リーダーシップへの信頼が揺らぎ、職場におけるAIへの評価が悪化
Google Newsが取り上げているGlassdoorのレビューでは、評価が大きく反転している。2026年に職場のAIに言及したコメントのうち肯定的だったのはわずか43%で、2019年の81%から低下した。企業がAIツールの購入を増やし、より多くの従業員に利用を求めるなかで、この変化は起きている。従業員は単に未知の技術を拒んでいるわけではない。リーダーシップがAIを使って何をしようとしているのかを問い始めている。
Glassdoorによると、米国の従業員レビューにおけるAIへの言及は、2025年5月から2026年5月の間に240%増加した。この増加は、AIが専門チームの領域を越え、日常的な雇用上の懸念に入り込んだことを示している。しかし、接触の増加は批判の増加も招いており、とりわけレイオフ、利用の強制、監視、そして本来の業務からの注意の逸脱をめぐる不満が目立つ。
これは、導入を生産性の課題として位置づけてきた経営層にとっての反転である。むしろ証拠は、組織における信頼の問題を浮き彫りにしている。Gallup、Microsoft、RSM、Catalystはいずれも、AIに対する経営層の熱意と従業員の職場での体験との間に隔たりがあることを示している。
Glassdoorのレビューが示す職場AIの反転
AIは従業員レビューで格段に大きな話題になったが、議論は広がるほど好意的ではなくなった。
背景にあるのは、AIまたは大規模言語モデルに言及した従業員レビューについてのGlassdoorによる新たな分析である。大規模言語モデルとは、大規模なデータセット内のパターンから言語を生成・解釈するよう訓練されたシステムを指す。この分析は、従業員が勤務先に関するレビューの中でAIをどのように表現しているかを追跡している。
従業員レビューのデータによると、AIへの言及は2025年5月から2026年5月にかけて240%増加した。この増加は導入状況を直接測るものではない。AIが、従業員が職場を公に評価する際に影響を及ぼすほど重要な存在になったことを示している。
より示唆的なのはトーンの変化だ。2019年には、AIに言及したレビューの81%がAIを肯定的に説明していた。2026年には肯定的なものは43%にとどまり、53%は否定的、またはAIを不利な要素として挙げていた。
これらの観測の間には数年の隔たりがあり、その間に職場を取り巻く状況は大きく変化した。初期のコメントでは、AIは新たな能力や興味深い技術分野として扱われることが多かった。最近のレビューでは、導入を強いられたツール、組織再編、自動化が雇用に何を意味するのかという不安が、ますます語られている。
肯定的なコメントは、受容に向けた道筋も示している。Glassdoorは、肯定的なAIコメントの44%が企業にとっての商業的利益に言及していたとした。さらに41%は、有用なツール、研修、または雇用主からの支援に触れていた。
こうしたテーマが重要なのは、導入を目に見える価値と結びつけるからだ。従業員は、AIが仕事をどう改善するのか、あるいは事業をどう強化するのかを理解できる場合、より好意的に反応する。また、雇用主がAIを責任を持って使うために必要なリソースを提供する場合にも、受け入れやすくなる。
否定的なコメントは別の体験を示している。代替されることへの恐れは、批判的なAIコメントの20%に見られ、最も一般的な懸念だった。ほかにも、ツール利用の義務化、職場での監視、AIが経営陣の注意を企業の本業からそらしていることへの不満が含まれた。
レビューは、AIへの批判とより広範な組織的なひずみも結びつけている。AIに否定的な見方を示した従業員は、燃え尽きや雇用不安に言及する確率が3.7倍高かった。他のレビュアーと比べ、レイオフに言及する確率は6倍だった。
AIを不利な要素としたレビューの4分の1は、レイオフにも直接言及していた。この関連性は、AIがそれらのレイオフを引き起こしたことを証明するものではない。ただし、従業員が既存の不確実性の風土のなかでAIに接していることが多い点は示している。
肯定的な評価は従業員の行動とも連動していた。Glassdoorは、肯定的なレビューを書いた人は、翌月に別の仕事へ応募する可能性が47%低かったと報告した。これもまた、AIへの熱意が離職を防いだことを証明するものではなく、関連性を示す結果である。
