エグゼクティブサマリー
AIツールを業務で活用するビジネスパーソンの88.0%が「楽になった」と回答する一方、62.0%が「なぜか疲れる」を経験している（CHOIX, 2026）。「とても楽になった」と答えた層でも約7割が疲労を訴えており、効率化と疲労は反比例せず併存する。本稿はこの逆説を、確認・判断負荷への転嫁と、AIが提案し続けることで立ち止まる選択肢が視界から消えていく立ち止まり選択肢の不可視化構造として分析する。放置すれば意思決定の負荷と主体感の低下が進み、構造を理解すれば効率化の恩恵を保ったまま疲労を切り分けられる。公的統計と学術実験（CHI 2026）に、産業カウンセラーとしての職業観察を統合した一次分析である。
定義と現状認識
AI疲れとは、AIツールの利用によって情報収集や作業の負荷が軽減される一方で、AIの出力を確認し判断する認知的負荷が新たに生じ、心身の負担感として現れる状態を指す。
典型的な場面は、次のようなものである。
- 資料の下書きをAIに任せたところ、複数の案を比較・検証し、事実を確認し、手直しする作業が積み重なり、以前より確認・判断の時間が増える
- AIチャットに一つ質問すると「ついでにこんな提案もできます」と次の提案が返ってきて、当初の作業以上にタスクが広がっていく
- AIの提案に応え続けることが日常になり、効率化されているはずなのに、一日の終わりに「今日何をしたか」の輪郭がぼやける
以下のチェックリストに3つ以上当てはまる場合、この状態が進んでいる可能性がある。
- AIに一つ質問すると、次々と現れる派生の提案にほぼ毎回応じている
- AIが出した複数の案を比較・検証する作業に、以前より時間を使っている
- AIを使い始めてから、意識的に「使わない時間」を作っていない
- 効率化されたはずの時間を、何に使ったかはっきり答えられない
- 「なぜか疲れる」と感じても、AIのおかげで楽になっているはずだと自分を納得させている
データとエビデンス
生成AIの普及状況
| 項目 | 数値 | 出典 |
|---|---|---|
| 日本の生成AI個人利用経験率（2024年度） | 26.7%（前年度9.1%から約3倍） | （総務省, 2025） |
| 同、20代の利用経験率 | 44.7% | （総務省, 2025） |
| 米国の生成AI個人利用経験率 | 68.8% | （総務省, 2025） |
| 中国の生成AI個人利用経験率 | 81.2% | （総務省, 2025） |
| 日本企業の生成AI活用方針策定率（2024年度） | 49.7%（2023年度42.7%から増加） | （総務省, 2025） |
| 日本企業が生成AI導入に最も期待する効果 | 業務効率化・人員不足の解消（米中は新規事業拡大・イノベーション創出が中心） | （総務省, 2025） |
日本のAI利用率は他の主要国よりなお低い水準にあるが、着目すべきは拡大の速さである。1年で3倍という利用率の伸びは、AIとの付き合い方を各自が手探りで確立する間もなく、使う人の数だけが先に増えていることを示している。
効率化と疲労の逆説
CHOIX（有効回答200件、対象はAIツールを業務で活用しているビジネスパーソン、2026年4月21日調査）は、この逆説を最も直接的に定量化している。
| 項目 | 数値 | 出典 |
|---|---|---|
| 業務が「楽になった」（とても＋やや） | 88.0% | （CHOIX, 2026） |
| 「なぜか疲れる」を経験（よくある＋時々） | 62.0% | （CHOIX, 2026） |
| 「とても楽になった」層の疲労経験率 | 約7割（67.8%） | （CHOIX, 2026） |
| AI疲れの内容「確認・判断の繰り返しによる疲れ」（n=179） | 64.3%（最多） | （CHOIX, 2026） |
| 同「情報過多による疲れ」 | 51.4% | （CHOIX, 2026） |
| 同「緊張の持続による疲れ」「手応えのなさによる疲れ」 | 各25.7% | （CHOIX, 2026） |
