ActivTrakの勤務日調査、AI利用者はより長時間働くことが判明
ActivTrakは、AI利用者の勤務日の時間幅は非利用者より最大90分長いと報告しており、タスクの高速化が勤務時間の短縮につながるという期待に疑問を投げかけている。ActivTrakの勤務日調査は、467社に所属する9,140人のナレッジワーカーを対象に、2026年4月1日から9月25日までに収集されたデジタル活動データを用いたものだ。10月29日に公表された調査結果は、AI導入と勤務日の長期化の関連を示す一方、AIがその差を引き起こしたとは立証していない。
この区別は重要である。見かけ上の矛盾には、いくつかの説明があり得るためだ。負荷の高い職務に就く従業員ほどAIを利用しやすいかもしれない。生産が速くなれば、追加の業務を促す可能性もある。アシスタントと既存アプリケーションの間で作業を移し替えることにも、タスクのデモでは見落とされる時間がかかることがある。これらはいずれも、勤務日全体で何が起きているかを測定せずに効率化を約束する雇用主に課題を突き付ける説明だ。
これまでのAI勤務日研究は、重要な対照材料を提供している。既存アプリケーションに統合されたアシスタントを対象とした無作為化実験では、メールに費やす時間の減少と、通常勤務時間外の作業の減少が確認された。したがって現在浮かび上がっている対立は、生産性向上の約束と、職場ごとに異なる結果との間にある。AIは一つの業務にかかる時間を短縮できる一方、従業員が早く退勤するのか、より多くの業務を担うのか、あるいは追加の確認や調整を引き受けるのかという点は、なお解決されていない。
ActivTrakの勤務日調査が実際に示したこと
最新の調査結果が対象とするのは勤務日の時間幅であり、継続的な労働時間や検証済みの成果と混同すべきではない。
ActivTrakの勤務日分析によると、AI利用者の勤務日は8.4〜9.1時間に及び、非利用者の7.6時間を上回った。ヘビーユーザーの中断のない集中セッションは平均37.8分で、ライトユーザーの48.2分と比べて短かった。ヘビーユーザーは、勤務時間外の活動も1日当たり18分多く記録した。
これらの測定値は、仕事の異なる側面を表している。勤務日の時間幅が長いからといって、その全時間帯にわたって途切れなく働いていたことにはならない。集中セッションが短いからといって、品質が低いことを示すわけでもない。夜間の活動が増えていたとしても、それが雇用主の要請によるものか、従業員の選択によるものか、あるいは柔軟なスケジュールによって時間帯が移っただけなのかは特定できない。
見出しとなった数値は、報告された範囲内での上限比較でもある。AIを導入したすべての従業員が同じだけ業務量を増やすという主張にすべきではない。観測された差を普遍的な不利益として扱えば、雇用主が調べるべき、まさにそのばらつきを見えなくしてしまう。
この発表の時期は、企業計画にとっても重要である。AI投資を評価する組織には、従業員がアシスタントを開いたかどうかを超える証拠が必要だ。その利用が納期、人員需要、エラー率、そして勤務時間の境界をどう変えるのかを理解する必要がある。
作成が速くなることと、早く退勤できることの違いを考えてみよう。文書作成アシスタントは、最初の文書を作るための労力を減らせる。しかし、その後の承認、事実確認、修正、配布で何が起きるかは別問題だ。職場における利点を評価する際に意味を持つ単位は、完了した業務である。
この調査は、その一連の流れ全体を解明するものではない。その貢献は、AIを使うことと勤務日が短くなることの間にある隔たりを浮き彫りにした点にある。因果関係の方向が不確かな場合でも、この隔たりは調査に値する。
従業員にとって実務的な意味合いは明快だ。個別のタスクでは速くなったと感じても、全体としては以前より忙しいと感じることは矛盾しない。両者は異なるものを測っており、雇用主による生産性評価にはその両方を捉える余地が必要だ。
購買担当者にとって、この発表は調達上の問いを提起する。製品デモは通常、アシスタントが回答を返した時点で終わる。一方、業務プロセスが終わるのは、誰かがその結果に責任を負った時だ。見かけ上の時間削減を検証すべきなのは、この二つの終点の間にある距離である。
管理職は、節約された時間の使途を選ばなければならない