それでも実務上のシグナルは重要だ。職場におけるAIへの評価は、戦略、安定性、リーダーシップの信頼性に対する従業員のより広い判断と結びついているように見える。ツールの展開を、こうした条件から切り離すことはできない。
このため、この話はGoogle News上の一時的な話題にとどまらない。レビューには、AIが評価基準、運営計画、人員に関する意思決定に組み込まれた後の従業員の声が記録されている。批判の矛先は、モデルの品質だけでなく、実装と意図に向けられている。
圧力は経営層と中間管理職にのしかかる
経営層がAI導入を指示する一方、中間管理職はその指示を、職務、ワークフロー、パフォーマンスに関する信頼できる変化へと翻訳しなければならない。
シニアリーダーは、AI支出から測定可能なリターンを示すよう、投資家、取締役会、競合他社から圧力を受けている。彼らはしばしば、導入目標、社内アシスタント、自動化プログラム、あるいはエージェント展開で対応する。従業員はその意欲に、変更されたプロセスと新たな期待を通じて向き合うことになる。
管理職は、その両者の間にある困難な領域を担っている。データセキュリティ、正確性、業務負荷、キャリアへの影響に関する質問に答えながら、実験を促さなければならない。また、AIの出力に人間によるレビューが必要となる場面も判断する必要がある。
Gallupが2026年8月に発表した職場調査は、この負担を示している。最高人事責任者102人を対象としたラウンドテーブル調査では、99%がAIを組織戦略にとって「ある程度重要」または「非常に重要」と回答した。一方、従業員のAI利用を管理職が導ける能力に自信があるとしたのは50%にとどまった。
こうした人事リーダーのうち、組織が管理職向けのAI研修を提供していると答えたのは57%にすぎなかった。62%は、社内AIチャンピオンやセンター・オブ・エクセレンスを設けていると報告した。これらの投資には意義があるが、それだけで不明確な職務上の期待を解消できるわけではない。
管理職はすでに、採用、パフォーマンス、人員配置、従業員のウェルビーイングを監督している。AIガバナンスの責任を加えることは、裏付けのない新たな義務を生みかねない。短時間の研修では、許容される利用、説明責任、職務設計に関する明確な意思決定の代わりにはならない。
この圧力は導入パターンにも表れている。Gallupは2026年2月、米国の従業員23,717人を調査した。雇用主がAIを提供している職場では、リーダーの67%がAIを頻繁に利用していたのに対し、個人貢献者では46%だった。
この差の一部は、リーダーシップ業務の性質を反映している。現在のAIツールは、草案作成、計画、分析、コミュニケーションに適している。多くの現場職や専門職では、同じように明白な適合性はない。
しかし、ツールの利用可能性だけではこの差を十分に説明できない。従業員は、プロセスのどこでAIを使うべきか、どの情報にアクセスできるのか、失敗の責任を誰が負うのかを知る必要がある。こうした答えがなければ、ためらいは合理的なリスク管理になり得る。
Gallupは、強く支援的な管理職がいる従業員の78%がAIを頻繁に利用しているとした。同じように管理職が利用を支援していることに強く同意しなかった従業員では、比較可能な割合は44%だった。
統合の度合いは、さらに大きな関係を示した。AIが既存のシステムやプロセスに適合していると強く信じる従業員のうち、88%が頻繁に利用していた。同じ確信を持たない人では55%に低下した。
明確な方針も重要だった。組織に明確なAI方針があることに強く同意した従業員では、頻繁な利用は68%に達した。強く同意しなかった従業員では47%だった。
これらの結果は、リーダーが従業員への圧力を強めるべきだという意味ではない。組織が実務上の曖昧さを取り除くとき、従業員はAIを利用することを示唆している。支援には、ワークフロー設計、権限の境界、期待される利点についての信頼できる説明が含まれなければならない。
したがって、経営層に求められる対応は、ライセンス数を増やすことや利用状況を監視することより広範だ。どの業務を変えるべきか、どの人間による意思決定を守るのかを定義する必要がある。また、生産性向上が人員配置、評価、キャリア開発にどう影響するのかも説明しなければならない。
管理職にとっての対応はさらに切迫している。ツールを試し、失敗パターンを特定し、チーム固有の実践を構築する時間が必要だ。その作業を省く企業は、戦略上の不確実性を権限の限られた人々へ転嫁することになる。