| AI疲れへの対処を「工夫している」（とても＋少し） | 71.5% | （CHOIX, 2026） |
| AIで生まれた時間の使い道「休息・リフレッシュ」 | 41.0% | （CHOIX, 2026） |
| 同「別のことに消えている」 | 37.5% | （CHOIX, 2026） |
「楽になった」実感と「なぜか疲れる」経験を並べると、次のとおりである。
ここで着目すべきは、「とても楽になった」と回答した層でも約7割が疲労を経験している点である。効率化の実感と疲労は反比例せず、むしろ併存する構造がうかがえる。この構造は次章で分析する。
国際的にも共有される逆説
BCGの年次調査（17市場以上・11,749人対象、2026年6月）は、同様の逆説が日本に限らないことを示している。
| 項目 | 数値 | 出典 |
|---|---|---|
| 定期的なAI利用者のうち仕事満足度の向上を報告 | 3分の2超 | （BCG, 2026） |
| 同、精神的負担（mental strain）の増加を報告 | 41%（リーダー層では48%） | （BCG, 2026） |
| 「意思決定に費やす時間が増えた」と回答 | 41% | （BCG, 2026） |
| 「AI出力のレビュー・修正」や「AIの管理・指示」に費やす時間が増えた | 半数前後 | （BCG, 2026） |
| フロントライン従業員の日常的AI利用率（週数回以上） | 74%（前年から23ポイント増） | （BCG, 2026） |
| 節約した時間の使い道について組織からの指導が「限定的または皆無」 | 66% | （BCG, 2026） |
BCGは、回答者の6割超が今後3年以内にAIエージェントが自分の仕事の半分以上をこなせるようになると考えている一方、AIとの協働に関する明確なガバナンスが自社にあると答えた人は半数に満たないとも報告している（BCG, 2026）。AIの関与が広がる速度に、受け止め方の整理が追いついていない。
なぜ止まれないのか——プロアクティブAIエージェントの実験
Honda Research Institute USAが実施した実験（within-subjects設計、24人、CHI 2026）は、AIが「対等な仲間」のように提案・ヒントを差し出し続けたときに何が起きるかを検証している。
| 項目 | 数値・知見 | 出典 |
|---|---|---|
| ピア型（対等な仲間として提案し続ける）エージェントの主観的ワークロード | ファシリテーター型・AIなし条件より有意に高い | （arXiv, 2026） |
| ピア型とのやり取りで「提案が流れを乱した」と回答 | 24人中14人 | （arXiv, 2026） |
| 同「やり取りが省力化より手間を増やした」と回答 | 24人中10人 | （arXiv, 2026） |
| グループの客観的パフォーマンス（15点満点） | ファシリテーター型14.50点＞AIなし9.33点＞ピア型4.67点（最低） | （arXiv, 2026） |
| ファシリテーター型（数分おきに静かに提示し時間のみリマインド）の評価 | 短期的な生産性向上は小さいが、長期的に良好な協働状態を維持 | （arXiv, 2026） |
| 心理的態度の推移パターンの一つ | 早期の熱狂から依存、幻滅を経て関与離脱へ至る | （arXiv, 2026） |
ここで着目すべきは、ピア型エージェントが「助けになった」という主観的な評価では高く評価されながら、客観的なパフォーマンスでは最下位だった点である。主観的な安心感と実際の負荷は一致しない。この乖離は次章で扱う。
労働者全体のストレスの中での位置づけ（参考）
AI疲れは、労働者全体が抱えるストレスの延長線上にある。
| 項目 | 数値 | 出典 |
|---|---|---|
| 強い不安・悩み・ストレスを感じる労働者（令和6年） | 68.3%［令和5年82.7%。設問形式の変更のため単純比較不可］ | （厚生労働省, 2025） |
