Column

「高性能 AI」が社員の意欲を奪うかもしれない ── 職場の AI 設計に欠けていた視点

AI の能力が高く積極的なほど、職場の人間関係や仕事への意義感が損なわれることを50名の実験が示した。HR・AI 導入担当者が今すぐ問い直すべき設計の前提とは。

2026 / 06 / 03 5 分で読める English version →

職場でAIと人間が隣り合い、AIの積極性レベルに応じて人間の表情が変化する抽象ビジュアル

こんにちは。Affectosphere Group の井下です。

「高性能な AI をオフィスに導入するほど、社員は幸せになる」と思っていませんか。

実は、それを疑う研究が出てきています。

2026 年 5 月に arXiv で公開された研究（Kuntal Ghosh, Marc Hassenzahl, Shadan Sadeghian ら、arXiv:2606.00182）は、50 名を対象に AI システムの「能力レベル」と「積極性レベル」を変えたとき、職場での自己イメージや同僚からの評価がどう変わるかを実験的に調べました。

その結果が、直感と逆でした。能力が低く積極性が低い AI の方が、社員の所有感・仕事の意義・役割への充実感に好影響を与える。一方、高性能で積極的に提案してくる AI は、職務アイデンティティやチームのダイナミクスを損なう可能性がある。

今日の 3 点

価値: AI はうまく設計すれば、社員の専門性を補完し所有感を強められる。
落とし穴: 「高性能かつ積極的」な AI は、社員の役割感と対人ダイナミクスを壊しうる。
実装への示唆: AI の「積極性・提案頻度・自律度」を職種・職位別に調整することが、離職リスク低減に直結するかもしれない。

① なぜ「高性能 AI」が逆効果になるのか

AI をビジネスに導入するとき、多くの場合「性能」がスペックとして語られます。精度は何%か、タスクをどこまで自律実行できるか、提案の質は従来ツールと比べてどうか。

でも、この研究が問うているのは全く別の軸です。その AI と一緒に働く人間は、どう感じているのか。

実験では、「能力が高い AI」「能力が低い AI」と「積極的に提案する AI」「受動的な AI」の 2 × 2 の組み合わせを参加者に体験させました。その後、自己評価（自分の仕事への貢献感・専門性の感覚）と他者からの評価（同僚にどう見られるか）の変化を測定しています。

最もネガティブな影響が出たのは「高能力×高積極性」の組み合わせでした。

なぜか。研究者たちの解釈はこうです。自律的に提案してくる高性能 AI は、「自分がしていた仕事の価値」を可視化することで奪う。社員は「この仕事は AI がやればいいのでは」という感覚を持ち始め、役割の意味が薄れていく。さらに、チームの中で「AI に頼っている人」として見られることで、対人ダイナミクスにも影響が出る。

② 影響を受けるのはどの職種か

この研究が特に関係しそうなのは、知的・判断的な業務を担う職種です。

たとえば、コンサルタント・アナリスト・企画職・管理職。これらは「専門知識や判断力があること」がアイデンティティの中核になりやすい職種です。高性能 AI が同じ仕事を瞬時にこなせてしまうと、「自分は何者か」という問いが生まれやすい。

一方、ルーティン処理や情報整理など、「道具として使える感覚」が強い業務では、この影響は出にくいかもしれません。同じ AI でも、社員との関係の仕方が違う。

また、職位別の傾向も重要です。ベテラン・高職位の人ほど、職務アイデンティティが確立されているため、高性能 AI との対比で喪失感を感じやすい可能性があります。新人は逆に、AI から学ぶ姿勢で関われるため、影響の出方が異なるかもしれません。

もちろん、この研究単独で断言するには限界があります。50 名の実験規模で、特定のシナリオ設定。業種・職場文化・AI の具体的な機能によって結果は変わりうる。ただ、「性能だけで AI を評価してきた」担当者には、考え直す材料として十分な問いを投げかけています。

③ HR・AI 導入担当者が今できること

この研究の知見を、実際の職場設計にどう活かすか。

AI の「積極性設定」を職種・職位別にカスタマイズする

社内 AI アシスタントが「自動で提案する頻度」「自律実行の範囲」「意思決定への介入度」を、一律に最大化するのは避けた方が良さそうです。

たとえば、管理職向けの AI は「積極的に提案はしない・問われたときだけ答える」設計にする。現場業務担当向けは、特定の反復処理に限定して自律実行を認める。そういった「AI の役割を職種に合わせて設計する」ガイドラインに、この研究の知見が使えます。

KPI として設定するなら、「AI 導入後 6 ヶ月の職務満足度スコア変化」「担当職種別の役割充実感の変化」あたりが参照指標になります。

「AI との共同作業感」を設計する

高性能な AI が社員を上書きするのではなく、「自分が決める・AI が支援する」という構造を意図的に設計することも大切です。

最終的な判断を必ず人間が行う設計、AI の提案を「参考情報」として出す UI、社員が AI の動作範囲を自分で設定できる権限 ── これらは「共同作業感」を維持するための具体的な設計選択です。

導入前に小規模で実験する

今すぐできる現実解として、AI 導入前に「積極性の高い版と低い版で小規模に試す」という A/B テスト的なアプローチがあります。

どちらの AI が業務効率を上げたか、という指標だけでなく、「どちらを使っていた社員の満足度が高いか」を同時に測る。導入後のフィードバックサーベイで「仕事の意義や役割の感覚に変化があったか」を問うことで、見落としていた指標が見えてくるはずです。

パフォーマンスだけが設計変数ではない

この研究が突きつける問いは、AI 導入の「前提」に関わります。

「高性能であるほど良い」「自律的に動けるほど便利」という前提は、技術側の視点です。でも、一緒に働く人間の視点では、「高性能 AI が隣にいる」という状況そのものが、仕事の意味を書き換えてしまう。

AI と人間が長期にわたって一緒に働く組織をどう設計するか。その問いに答えるためには、AI のスペックシートだけでは足りない。社員が「自分はここに居ていい」と感じられる構造を、意図して設計する必要があります。

では！

参考論文

Kuntal Ghosh, Marc Hassenzahl, Shadan Sadeghian (2026). The New Social Image: How AI Competency and AI Proactivity Influence Self- and Peer-Perceptions in the Workplace. arXiv preprint.

※ 本記事は一部 AI により執筆されており、間違った情報が含まれる恐れがあります。