でした。
ということでエンディングです。
今回ですがワークスロップという言葉をですね、取り上げまして、
何でもかんでも頭を使わずにやり投げちゃうっていうのは結構今後課題になるのかなっていうふうに見えているというお話をしました。
いかがだったでしょうか。
AI活用と「知恵熱」を出すことの推奨
皆さんもですね、ぜひ頭を使って知恵熱を出すという機会だけはですね、忘れないようにしていただきたいなと思いつつですね、
より皆さんの中でですね、AIの活用が進むといいなと思っております。
番組では感想を募集しています。
Xのハッシュタグ、エコー3000までお寄せください。
では今回はここまでです。
現代人の皆さんも未来人の皆さんもまた次回お会いしましょう。
じゃあね。