| ストレス内容の最多「仕事の量」（令和6年） | 43.2% | （厚生労働省, 2025） |
| 次いで「仕事の失敗、責任の発生等」（令和6年） | 36.2% | （厚生労働省, 2025） |
厚生労働省「情報機器作業における労働衛生管理のためのガイドライン」（2019年）は、情報機器を連続使用する作業を1時間以内にとどめ、適切な休止時間を挟むことを推奨している（厚生労働省, 2025）。このガイドラインの前提と、AIが実際に生む負荷の構造がどうずれているかは、次章で分析する。
分析と含意
本章の分析で用いる専門キーワードは、認知負荷理論、外在的負荷、評価負荷、フロー状態、意思決定の負荷、痛みへの鈍麻、主体感、認知的距離感である。
なぜ「楽になった」のに疲れるのか——確認・判断負荷への転嫁
認知負荷理論は、人が処理する負荷を、課題そのものの難しさに由来する生得的負荷、情報の提示のされ方に由来する外在的負荷、学びや理解を深める有効負荷の3つに分ける（NotebookLM Deep Research レポート, 2026）。生成AIは、情報を探し集め、下書きを作るという外在的負荷を減らす。だがAIの出力が正しいかどうかを確かめる評価の負荷は、減らないどころか増えることがある。
CHOIXの調査で、AI疲れの内容として最も多く挙げられたのが「確認・判断の繰り返しによる疲れ」（64.3%）だったことは、この構造とちょうど重なる（CHOIX, 2026）。誤りを含みうるAIの出力をそのまま受け取れない以上、利用者は常に「本当にこれで合っているか」を確かめる役割を担い続ける。効率化で浮いたはずの時間は、検索や下書きから、確認と判断という形に姿を変えて手元に戻ってくる。減った負荷ではなく、すり替わった負荷である。
産業カウンセラーとしてクライアントと接する中で、「楽になったはずなのに、なぜか疲れる」という言葉に何度も出会ってきた。多くの場合、その人は自分の疲れの正体を「感謝が足りないからだ」「甘えているのかもしれない」と、自分の側の問題として処理しようとする。だがこの逆説は、AIが提案し続ける仕様そのものが持つ限界であり、使う人の意志の弱さではない。システムエンジニアの感覚では、不具合はただのバグ——設計のミスか実装のミスかはケースバイケースだが、いずれも作り手の側の話であって、使う人の気持ちの問題ではない。AIが提案を差し出し続けるのはバグではなく設計の帰結だが、原因を使う側ではなく作り手の側に見る、という点は同じである。
「立ち止まる選択肢」が視界から消える仕組み
確認・判断の負荷が積み重なるだけであれば、まだ「疲れたから休もう」という選択肢は残る。だがHonda Research Institute USAの実験が示すのは、もう一段深い問題である。対等な仲間のように提案し続けるAIエージェントは、単純作業をわずかに加速させる一方で、人が自律的に考え込む「フロー状態」を断ち切り、主観的な負荷を高めた（arXiv, 2026）。提案が途切れないということは、次に何をすべきか自分で考えて立ち止まる「間（ま）」そのものが、常に埋められているということである。
立ち止まり選択肢の不可視化構造とは、AIが対等な仲間のように提案を途切れなく差し出し続けることで、確認・判断という新しい認知負荷を利用者に積み重ねながら、同時に「立ち止まる」という選択肢そのものを本人の視界の外へ押し出していく構造を指す。
同じ実験では、参加者の心理的態度が早期の熱狂から依存、幻滅を経て関与離脱へと崩れていく推移も観察されている（arXiv, 2026）。これは筆者自身の経験と重なるところがある。20代の頃、月200時間を超える残業を半年続けながら「つらいとは感じなかった」。当時は熱中していたプログラミングの仕事だったから辛くないのだと思っていたが、後になって、それは痛みに慣れてしまう鈍麻だったと理解した。AIの提案に応え続けることが少しずつ「普通」になっていく過程も、同じ構造をしている。負荷は消えたわけではなく、気づかれなくなっただけである。
立ち止まり選択肢が視界から消える悪循環
AIが提案を差し出し続ける
対等な仲間のように途切れず提案する。