タスクの短縮は利用可能な余力を生む。その余力が負担軽減、追加の成果、あるいは新たな義務になるかは、経営判断によって決まる。
差し迫った負担は、AI導入を承認する管理職と、その価値を示すことを求められる従業員にかかる。購買担当者には、投資が事業成果を改善するという証拠が必要だ。従業員には、実行が速くなることで自らの責任、締め切り、あるいは対応可能な時間が変わるのかについて明確さが必要である。
こうした利害は一致し得る。従業員は、定型的な下書き作成を減らし、判断を要する仕事に集中したいと考えるかもしれない。雇用主は、予定勤務時間を短縮すること以上に、その転換を評価する可能性がある。問題が生じるのは、双方が同じ節約時間について異なる行き先を想定する時だ。
短い労働週は、具体的な結果である。そのためには、品質を許容可能な水準に保ち、需要を管理しながら、より少ない予定勤務時間に仕事を収める必要がある。生産性の向上だけでは、その状態は保証されない。組織は代わりに、追加の余力を既存のバックログに振り向けることもできる。
その選択が自動的に不合理なわけではない。未完了の業務には、有益なプロジェクト、顧客からの依頼、あるいは後回しにされていた保守作業が含まれることがある。ただし、リーダーは結果を正確に説明すべきだ。同じ勤務予定の中でより多くの仕事をこなすことは、勤務予定を短縮することとは異なり、勤務日を延ばすことはさらに別の結果である。
ActivTrak AI workloadを巡る議論は、この区別を避けにくくしている。雇用主は、生成された成果物の量だけで従業員の便益を評価することはできない。下書きの増加は作成者を助けるかもしれないが、編集者、レビュアー、あるいは実装を担う同僚への要求を増やす可能性がある。
仮想的なプロダクトチームを例に考えてみよう。管理職がAIを使って提案書を速く作成し、共有前にさらなる選択肢を追加する。チームはその後、より多くの案を評価し、より多くの前提を確認し、より多くの変更可能性を議論することになる。最初のタスクのコストは下がる一方、意思決定プロセスは大きくなる。
この例では、アシスタントが誤作動する必要はない。すべての下書きが有用である可能性もある。追加の負担は、組織が責任を持って承認できる範囲を変えないまま、意欲だけが拡大することと、レビュー能力が限られていることから生じる。生産が速くなると、組織が何を責任を持って承認できるかを変える前に、実現可能に見える仕事が変わる。
したがって管理職が直面する問題は、プロンプトのスキルを超える。どの追加業務に注意を向けるべきか、どの業務は未着手のままにすべきかを、誰かが決めなければならない。その判断がなければ、アシスタントは同僚が評価できる速度を上回って提案を増やすことがある。
同じ問題はナレッジマネジメントにも当てはまる。既存情報を整理することは、さらに多くの資料を生成することとは異なる負担に対応する可能性がある。パーソナルナレッジベースは、情報をどのように保持し、検索するかに関わる。プロセス全体が改善したという証拠なしに、どちらの機能も勤務時間を短縮した成果として評価すべきではない。
したがって、管理上の問いは具体的である。導入後、従業員の時間を消費しなくなったものは何か。何もなくなっていないなら、リーダーは新しい活動を正当化する追加価値を明らかにすべきだ。そうでなければ、導入はすでに埋まっている勤務予定に重ねられた期待となる。
タスクの高速化は、その周辺の仕事を拡大させ得る
AIが仕事を容易にする能力は、従業員が試みる仕事の量を増やす可能性もある。
UC Berkeley Haasの研究は、この可能性について現実に根差した説明を提供している。Xingqi Maggie YeとAruna Ranganathanは、従業員200人のテクノロジー企業で、職場観察とインタビューを用いる8カ月間のエスノグラフィー研究を実施した。Yeは機能別グループをまたいで40件以上のインタビューも行った。
彼女らの業務強度に関する研究では、責任範囲の拡大、以前は休憩だった時間への業務の流入、同時に抱えるタスクの増加が確認された。従業員は他の責務に対応しながら、AIのプロセスを動かし続けることもあった。この研究は、雇用主全体に及ぶ普遍的な影響を推定するのではなく、仕事がどのように拡大したかを記述している。
