アイキャッチはAI生成の概念イメージです。実在の人物・企業や研究結果を示すものではありません。
生成AIで若手の仕事が速くなったとき、その人自身の技能も育っているのでしょうか。処理件数、判断の理由を説明する力、条件が変わった場面への応用を分けて見ると、育成の課題が見えてきます。
作業成績の向上を示す研究
Brynjolfsson、Li、Raymondによる『Generative AI at Work』（QJE、2025年公表）は、顧客サポート担当者5,172人への会話支援AIの段階導入を分析しています。解決件数／時は平均15％増え、効果は経験や技能によって異なりました。経験の浅い担当者の速度・品質の改善や、学習を促す証拠も報告されています。
AIは回答を担当者へ提案し、採用判断は人が行います。特定の職場での結果を、全職種の長期的な熟練の保証とは読めません。本稿では論文の摘要・導入・対象と導入方法の該当箇所を確認しました。全結果や付録を通読した扱いにはしていません。
自己申告と能力試験は違う
LeeほかのCHI 2025の研究は、知識労働者319人から936のAI利用例を集めた自己申告調査です。公式摘要では、AIへの信頼が高いことと、批判的に検討する努力が少ないことの関連が報告されています。
これは客観的な能力試験で「AIが思考力を低下させた」と証明した結果ではありません。業務成績を扱う先の研究とは対象も測り方も違い、一方で他方を否定するものではありません。本稿で確認したのは研究者公式ページの摘要と書誌情報です。
育成のために三つを分けて確かめる
ここからは編集上の整理です。AIを使った作業の成績、本人が理由を説明できること、別の条件へ知識を応用できることを、同じ点数にまとめず確かめます。説明できることだけで熟練のすべてを測れるわけでもありません。
- 業務の成績：通常の承認・確認手順を守ってAIを使い、時間だけでなく正確性や手戻りも記録する。
- 理由の説明：機密情報を含まない低リスクの模擬課題で、AIを見ずに判断理由と確認先を説明する。
- 条件への応用：課題の前提を一つ変え、答えを変える必要があるか、不明点は何かを述べる。
これは効果が検証済みの研修法ではなく、小さく試すための案です。顧客対応や安全に関わる本番業務で、AIを外す実験を強制しません。課題の難しさ、事前経験、指導の有無も記録し、成績の変化をAIだけの効果と決めつけないようにします。
次の面談で聞きたいこと
「AIの提案を採用した理由は何か」「違う提案なら、どこを確認するか」。この二つを、担当者を試すためだけでなく、指導や資料が足りない場所を見つける問いとして使えます。処理が速くなった先に、どんな練習の時間を残すか。技能継承は、その設計も含めて考えたい問題です。
業務の承認や責任の境界については、AIエージェントに仕事を任せる前の判断設計も参照してください。
出典・確認範囲
- Brynjolfsson・Li・Raymond：Generative AI at Work。QJE 140(2)、2025年2月4日公表・5月号掲載。査読誌の最終掲載版。
- Leeほか：The Impact of Generative AI on Critical Thinking。CHI 2025、2025年4月。会議論文の研究者公式摘要・書誌情報を確認。
確認日：2026年10月19日。研究の対象と確認範囲を超えた一般化はしていません。