Google Newsが追うのは、単純なAI抵抗ではなくリーダーシップの隔たり
中心的な対立は、経営層の熱意と従業員が実際に経験することの間にあり、イノベーションと変化を拒む従業員との対立ではない。
批判的な従業員を抵抗勢力と呼ぶのは、実装戦略を守れるため魅力的な説明だ。責任を個人の態度、スキル、年齢に置くことができる。しかし、より広範な証拠は、より複雑な組織的失敗を示している。
RSMの2026年中堅企業調査では、シニアリーダーにAI戦略について尋ねた。85%が、経営層は従業員よりもAIに熱心だと回答した。この結果は、経営を批判する従業員ではなく、リーダー自身から得られたものだ。
同じ調査では、61%の回答者が全面的なリーダーシップ・アプローチに共感していることが分かった。30%は、人材への投資を中心とする、より慎重なアプローチを好んだ。この違いは、経営層の考え方が迅速な展開をいかに強く支持しているかを示している。
RSMはまた、88%が2～3年以内に自社の人員規模と構成が根本的に異なるものになると予想していると報告した。91%は、その期間に人間とAIシステムが統合されたチームとして働くと見込んでいた。
こうした予測は、従業員の懸念を理解できるものにする。リーダーが大幅な人員変化を予測する一方で、従業員はシステムの導入を求められている。運営計画がなお再編を想定しているなら、一般的な安心材料では対立を解消できない。
リーダーシップの隔たりは、従業員が研修をどう解釈するかも変える。将来の役割が明確なら、研修は専門性への投資を意味し得る。リーダーシップが人員配置について話すことを避ける場合、同じ研修は人員削減への準備のように感じられる可能性がある。
Microsoftの2026年Work Trend Indexは別の視点を示す。グローバル調査は、すでにAIを利用している被雇用または自営業のナレッジワーカー20,000人を対象とした。研究者は、従業員がAIから意味のある影響を受けていると報告することに関連する29の要因を検証した。
組織的要因は、個人のマインドセットと行動の32%に対し、報告されたAIの影響の67%を占めた。主な組織的要因には、文化、管理職の支援、人材に関する慣行が含まれた。
AI影響分析は、因果関係の証明ではなく関連性を示したものだ。Microsoftは、指標が同じ時点で自己申告されたものであることを明示している。それでも、3つの異なる統計モデルは同じカテゴリー順位を示した。
この結果は、消極的な従業員には単により優れたプロンプト作成スキルが必要だという考えに疑問を投げかける。職場環境が安全な実験を支援し、AIを育成の取り組みに反映しているとき、従業員はより大きな価値を報告する。個人の熱意だけで、矛盾したシステムを修復することはできない。
Catalystも、混乱のなかでのリーダーシップに焦点を当てた調査で、関連する結論に達した。AI主導の変化の中で、リーダーが自信を保ち支援的であり続けたと答えた従業員はわずか16%だった。33%は、事業上の混乱時にリーダーには誠実さが欠けていると感じていた。
ほぼ半数にあたる47%は、AIを日常業務に統合しても生産性が向上することには悲観的だった。37%は、データ共有に関してAIを信頼していなかった。これらの結果は、技術への懸念とリーダーシップの行動に対する評価を結び付けている。
Catalystは、研修の不均一さと従業員の参加機会の限られたことが、不信感を深めていると指摘した。情報をほとんど受け取れない従業員は、導入が自分に何を意味するのかを推測するしかない。人員削減の発表や強硬な効率化目標が、その情報の空白を埋めることが多い。
したがって、この対立の本質は、約束と実体験の乖離にある。経営層は、より価値の高い仕事、創造性の向上、反復作業からの解放を約束する。しかし従業員が実際に受け取るのは、追加の検証作業、不明確な評価基準、そして自動化によって人員が減らされるという兆候かもしれない。
責任あるAIワークフローには、信頼できる組織的な記憶が必要だ。チームは、生成された出力を評価する際に、承認済みの方針、一次資料、過去の意思決定にアクセスできなければならない。検索可能なナレッジベースはその作業を支援できるが、テクノロジーだけで雇用方針を決めることはできない。
