AIは作業を減らすのではなく「強度を高める」──持続可能なAI活用術

今日の課題：AI作業を「制限する」習慣をつくる

所要時間：10〜15分

「AIを使えば楽になる」──そう信じて始めたのに、なぜか以前より疲弊している。 そう感じているなら、あなたは一人ではない。

バークレー・ハース経営大学院が200名の社員を8ヶ月間追跡した研究が、 2026年2月にSimon Willisonによって紹介され大きな反響を呼んだ。 その結論は予想外のものだった──AIは作業を減らすのではなく、作業の「強度」を高めていた。

AIが並列でコードを生成する間、人間は別のスレッドを手動で進め、 さらに「AIなら対応できるから」と先送りしていた積み残しタスクも 復活する。こうして作業量は増え、注意の切り替えコストが爆増し、 持続不可能なリズムが生まれる。

問題はAIではない。AIの使い方に「終わり」を設計していないことだ。

手順

1. 「AIに渡したタスク」の台帳を作る 今日から ai-tasks.md を1本作り、AIに依頼した内容・期待する成果物・ 期限を1行ずつ書く。「放流して忘れる」をなくすだけで認知負荷が激減する

2. 1日のAIセッションを3ブロックに固定する 「朝イチ30分」「午後2時20分」「夕方15分」のように時間を区切る。 常時オープンにしないことで、集中の分断を構造的に防ぐ

3. エージェント並走は最大2本まで Claude CodeとCursorを同時に走らせながら自分でも書く── この3並列が疲労の温床。並走上限を2本に設定し、1本が終わるまで次を起動しない

4. 「AIが終わったら通知」を使い、他の作業に集中する 長時間タスクをAIに渡したら画面を閉じて別の集中作業に移る。 終了通知で戻る習慣をつくる（ポーリングしない）

5. 週次レビューで「AIによる作業増加分」を計測する 「AIのおかげで増えたタスク数」と「削減できた時間」を比較記録する。 数値化することで、どのAI利用が本当に効いているかが見えてくる

関連記事 3本の要約

1. AIは作業を減らさず強度を高める

出典： Simon Willison's Weblog（2026年2月9日）

バークレー・ハースの8ヶ月調査で判明。AIは生産性を上げながら同時に、 複数スレッドの並行管理・長期放置タスクの復活・注意切り替えコストの増大をもたらし、 組織は「生産性向上と持続不可能な強度」を区別できていない。 構造的なAI利用習慣の設計が急務だとWillisonは訴える。

2. LLMの最新6ヶ月を5分で総括

出典： Simon Willison's Weblog（2026年5月19日）

過去6ヶ月の2大トレンドは「コーディングエージェントの実用化」と 「ローカルモデルの急成長」。2025年11月が転換点で、最強モデルの座が 3大プロバイダ間で5回入れ替わった。Qwen3などはラップトップで動き、 手元PCで最高峰クラスの推論ができる時代が来た。

3. 今すぐ使えるAI実践ガイド

出典： One Useful Thing - Ethan Mollick

Deep Researchモードが一般ユーザーへの最大推薦事項。 10〜15分で高精度レポートを生成でき、引用の正確さも格段に向上。 音声＋カメラモードの普及で、スマートフォンを向けるだけで 植物識別・外国語解読が可能になった。毎日使い続けることで 「プロンプト語彙」が蓄積される。

明日試す候補 3項目

1. ai-tasks.md を作り、今日AIに渡したタスクを全件記録してみる
2. AIエージェントのセッションを「朝・昼・夕」の3ブロックに固定し、1日試す
3. ローカルLLM（Qwen3 + Ollama）を導入して、ネット接続不要の集中環境を構築する