この区別は、ActivTrakの勤務日調査を解釈するうえで重要だ。職場観察は、活動測定だけでは説明できない仕組みを明らかにできる。それは、別のデータセットにおける差をそうした仕組みが引き起こしたことを証明するものではない。ただし、検証に値する説明を特定することはできる。
一つの可能性は、仕事を始める難しさが下がることで、終えるべき地点が変わるということだ。以前なら現実的でないと思われた業務も、試す価値があるものになる。あるアイデアを素早く探究できる従業員は、それを続け、磨き上げ、共有するかどうかという新たな判断に直面する。
これは、単に管理職から追加タスクを受け取ることとは異なる体験である。追加の努力は、好奇心や満足感から始まることがある。従業員は、以前のスキル範囲を超える仕事に挑戦できることを価値あるものと感じるかもしれない。したがって、楽しさと業務負荷の拡大は同時に起こり得る。
Aruna Ranganathanの研究概要は、測定可能な生産と従業員の実体験との違きを強調している。彼女の研究は、職場におけるAIのほかの影響とともに、自律性、認知的要求、専門性、人間関係、ウェルビーイングを検討している。こうした側面は、好ましいアウトプット指標だけでは導入に関するすべての問いに答えられない理由を説明する。
分析上の懸念は、蓄積である。小さな任意の実験が、有用な成果物になる。有用な成果物は期待に影響する。期待は次に、同僚が何を依頼するか、従業員が何を維持する責任を感じるかを形作る。誰かの役割を公式に拡大する決定がなくても、当初の時間削減効果は消え得る。
並行作業は、この問題の別の形をもたらす。アシスタントを起動しても、その結果を確認する責任はなくならない。従業員が別の業務に対応している間に複数のプロセスが完了すれば、その出力は注意を要するキューを生み出す。
結果として生じる負担は、それらの出力に何が求められるかによって異なる。定型的な資料なら、ほとんどレビューを必要としないかもしれない。重要な提案であれば、情報源の確認、相談、修正が必要になる可能性がある。アシスタントが完了した応答数を数えるだけでは、人間に求められる負担が異なるこうした状況を同一視することになる。
したがって、AIが当面のタスクに失敗したと仮定しなくても、この逆転はもっともらしい。より良い支援は、人々が取り組む仕事の範囲を広げ得る。それが便益になるかどうかは、業務負荷の上限、レビュー能力、追加の成果の価値に左右される。
統合型アシスタントは異なる比較基準を提供する
一部のAI利用者がより長く働くという証拠は、別の導入事例で従業員の時間が節約されたという実験的証拠を否定するものではない。
Eleanor Wiske Dillon、Sonia Jaffe、Nicole Immorlica、Christopher T. Stantonによる研究は、重要な比較対象となる。彼らの無作為化職場実験には、66社の7,137人のナレッジワーカーが参加した。無作為な選定により、メール、会議、文書作成に使われるアプリケーションに統合された生成AIアシスタントへのアクセスが決定された。
6カ月間の実験の後半では、参加ユーザーのメール対応時間は週あたり2時間減り、通常の勤務時間外での作業も減少した。研究者は、個人へのアクセス提供によってタスク量や構成に変化が生じたことは確認できなかった。これらの結果は、観察データで報告された長時間化とは異なる可能性を示している。
この比較は、主張を慎重に行う必要性を強める。統合型アシスタントが常に勤務日を短縮する、あるいはスタンドアロン型アシスタントが常に勤務日を延長することを示すものではない。サンプル、手法、用途、職場環境の違いが、そのような単純化を妨げる。
ただし、「AIは従業員の労働時間を長くする」という結論を普遍的に下すには広すぎることは示している。一定の条件下では、アクセスによって特定の活動に費やす時間を減らせる可能性がある。別の場所で観察された関連性は、この実験結果を無効にはできない。
製品間の違いにも、ベンダー比較競争に陥らない形で目を向けるべきだ。ChatGPT、Claude、Microsoft Copilotを、互換可能な職場導入として扱うべきではない。アシスタントがプロセス内のどこに配置されるか、どのようなコンテキストを利用できるか、どの確認が求められるかによって、従業員が出力の前後に行う作業は変わる。
