AI研修の効果、下書きの速さだけで測っていませんか

AIの返事が速いことと、仕事が早く終わること

AI研修で文章が数秒で出てくると、これなら仕事が楽になりそうだと感じます。ただ、現場に戻ると、指示を考えたり、内容を確かめたりする時間も必要です。下書きの生成が速くても、提出までの時間が短くなるとは限りません。

研修後の振り返りでは「便利だったか」だけでなく、いつからいつまでを仕事として測るかをそろえてみてください。ここでは、小規模なチームが共有表一枚で試せる測り方を提案します。個人の速さを競うためではなく、AIを使う工程を見直すための記録です。

最初に、完成の条件を一行で決める

例えば、社内の打ち合わせ案内を作る仕事を対象にします。完成は「文章が出た時点」ではなく、「日時・場所・参加対象・持ち物を確かめ、送信できる状態になった時点」と決めます。これは練習用の仮例です。

普段の作業でも、AIを使う作業でも、同じ完成条件を使います。AIの案内文だけ誤りの確認を省いたり、普段は求めていない凝った表現まで整えたりすると、比較する仕事そのものが変わってしまいます。

文章の長さ、元資料の量、確認する項目も記録してください。短い案内と複雑な提案書を一緒に平均すると、どこが変わったのかわからなくなります。まずは用途の近い仕事に絞ります。

準備・生成・確認を分けて記録する

記録欄は「入力する情報の準備」「指示と生成・再生成」「確認と修正」「合計」の四つから始められます。確認を別の人に依頼した場合は、その人が実際に作業した時間も添えます。担当者の手間が減っても、確認者の手間が増えている可能性があるためです。

仮に、普段は作成十五分と確認五分で計二十分。AIを使うと準備四分、指示と生成三分、確認と修正八分で計十五分だったとします。この場合、比較した範囲での差は五分です。「生成が三分だったから十七分短縮」とは数えません。数字は測り方を説明するための仮定で、期待できる効果を示すものではありません。

承認待ちで一時間止まった場合は、手を動かした時間と待ち時間を分けて残します。人の作業量を見たいのか、依頼から提出までの速さを見たいのかによって、使う数字が違うからです。

速さの横に、直した箇所を残す

合計時間だけでは、仕事の質を判断できません。「日時の取り違え」「条件の抜け」「不要な言い回し」など、修正した内容を短く記録します。読みやすくなった点や、自分では思いつかなかった整理が役立った場合も残しておくと、時間以外の利点が見えます。

MicrosoftのWorkLabも、AIの価値を時間の節約だけでなく、仕事の質や必要な労力などから捉えています。その考え方を踏まえ、今回の小さな試行では、時間と修正内容を並べて見ることを勧めます。

特に、速く終わった代わりに重要な条件を落としたケースは、成功として数えないようにします。先に決めた完成条件を満たしたかを確認し、満たせなかったものは、その理由ごと振り返ります。

一度の結果で、全員に広げない

同じ文章を二度作ると、二回目は内容を覚えているぶん有利になります。AIを使った順番も残し、条件の近い別の題材でも試してください。一回の結果から、月間や年間の削減時間をそのまま計算するのは避けます。

研修直後は操作に慣れる時間がかかります。初回の学習に使った時間と、慣れてから繰り返す作業の時間は区別します。ただし、研修やひな形の整備にかかった手間を、導入全体の振り返りから消してよいわけではありません。

数件分を見て確認の時間が長いなら、入力情報の不足なのか、完成条件が曖昧なのか、AIに任せる範囲が広すぎるのかを調べます。原因の見当がついたら一つだけ変え、同じ条件で再度試します。

次の研修には、困った記録を持ち寄る

「使った人が何人いたか」に加えて、時間がかかった工程と、直す必要があった箇所を持ち寄ると、次に練習する内容を決めやすくなります。確認に時間がかかるなら確認用の元資料をそろえる。指示を毎回考え直すなら入力欄を整理する。記録を次の演習に結び付けます。

まずは一種類の仕事で、完成条件と時間の区切りを決めるところから始めてください。AIを使うこと自体を目標にせず、提出できる仕事がどう変わったかを確かめる。その材料があれば、続ける範囲も、まだ人が担う工程も具体的に話し合えます。