速くなった気がする、を疑う｜AIは疲れを減らすが時計を進めないことがある

速くなった気がする、を疑う｜AIは疲れを減らすが時計を進めないことがある

「AIを使ってから、この作業がずいぶん速く終わるようになった」——現場からこうした報告が上がってきたとき、その報告は実際に計測された所要時間にもとづくものでしょうか、それとも作業した本人の体感にもとづくものでしょうか。この2つは、同じことを指しているように見えて、実は別の変数である可能性があります。

30秒で要点

• 2026年5月に事前登録された大規模行動実験（N=1237、単純な認知課題）では、独力での完了とAI支援での完了とで実際の所要時間に差はなかったが、参加者はAIの方が有意に速いと予測していた
• 研究者はこの現象を「speedup illusion」と名付けた。同じバイアスは、他の人間に手伝ってもらう場面を想定したときには観測されなかった
• 所要時間が同等であっても、参加者はAI使用時の主観的な努力を低く報告した。完了時間だけでは効率向上を特徴づけるのに不十分だとされている
• 約750名の企業経営者への調査（NBER Working Paper 34984）は、知覚された生産性向上が測定された生産性向上を上回る「生産性パラドックス」を報告している。総務省「令和8年版 情報通信白書」でも、日本企業が生成AI導入の効果を最も実感している業務類型は「議事録・メール作成補助」で約7割に達する

前提整理——この実験は何を測り、何を測っていないか

この記事の中心にある実験は、2026年5月に事前登録された大規模行動実験です。参加者数は1237人で、対象は単純な認知課題でした。事前登録とは、実験を実施する前に仮説と分析方法を公開しておく手法で、後から都合の良い結果だけを選んで報告する余地を減らす目的があります。

実験が測ったのは2種類の変数です。1つは「実際の完了時間」という客観的な指標、もう1つは「完了までにかかる時間の予測」という主観的な指標です。この2つを分けて計測した結果、独力での完了とAI支援での完了とで、実際の完了時間には差がありませんでした。ところが参加者は、AI支援のほうが有意に速く終わると予測していました。実測値は同じなのに、予測だけがずれていたということです。

ここで押さえておくべき前提が一つあります。対象が「単純な認知課題」に限定されているという点です。コンサルティング業務のような複雑で長期にわたるタスクにこの結果がそのまま当てはまるとは、この実験からは言えません。

「speedup illusion」という名前が指しているもの

研究者はこの現象を「speedup illusion」と名付けました。論文は"We identify a speedup illusion where people have accurate forecasts of independent completion times but significantly underestimate AI-assisted times"(独力完了時間の予測は正確だが、AI支援時の所要時間は有意に過小評価される)と述べています。つまり人は、自分一人で作業した場合にかかる時間はかなり正確に見積もれるのに、AIが関わった途端に、その見積もりの精度が崩れるということです。

興味深いのは、このバイアスがAI固有のものらしいという点です。論文は"The same bias was not observed when imagining help from another human participant"(同じバイアスは、他の人間に手伝ってもらうことを想像した場面では観測されなかった)と報告しています。同じ「誰かの助けを借りる」という状況でも、助け手がAIか人間かによって、時間の見積もりの正確さが変わるということです。

「楽になった」と「速くなった」は別の変数

この実験がもう一つ明らかにしたのが、時間と努力の乖離です。論文は"time and effort dissociate: participants reported lower subjective effort with AI despite equivalent completion times. This suggests that completion time itself is not sufficient to characterize efficiency gains"(時間と努力は分離する。所要時間が同等であるにもかかわらず、参加者はAI使用時の主観的な努力を低く報告した。このことは、完了時間だけでは効率向上を特徴づけるのに不十分であることを示唆する)と述べています。

これは、AI活用の効果を評価するときに見落としやすい区別です。「楽になった」という感覚と、「速くなった」という事実は、別々に動く変数だということです。作業にかかる時計の時間は変わらなくても、頭や神経を使う負担が減れば、人は「効率が上がった」と感じます。この感覚自体は嘘ではありませんが、それを「時間が短縮された」という別の主張の根拠にすり替えてしまうと、実態とずれた評価になりかねません。

経営の現場でも観測される、似た方向のずれ

同じ構図は、個人の認知実験だけでなく、企業レベルの調査にも見られます。約750名の企業経営者を対象にしたNBER（全米経済研究所）の調査は、知覚された生産性向上が測定された生産性向上を上回る「生産性パラドックス」を報告し、これを収益実現の遅れを反映している可能性が高いとしています。この調査についての詳しい内容は、既に別の記事（後述）で扱っているため、ここでは「感じている効果」が「測定された効果」を上回るという構図がある、という点にとどめます。