これは、どのブランドが最も優れているかについての主張ではなく、導入方法の比較である。引用された証拠は、これらの製品間の順位付けを裏付けていない。購入者は、導入を検討する具体的なバージョン、設定、プロセスを評価する必要がある。
仮想的な執筆ワークフローを考えると、この違いは明確になる。アシスタントが編集中の文書内で素材を返すなら、作業者は周囲の文章と並べて評価できる。素材が別の場所に届くなら、作業者はそれを移し、文脈を調整し、最終文書が意図した情報源をなお反映していることを確認しなければならない。
どちらの構成も成功を保証しない。この例が示すのは、タスクのデモンストレーションでは除外されがちな追加ステップである。公正な評価には、それらのステップがどこで発生しても数える必要がある。
同じ考え方は、社内知識を取得するアシスタントにも当てはまる。従業員がどの文書が権威あるものかを確認しなければならない場合、回答生成は業務の一部にすぎない。裏付けとなるコンテキストが不明確であれば、自信に満ちた回答でも相当な確認作業を要する可能性がある。
企業の購入者にとって競争上の問いは、導入が完了したプロセス全体で作業を減らせるかどうかになる。より便利な生成は有用だが、その価値はその後に何が続くかに左右される。実験的な証拠は、購入者に測定可能な削減を追求する理由を与える一方、勤務週短縮に関する包括的な約束には慎重であるべきことも示している。
労働時間の長期化は、なお因果関係を示すものではない
ActivTrakの勤務日調査は、検討に値する傾向を示している一方で、重要な説明は未解決のままである。
最も明白な問題は選択バイアスだ。従業員が必ずしも無作為にAIを導入するとは限らない。複雑な業務やより重い仕事量を抱える人ほど、支援を求める理由が強いかもしれない。彼らの長い勤務日は、AI利用に先行している可能性がある。
職務の違いは、解釈をさらに複雑にする。文章作成、調整、コーディングを中心とする職務では、アシスタントを使う機会が異なる。こうした職務をまたいで従業員を比較すると、AIの効果と業務そのものの要求を混同しかねない。
逆因果関係も別の可能性だ。締め切りが迫ると、従業員はより長く働き、AIをより頻繁に使うようになるかもしれない。その場合、仕事量が両方の観察結果を説明する。アシスタントは、利用者が長い勤務日を記録し続ける中でも、一定の労力を減らしている可能性がある。
これらは、このサンプルについて確立された説明ではなく、検証すべき説明である。相関関係だけでは因果関係の問いに答えられない理由を示している。公開された資料には、こうした代替説明を決着させる無作為化設計は示されていない。
測定にも別の限界がある。デジタル活動は、人々がアプリケーションとどのようにやり取りしているかの一部を明らかにする。しかし、意思決定の価値、協働の質、疲弊の度合いを直接立証するものではない。
長い勤務日は、価値ある成果、回避可能な手戻り、柔軟な勤務スケジュール、あるいはそれらの組み合わせを伴う可能性がある。それらを区別するには、時間の長さ自体を超えた情報が必要だ。従業員の経験と受け入れられた成果は、活動指標と併せて評価されるべきである。
以前の調査結果も、最新の発表とは慎重に切り分ける必要がある。ActivTrakの年次職場分析には、AI導入の前後を比較した10,584人のユーザーの一部が含まれていた。同分析は、メールやメッセージングを含む測定対象の業務カテゴリーが増加したと報告している。これは10月の比較とは異なる分析であり、そのサンプルを新しい分析のサンプルと統合すべきではない。
この区別により、確実性を過大に印象づけることを防げる。複数の調査結果が活動の増加を示す可能性はあるが、測定対象の母集団や期間は異なる。方向性が一致しても、共通の原因が自動的に特定されるわけではない。
ActivTrakの商業的立場も考慮に値する。同社はワークフォース分析を販売しており、企業が仕事をどのように測定するかに利害関係を持つ。だからといって、調査結果が無効になるわけではない。むしろ、透明な定義、独立した再現、方法論の詳細へのアクセスが特に有用になる。