Google Newsでこの逆転が注目を集めているのは、AI導入をめぐる既存の物語に疑問を投げかけるためだ。従業員はAIを発見するのを待っているわけではない。多くの人がすでにAIに接し、雇用主の使い方について、より批判的な判断を形成している。
レビューデータでは証明できないこと
Glassdoorの調査結果は強い警告サインだが、AIが職場環境の悪化を引き起こしたと立証するものではない。
従業員レビューは、投稿を選んだ人々が書いた観察記録である。すべての労働者から無作為に抽出された標本ではない。特に良い、あるいは悪い経験をした従業員ほど、レビューを投稿する理由が強い可能性がある。
レビュー投稿者の構成も時間とともに変化し得る。2019年にAIについて語った従業員は、早期導入企業の技術職に就いていたかもしれない。2026年には、より幅広い職種や組織からのレビューが含まれる可能性がある。
その変化が、感情評価の低下の一部を説明する可能性はある。AIは研究チームから、保険、カスタマーサービス、採用、ソフトウェア開発、管理業務へと広がった。職種が異なれば、労働者がさらされる利点とリスクも異なる。
Glassdoorの分類も、複雑なコメントを肯定的・否定的なグループに圧縮している。ある労働者はAIアシスタントを評価しつつ、会社の人員計画を批判するかもしれない。別の人は監視には反対しながら、反復的な文書作成の自動化には賛成する可能性がある。
AIへの批判的コメントと人員削減の関係には、特に慎重さが必要だ。両方に言及するレビューがあっても、そのテクノロジーが当該ポジションをなくしたことを示すわけではない。財務的な圧力を受ける企業は、人員削減とAIプロジェクトを同時に進める場合がある。
経営陣は、別の事情によって下された決定を正当化するためにAIという言葉を使うこともある。コスト削減、需要の低下、組織再編は、自動化プログラムと並行して進む可能性がある。公表された声明だけでは、こうした原因を切り分けるのに十分な詳細が得られることは少ない。
肯定的なレビュー投稿者における、その後の求人応募の47%減少にも同様の限界がある。肯定的な感情は、より広範な雇用主への満足を反映している可能性がある。好意的なAI体験が労働者の定着を招いたことを立証するものではない。
MicrosoftとGallupによる調査結果も、自己申告の認識に大きく依存している。上司を好意的に評価する従業員は、職場の複数の要素についても高く評価するかもしれない。その共通した認識は、ある要因が別の要因を引き起こしたと証明せずに、相関を強める可能性がある。
だからといって、この証拠が無用になるわけではない。独立したデータセットは繰り返し、上司の支援、ワークフローとの適合、方針の明確さ、組織文化を、より良い従業員体験と結び付けている。この収束は、リーダーシップが注目に値する信頼できる要因であることを示している。
また、一部の非利用者が、リーダーシップの質とは無関係な反対意見を持つことを示す証拠もある。Gallupは、非利用者の43%が倫理的な理由でAIに反対していると報告した。39%は、AIが自分の仕事に役立つとは考えていなかった。
プライバシー、セキュリティ、コンプライアンスに関する懸念は、非利用者の43%、利用頻度の低い人の38%が挙げた。これらは実質的な問題だ。システムのデータ運用が受け入れ難いままであれば、より良いコミュニケーションによって懸念が消えることはない。
同様に、非利用者の46%は、従来確立された働き方を好んでいた。新しいプロセスが価値をもたらしていても、慣れ親しんだ方法が導入を遅らせる可能性がある。組織は依然として、習慣と十分な情報に基づく懸念を区別する必要がある。
したがって、懐疑的な見方は両方向に働く。リーダーは、すべての否定的レビューが自社のAI戦略の失敗を証明すると考えるべきではない。同時に、38ポイントの感情評価の反転を、変化への恐れとして片付けるべきでもない。
最良の検証は運用上の証拠である。企業は、導入前後でタスク品質、完了時間、手戻り、従業員の負荷、顧客成果を比較すべきだ。投資判断に疑問を投げかける結果も含め、これらの調査結果を社内で公表すべきである。
従業員には、失敗を報告するための保護された窓口も必要だ。批判が業績評価に影響するなら、労働者は問題が顧客や規制当局に届くまで隠すことになる。したがって、心理的安全性は技術的な品質管理の一部である。