総務省「令和8年版 情報通信白書」のデータにも、関連する数字があります。日本企業が生成AI導入の効果を最も実感している業務類型は「議事録・メール作成補助」で、約7割という他の類型より顕著に高い割合を示しています。ただし、これは企業側の主観的な回答（アンケート）にもとづく効果実感の割合であり、生産性などの客観指標で測定された結果ではありません。数値も「約」付きの概数であり、精密な値ではありません。

ここで強調しておきたいのは、これら3つのデータ——個人の認知実験、企業経営者の生産性パラドックス、白書の効果実感——が、同じ認知バイアスによって生じていると証明されているわけではないということです。いずれの情報源も、その因果関係を検証していません。指摘できるのは、「主観的な実感が、測定可能な指標を上回る方向にずれる」という似た構図が、異なる手法・異なる対象で観測されている、という相関的な事実にとどまります。

なぜ「楽になった」を「速くなった」と読み替えてしまうのか

なぜ人は、努力の減少を時間の短縮と混同しやすいのでしょうか。一つ考えられるのは、私たちが日常的に「疲れた」「大変だった」という感覚を、経過時間の目安として使っている習慣です。長時間の作業は疲労を伴うことが多いため、疲労の少なさを「時間が短かった証拠」として無意識に読み替えてしまう、という可能性があります。

さらに、AIが関わる場面では、この読み替えが強化されやすい事情もあります。AIが下書きや要約を即座に返してくること自体は速い体験であり、その「AIの応答が速い」という印象が、「作業全体が速く終わった」という印象に横滑りしやすいのです。実際には、AIの出力を確認し、必要な修正を加える工程にも時間はかかっています。この工程を含めた全体の時間ではなく、AIが応答するまでの体感速度だけで「速くなった」と判断してしまうと、今回の実験が示すような予測と実測のずれが生まれやすくなります。

確かなことと、まだ確かではないこと

確かなこと: 2026年5月に事前登録された行動実験（N=1237、単純な認知課題）で、独力とAI支援の実際の完了時間に差はなかったが、参加者はAI支援の方が速いと予測していたこと（speedup illusion）。同じバイアスは人間による手伝いを想定した場面では観測されなかったこと。所要時間が同等でも、AI使用時の主観的努力は低く報告されたこと。約750名の企業経営者調査（NBER Working Paper 34984）が生産性パラドックスを報告していること。総務省「令和8年版 情報通信白書」で、日本企業の生成AI導入効果実感が「議事録・メール作成補助」で最も高い（約7割）こと。

まだ確かではないこと: speedup illusionの実験結果を、複雑・長期のタスク（コンサルティング実務など）に一般化できるかは検証されていません。NBERの生産性パラドックスや白書の効果実感データが、speedup illusionと同じ認知バイアスによって生じているかどうかは、いずれの情報源も検証しておらず、この記事も因果関係としては断定していません。白書の効果実感データは主観的な回答にもとづくものであり、この記事が指摘するバイアスの影響を受けうる数字であることも踏まえておく必要があります。

自分たちの前提でも試せる、最小の検証

社内で「AIを導入して効率化した」という報告が上がってきたら、その根拠が「実際に計測した所要時間の短縮」なのか、「作業した本人の体感（楽になった、疲れなくなった）」なのかを、報告者に確認してみてください。もし根拠が体感のみであれば、それ自体は価値のある変化ですが、「時間が短縮された」という別の主張の裏付けとして扱うには、実測データが必要です。両者を区別して記録するだけで、次に何を測定すべきかが見えてきます。

判断に迷ったときに立ち返る問い

「効率化した」という報告を受け取ったとき、それは時間の短縮の話か、努力の軽減の話か、区別できているか。 今回のデータが示しているのは、この2つが別の変数でありながら、混同されやすいという可能性です。混同したまま経営判断を積み重ねると、実際には測定されていない「速さ」を前提にした計画を立ててしまうことになりかねません。どちらの変化も価値がありますが、どちらの変化として報告されているのかを区別する視点は、判断の質を左右します。

NBER Working Paper 34984が報告する生産性パラドックスについては経営者は「人が減る」、従業員は「人が増える」と思っているで詳しく扱っています。総務省の白書データを業務類型別に整理した視点は生成AI活用が「議事録・メール」に偏るのはなぜかで、AI活用の型が品質にどう影響するかという視点は型を与えたら、AI活用の質が下がったで扱っています。

この記事で扱ったような判断を、自社の状況に照らして整理したい場合は、無料診断ツールで状況を言語化するところから始めることができます。