最も強い結論は、最も劇的な見出しよりも限定的である。AI導入は、従業員の負担軽減を確実に示すものではない。ActivTrakのAIワークロードに関する調査結果はさらなる検証に値する一方、実験的な証拠は時間節約が依然として実現可能であることを示している。
これは雇用主に実務上の責任を残す。結果を説明する際には、追加の成果と労力の削減を区別すべきだ。従業員には、導入がどちらの結果を目指すのか、また成功をどのように評価するのかを知る権利がある。
AIが時間を取り戻していることを示すもの
次に説得力を持つ証拠は、同一の評価の中で、受け入れられた成果、従業員の労働時間、品質を結び付けるものになる。
今後数カ月で注目すべき最初のシグナルは、導入前後で比較可能な従業員を追跡する研究だ。より強力な設計では、職務、仕事量、季節的な需要の違いを考慮する必要がある。実務的な場合には無作為なアクセス提供が、アシスタントの効果と従業員が導入する理由を切り分ける助けになる。
そうした条件下でも勤務日が長いままであれば、導入が労働時間の延長に寄与しているという主張はより強くなる。差が大部分で消えるなら、選択バイアスの説明がより説得力を持つ。どちらの結果であっても、すべてのAI利用者を均質な集団として扱うより改善されたものになる。
2つ目のシグナルは、雇用主が節約された余力を何に使ったのかを報告することだ。従業員がタスクをより速く完了したという主張だけでは、中心的な問いに答えていない。受け入れられた成果が増えたのか、勤務予定が短縮されたのか、滞留業務が減ったのか、レビュー要件が変わったのかを、証拠によって明らかにすべきである。
予定された勤務週が短くなれば、労働時間削減という約束を直接裏付ける。安定した勤務時間の中で成果が増えれば、それは別の利益を裏付ける。労働時間の長期化と並行して成果が増えるなら、時間あたりの生産性が改善したのかをより明確に説明する必要がある。
品質はその評価の一部であり続けなければならない。大幅な修正を必要とする速い下書きは、受け入れられた成果と同じ重みを持てない。同様に、最終結果の改善が十分に大きく、それを正当化するなら、追加のレビューが利益を打ち消すわけではない。
3つ目のシグナルは、従業員の成果と並行してワークフローの変化を追跡する証拠である。購入者は、引き継ぎの削減、レビューの統合、情報源へのアクセス改善が労働時間を変えるかどうかに注目すべきだ。重要な比較は、再設計前後の完了プロセスである。
こうした変更が品質を保ちながら夜間作業を減らすなら、より良い導入を支持する根拠は強まる。労働時間が延びたままなら、仕事量への期待や組織的な需要に注意を向けるべきだ。使いやすいインターフェースだけでは、雇用主が人々にどれだけの仕事を完了させるよう求めるかを決めることはできない。
信頼できる報告では、これらのシグナルが一緒に示されるべきである。労働時間だけでは成果が不明確になる。成果だけでは従業員の労力が不明確になる。利用状況だけでは、そのいずれについてもほとんど分からない。
ナレッジワーカーにとって、AIと勤務日に関する研究が最も有用なのは、普遍的な結論を下すのではなく、こうした関係を説明するときである。ツールは有用で楽しく、拡大する仕事と関連している可能性がある。導入によって実際の時間節約が生じても、勤務週の短縮にはつながらないこともある。
ActivTrakの勤務日調査は、この区別に焦点を当てている。その結果は、負担軽減に関する自動的な約束に疑問を投げかける一方、より良い設計や異なる結果の余地も残している。今問われているのは、組織が節約された労力が実際にどこへ向かうのかを測定するかどうかだ。
次の生産性向上の主張を受け入れる前に、業務全体と勤務日全体に関する証拠を探すべきだ。どの作業がなくなり、どの追加作業が発生し、誰が結果を確認したのかを問う。その答えを、受け入れられた成果、エラー、従業員の経験と比較する。信頼できる説明は、人々が時間を得たのか、より大きな価値を提供したのか、それとも単により長く対応可能な状態に置かれたのかを明らかにすべきである。また、初期の実験と持続的な労働条件の変化も区別すべきだ。次のアシスタント導入や職場調査を評価する際には、これらの問いを用いるべきである。雇用主がAIは時間を取り戻していると言うなら、その時間がどこへ向かったことを示す証拠は何か？