信頼できる導入には、特定のタスクにはAIが適さないという結論を許容することが必要だ。利用の強制は、効率を下げながら見かけ上の導入を生み出しかねない。利用件数だけでは、そのツールが仕事を改善したかどうかを示せない。
上司の支援は、労働者のAI体験を変える
上司は雇用不安を消し去ることはできないが、その支援によって、抽象的な企業方針を検証可能で説明責任のあるワークフローへと変えることはできる。
Gallupは、支援的な上司を持つ従業員ほど、文化の改善を報告する可能性が高いとした。上司がAI利用を積極的に支援していることに強く同意した労働者のうち、31%が職場文化は改善したと答えた。この強い同意が得られなかった人々では、その割合は21%だった。
支援を受けたグループの9%は、文化が大幅に改善したと答えた。比較対象グループで同程度の改善を報告したのは、わずか3%だった。この差は、上司が導入頻度以上のことに影響を及ぼしていることを示唆する。
この効果は、意欲を高めるスピーチの問題ではない。効果的な支援は、AIがどこで有用なのかを判断することから始まる。上司は、範囲を限定したタスクを特定し、許容される入力を定め、人によるレビュー要件を設けることができる。
たとえば、AIで返信案を作成するカスタマーサポートチームを考えてみよう。従業員は、顧客情報をシステムに入力してよいかを知る必要がある。また、医療、法務、金融、あるいは感情的に敏感な依頼についてのエスカレーション規則も必要だ。
ソフトウェアチームには異なる統制が必要になる。AI生成コードには、テスト、セキュリティレビュー、ライセンスへの配慮が求められる。開発者が採用した提案の数だけを測定すれば、保守コストを隠したまま速度を報いることになりかねない。
人事チームは、別の一連のリスクに直面する。求人票の草案作成と、候補者の順位付けや業績評価は異なる。後者のタスク群は雇用機会に影響を与え得るため、より強いレビューが必要となる。
したがって、有用な展開はAIを仕事の設計の一部として扱う。仕事の設計とは、タスク、権限、情報、説明責任をどのように配置するかを定めることだ。アクセス権限とプロンプトライブラリだけに還元することはできない。
上司には、ツールの性能が低いと報告する権限も必要だ。経営スポンサーが成功を期待している場合、中間管理職は否定的な結果をフィルタリングするかもしれない。そうなると、従業員はエラーを目にする一方、公式ダッシュボードには進捗が示される。
その信頼性の隔たりは、Glassdoorが観測した感情評価をさらに悪化させる可能性がある。批判を不忠とみなす導入プログラムを、労働者が信頼する可能性は低い。生成物に大幅な修正が必要なことは、彼らにも分かる。
経営層は、時間短縮が業務量の削減、成果目標の引き上げ、人員配置の変更のいずれにつながるのかを明示すべきだ。それぞれの選択には異なる結果が伴う。沈黙は、あらゆる効率向上が雇用を脅かすものだと従業員に想定させる。
研修も職務に合ったものでなければならない。一般的なデモは、通常、草案作成、要約、ブレインストーミングを強調する。しかし、特定チームに関わる承認済みデータ、レビュー基準、結果については扱わない。
Gallupの職場導入調査は、ワークフローへの統合が頻繁な利用と密接に関連していることを示した。これは、広範な奨励よりも職務別の導入を支持する結果である。
上司には測定可能な品質基準が必要だ。チームは、出力にどの程度の正確さが必要か、またそれを裏付ける証拠は何かを知るべきである。高リスクの業務では、最終判断について人間が責任を負い続けなければならない。
従業員もユースケースの選定に参加すべきだ。彼らは、管理業務上の摩擦がどこにあり、どこで文脈が重要になるかを理解している。参加によって、導入は外部からの要求ではなく、共同の設計プロセスとなる。
この関与が承認を保証するわけではない。労働者は依然としてシステムに反対したり、その影響を恐れたりする可能性がある。しかし、それによって組織が問題を大規模化する前に、実務上の問題を明らかにできる。
最も難しい問いに対する責任は、経営層に残る。上司には権限がなければ雇用の安定を約束できない。成果にかかわらず導入を報いる評価制度がある場合、相反するインセンティブを解消することもできない。
これが、リーダーシップが問題の一部であり続ける理由だ。企業はしばしば実装を下位組織に委ねる一方、戦略上の曖昧さは上層部に残す。上司は、自ら形成しておらず、十分に説明もできない決定の伝達役となる。