確認・判断を重ねる
提案の一つひとつに応え続ける。
負荷の増大に慣れる
「これが普通」だと感じ始める鈍麻。
立ち止まる選択肢が消える
気づいて休むという選択肢が視界に入らなくなる。
この悪循環から完全に距離を置く必要はない。100kmマラソンに挑んだとき、コーチから「エイドで座り込むな」と教わったことがある。完全に止まって座り込むと、次に動き出すのが格段にしんどくなる。だから足を完全には止めず、低出力ででも動きを保っておく。システムの世界でいう待機系の考え方に近い距離の取り方である。この発想は、AIとの付き合い方にもそのまま応用できる。AIを完全に手放す必要はなく、細くつながりを保ちながら、意図的に間を置くという選択肢がある。止まることも、前に進むための手段である。
日本型のAI導入が負荷を増やしやすい構造
同じAIでも、導入のされ方によって負荷のかかり方は変わる。総務省の調査によれば、日本企業がAI導入で最も期待する効果は「業務効率化や人員不足の解消」であり、米国・中国が重視する「新規事業拡大・イノベーション創出」とは対照的である（総務省, 2025）。既存の業務プロセスを作り直さないまま、その内側にAIを詰め込む形の導入は、確認・判断という新しい作業を、これまでの仕事の上にそのまま積み増すことになりやすい。
厚生労働省のガイドラインが推奨する1時間ごとの休止時間にも、前提のずれがある（厚生労働省, 2025）。このガイドラインは、作業のまとまりが自然に途切れる区切りを想定して設計されている。だがAIが途切れず提案を差し出し続ける状況では、休止のきっかけになる区切りそのものが生まれにくい。制度が悪いのではなく、制度が前提としていた働き方の姿が、AIエージェントの時代には成り立ちにくくなっている。
生成AIの普及は、1980年代に紙と鉛筆からパソコンへ移行した際に生じた「テクノストレス」の再来である可能性も指摘されている（JILPT, 2023）。当時も、変化についていけず不適応に陥る労働者が一定数存在した。ただし今回は道具そのものの目新しさではなく、道具が提案を止めないという性質が負荷を生んでいる点で、性質が異なる。
統計に現れない層と、放置した場合の影響
CHOIXの調査で「なぜか疲れる」と回答した62.0%は、少なくとも自分の疲れに気づいている人たちである（CHOIX, 2026）。だが、痛みへの鈍麻という視点から見ると、統計にはもう一つ見えない層がある。それは、負荷の増大に慣れてしまい「これが普通」だと感じて、アンケートにも「疲れていない」と答える人たちである。
統計に見えている層
「なぜか疲れる」と自覚し回答した人──62.0%
CHOIXの調査で申告された数値。
統計に現れない層
負荷に慣れ「これが普通」と感じる層
疲れを自覚しないまま、アンケートにも「問題ない」と答え続ける。
AIを高度に使いこなす人ほど、この構造に先に触れる。Zenn・Qiitaといった技術者コミュニティでは、AIを使いこなしている本人が「AIのマイクロマネジメントに疲れる」「AIエージェントの話題そのもので疲弊する」という気づきを、すでに言葉にし始めている（Zenn, 2026／Qiita, 2026）。これは技術に不慣れな人だけの悩みではなく、使いこなしている人ほど先に経験しうる構造だということを示している。
この構造を放置した場合の影響は、個人と組織の双方に及ぶ。個人への影響としては、AIとの共同作業の後、単独でタスクをこなす際の主体感、つまり自分で決めた実感が低下することが観察されている（NotebookLM Deep Research レポート, 2026）。組織への影響としては、生成AIによる支援が個別の成果物の質を高める一方で、集団としてのアイデアの多様性を4割前後押し下げるという報告もある（NotebookLM Deep Research レポート, 2026）。効率化の数字だけを見ていると、これらの静かな損失は見えてこない。
推奨アクション
最初のステップは、負荷そのものを一気に減らそうとするのではなく、負荷への気づき方を変えることである。