より信頼できるモデルは、経営層のコミットメントを運用上の安全策と結び付ける。リーダーは雇用原則と説明責任を定める。上司はチームのワークフローを設計する。従業員は、ツールが許容できないリスクなしに価値を生むかを検証する。
AIへの信頼が回復しているかを示す3つのシグナル
次の段階は、経営層による新たなAI発表の波ではなく、従業員の成果と運用慣行によって測られる。
第1のシグナルは、AIへの言及が高水準を維持するなかで、レビューの感情評価が改善するかどうかだ。議論が続く一方で批判が減少すれば、実装がより有用になった、あるいは脅威が小さくなったことを示唆する。言及数だけが減るなら、信頼回復ではなく離脱を示している可能性がある。
Glassdoorの今後の公開データは、人員削減が否定的なAIコメントと引き続き強く結び付いているかも示せる。関連性が弱まれば、企業がテクノロジー導入と無差別な人員削減を切り離しているという見方を支持することになる。
否定的な感情評価が上昇し続けるなら、リーダーシップに関する説明の説得力は増す。それは、職場でのAI体験が労働者の懸念を解消していないことを示すだろう。むしろ、戦略と雇用に関する不安を裏付けている可能性がある。
第2のシグナルは、組織が上司の支援格差を埋められるかどうかだ。Gallupは、調査対象のCHROの半数が、上司にAI利用を導く能力があることに自信を持っていなかったと報告した。上司向け研修を提供していると答えたのは、57%にとどまった。
研修の数だけでは十分ではない。企業は、上司が時間、権限、方針面の支援、技術支援を受けているかを追跡すべきだ。従業員調査では、期待がチームレベルでより明確になったかを検証すべきである。
Gallupの文化に関する調査結果は、有用なベンチマークを提供している。積極的に支援する上司を持つ従業員は、より良い文化面の成果を報告した。今後の研究では、導入が成熟するにつれて、こうした差が維持されるかを検証できる。
改善が見られれば、管理慣行がAIの成果を形作るという見方が強まる。改善が見られなければ、支援プログラムが浅すぎるか、より大きな雇用不安が現場のリーダーシップを上回っていることを示すだろう。
第3のシグナルは、企業が利用状況を超える成果指標を開示するかどうかだ。有用な指標には、エラー率、手戻り、サイクルタイム、従業員の業務負荷、顧客満足度、社内異動が含まれる。人員数の変化も、生産性に関する主張と並べて示されるべきである。
こうした開示は、AIがより価値の高い仕事を生み出しているかを労働者が判断する助けとなる。また、生産から検証へ労力を移しただけの導入も明らかにする。
RSMの調査結果は、この点をとりわけ重要にしている。調査対象となったリーダーの多くは、労働力の構成が大きく変化し、人間とAIの協働が広く進むと予想していた。従業員には、その未来の中で人がどのような役割を担うのかを示す根拠が必要だ。
対外的な報告は引き続き限られるかもしれないが、社内での透明性は依然として重要である。経営陣は、パイロット導入の結果、失敗率、不適切なプロジェクトを中止した判断を共有できる。限界を認めることは、普遍的な成功を宣言するよりも、むしろ強い信頼を築く場合がある。
Google Newsを通じてこの話題を追う読者は、導入数を慎重に受け止めるべきだ。ライセンス数、プロンプト数、アクティブユーザー数の増加だけでは、生産的な統合が実現しているとは言えない。利用を義務付ければ活動量は増えても、信頼や仕事の質は低下し得る。
より重要な問いは、AIの利用拡大に伴い、働く人々が明確さ、コントロール、そして信頼できるキャリアパスを得られるかどうかだ。こうした条件が、批判が和らぐのか、それとも職場に長く残る特徴となるのかを左右する。
ナレッジワーカーにとって当面の行動は、AIが時間を節約する場面と、検証作業を増やす場面を記録することだ。その観察をワークフローの見直し、セキュリティに関する議論、評価・キャリア計画に持ち込むべきである。生成された出力が失敗した場合、最終的に誰が責任を負うのかを問う必要がある。管理職は利用を拡大する前に、約束された効果と測定可能なチームの成果を比較すべきだ。経営幹部は、効率化が雇用にどう影響するのかを説明し、従業員に答えを推測させないようにする必要がある。次のGoogle Newsの見出しは、また一つ野心的な導入目標と比べるのではなく、こうした指標に照らして評価されるべきだ。