初期対応としては、AIの提案に応えるたびに「これは本当に今、確認する必要があるか」と一呼吸置く習慣を持つ。1日の終わりに、AIの提案のうちいくつを検証せずに採用したかを振り返るだけでもよい。
立場によって、次に取る一手は分かれる。
AIの提案に応え続けていると気づいたとき
本人
AIを「初めからそういうもの」として割り切り、流されかけたと感じたら立ち止まって確かめる。
AI活用の推進担当者
「使いこなせている＝疲れていない」ではないことを前提に、自分自身の確認・判断の負荷を定期的に点検する。
管理職
成果物の速さだけでなく、部下が確認・判断に費やす時間の変化に目を向ける。
相談・共有のフレーズ例として、AI活用の推進担当者が同僚に「最近、AIの提案に一つひとつ答えるだけで一日が終わることがあります」と共有する、という形がある。本人がAIとの向き合い方を見直すなら「今、この提案に本当に応える必要があるか」と自分に問い直す、という形がある。
リソース案内
AIとの向き合い方への違和感が、不眠や気力の低下など心身の不調に及ぶ場合は、早めに外部の公的窓口へ相談することが望ましい。
- 働く人の「こころの耳電話相談」（厚生労働省）0120-565-455（平日17:00〜22:00、土日10:00〜16:00）
- よりそいホットライン 0120-279-338（24時間対応）
記録用のツールとしては、AIの提案に応えた回数、確認や修正にかけた時間、その日の疲労感を1日1行だけメモしておくと、負荷の変化を後から振り返りやすい。
結論
AIツールを使うビジネスパーソンの多くが経験している「楽になったのに疲れる」という逆説は、意志の弱さでも感謝の欠如でもなく、確認・判断負荷への転嫁と、立ち止まる選択肢の不可視化という2つの構造から生まれている。この構造は、AIを高度に使いこなす人ほど先に触れる可能性があり、統計に現れる62.0%はむしろ全体の一部にすぎない。読者が最初に取るべき一手は、AIの提案に応えるその瞬間に、一呼吸だけ置いてみることである。
よくある質問（FAQ）
Q. AIを使って「楽になった」のに疲れるのはなぜか。
AIが減らすのは情報収集や下書き作成といった外在的負荷であり、出力が正しいかを確かめる確認・判断の負荷は減らないためである。CHOIXの調査では、AI疲れの内容として「確認・判断の繰り返しによる疲れ」が最多の64.3%を占めている（CHOIX, 2026）。効率化で浮いた時間は消えたのではなく、確認と判断という形にすり替わって手元に戻ってきている。
Q. これは高度にAIエージェントを使いこなす一部の人だけの話か。
そうではない。CHOIXの調査対象は「AIツールを業務で活用しているビジネスパーソン」という一般的な母集団であり、AIチャットに質問し提案を受け取るという日常的な使い方でも、確認・判断の負荷はすでに生じている（CHOIX, 2026）。BCGの調査（11,749人対象）でも同様の構造が国際的に確認されており（BCG, 2026）、この経験は一部の上級者ではなく、日常的にAIを使う人の多くにすでに広がりつつある。
Q. なぜAIの提案に立ち止まって応えるのが難しいのか。
対等な仲間のように提案し続けるAIエージェントは、人が自律的に考え込む「フロー状態」を断ち切ることが実験で示されている（arXiv, 2026）。提案が途切れないということは、次にどうするか自分で考えて立ち止まる間そのものが常に埋められているということであり、立ち止まり選択肢の不可視化構造が働いている。
Q. AIとの付き合い方で疲れに気づきにくいのはどんな人か。
AIを高度に使いこなしている人ほど、この構造に先に触れやすい。Zenn・Qiitaの技術者コミュニティでは、使いこなしている本人が「AIのマイクロマネジメントに疲れる」という気づきをすでに言葉にし始めている（Zenn, 2026／Qiita, 2026）。負荷の増大に慣れて「これが普通」だと感じる状態にある場合、アンケート調査にも「疲れていない」と答えてしまうため、統計の外側に沈んでいる可能性がある。
Q. AIの提案が止まらないと感じたとき、どうすればよいか。
AIを完全に手放す必要はない。低出力ででもつながりを保ちながら、意図的に間を置くという選択肢がある。提案に応えるたびに「これは本当に今、確認する必要があるか」と一呼吸置く習慣や、1日の終わりに検証せずに採用した提案の数を振り返る習慣が、立ち止まる選択肢を取り戻す小さな一歩になる。
出典・参考文献
公的機関資料
- 総務省「令和7年版情報通信白書｜企業におけるAI利用の現状」（2025年公表）
- 総務省「令和7年版情報通信白書｜個人におけるAI利用の現状」（2025年公表）
- 厚生労働省「令和６年「労働安全衛生調査（実態調査）」の概況」（2025年8月公表）
学術論文
- Honda Research Institute USA「Exploring The Impact Of Proactive Generative AI Agent Roles In Time-Sensitive Collaborative Problem-Solving Tasks」（arXiv、CHI 2026）
- 川上憲人「DXが職場や仕事にもたらすもの」（労働政策研究・研修機構（JILPT）『日本労働研究雑誌』No.754、2023年5月）
民間調査・専門メディア
- 株式会社CHOIX「「AIで仕事が楽になった。でも、なぜか疲れる。」62%が感じるAI疲れ、効率化で生まれた時間はどこにいった？」（PR TIMES、2026年4月30日）
- BCG「AI at Work: Why Strategy Matters More Than Tools」（2026年6月3日）
- BCG「AI at Work スライドショー（第4版）」（2026年6月）
- Zenn（sumiyoshi）「AIに「マイクロマネジメント」していませんか？ AI疲れと認知負荷の視点から考える」（2026年）
- Qiita（tinymouse）「自分が AI エージェントの話題で疲れてしまう理由(わけ)」（2026年）
- NotebookLM Deep Research レポート「生成AI社会における『AI疲労』の構造とデジタルウェルビーイング」（二次統合レポート、2026年）
関連コンテンツ・著者情報
関連コンテンツ
- AIに相談するとき、わたしが一つだけ決めていること——ChatGPTに悩み相談するほど答えが遠ざかる気がするあなたへ（note記事。AIの迎合という仕様をふまえて自分の声を守る視点を扱う）
- AIに相談するとき、わたしが一つだけ決めていること（ブリーフィングノート）
- 「AIがこう言ってる」と渡されるたびに、うまく言い返せないあなたへ——AI丸投げ上司のもやもやを切り分ける3つの問いかけ（note記事。AIが職場に持ち込む判断・自律性への圧力を扱う）
- 「AIがこう言ってる」と渡される側の心理（ブリーフィングノート）
- 「また三日坊主で終わった」と思ったら——15分で止まっていい、という選択肢（ブリーフィングノート）（「止まることも前に進む手段」という同じ着地を扱う）
- つい「大丈夫です」と言ってしまう——本音を後回しにする仕組みの話（note記事。痛みを後回しにする仕組みと小さな立ち止まりを扱う）
- 「月250時間残業しても、つらくなかった」——その感覚が一番危ない（ブリーフィングノート）（本稿が引用する痛みへの鈍麻の原体験を分析）
執筆者プロフィール
江原和比己（えはら かずひこ）
産業カウンセラー（日本産業カウンセラー協会認定）／日本ブリーフサイコセラピー学会 正会員／かずな総合研究所 代表・メンタルヘルス企業 取締役
約25年の会社員生活を経て独立。システムエンジニアとして働いた経験から、問題の原因を使う人の側ではなく作り手の設計・実装の側に見る視点を持つ。20代に月200〜250時間の残業を経験しながら「つらくなかった」——その体験が、痛みへの鈍麻の当事者としての視点の原点になっている。SFBT（解決志向ブリーフセラピー）を基盤とするブリーフコーチングで、走り続けている人が自分のペースを取り戻す支援を行う。