AI・テクノロジー

AIで時短したのに脳が疲れる——「AI Brain Fry」の正体と対策

生成AIで作業時間は減ったのに、一日が終わると以前より疲れている——その違和感には名前がついています。BCGとハーバード・ビジネス・レビューが1,488人を調査して定義した「AI Brain Fry」の正体と、脳科学者が指摘する「情報メタボ」「受け身のストレス」、今日から試せる対処法を整理しました。

claude

• 10 min read
Share

生成AIを使い始めてから、資料作成も調べものも明らかに速くなった。それなのに、一日が終わると以前より頭が重い。集中が続かない。夕方には判断が雑になっている——そんな違和感を覚えている人は少なくないはずです。

この「時短したのに疲れる」という逆説には、すでに名前がついています。ボストン・コンサルティング・グループ（BCG）の研究チームが2026年3月、ハーバード・ビジネス・レビュー（HBR）誌上で発表した「AI Brain Fry（AIブレインフライ）」です。2026年8月18日にはビジネス+ITが脳科学者・毛内拡氏のインタビューを公開し、同じ現象を日本語圏の文脈で掘り下げました。本記事では海外の調査データと国内の脳科学者の視点を突き合わせ、何が起きているのか、どう付き合えばよいのかを整理します。

なお本記事で使う「脳疲労」は医学的な診断名ではありません。集中しにくい、考えがまとまりにくいといった、脳の働きが落ちたように感じられる状態を指す通俗的な表現として用います。

背景：生成AI導入で「速くなったのに、楽になっていない」

生成AIの本格導入直後、現場の声は「便利だ」「速い」という賛辞が中心でした。ところが2025年秋ごろから質の違う報告が目立ち始めます。象徴的だったのがHBRの「workslop（ワークスロップ）」です。AIが生成した、一見それらしいが中身の通っていないメモやスライドが組織内を流通し、受け取った側が解読と手直しに時間を取られる。削減されたはずの工数が下流に押し出されているだけではないか、という指摘でした。

「AI Brain Fry」はこの延長線上にあります。違うのは、対象が成果物ではなく人間の側に向いている点です。ワークスロップが「AIが作ったものの質」の問題だったのに対し、AI Brain Fryは「AIを使い、監督し続ける人間の消耗」として定式化されました。

「AI Brain Fry」とは何か：1,488人が示した数字

BCGのJulie Bedard、Matthew Kropp、Gabriella Kellermanらの研究チームは、米国の大企業に勤めるフルタイム労働者1,488人を対象に調査を実施しました。彼らの定義するAI Brain Fryは「自分の認知容量を超えたAIツールの過剰な利用または監督から生じる精神的疲労」であり、単に働きすぎて疲れたという従来型のバーンアウトとは区別されます。

報告された症状は具体的です。頭のなかが「ざわつく（buzzing）」感じ、霧がかかったような状態（mental fog）、集中の維持が難しくなる、意思決定が遅くなる、頭痛。研究チームは、これらを個人の気力の問題ではなく、認知資源の配分が破綻したときに現れる兆候だと位置づけています。

数字として押さえておきたいのは次の3点です。

  • 調査対象1,488人のうち、およそ14%がAI Brain Fryに該当する状態を経験していた
  • 発生率は部門によって大きく異なり、マーケティング部門では26%に達した。ソフトウェア開発、人事、財務も比較的高い
  • 同時に使うAIツールが4つ以上になると、生産性は向上から低下へ転じる

そして重要なのは帰結です。研究チームは、AI Brain Fryが従業員のミスの増加、意思決定の過負荷（decision overload）、最終的には離職意向（intent to quit）の上昇と結びつくことを示しました。個人の不調にとどまらず、組織のコストとして跳ね返るというわけです。

補強するデータもあります。従業員1,500人を対象としたSpring Healthの世界調査では、24%がAIによる情報過多でメンタルヘルスが悪化したと回答。同調査は、認知過負荷と「自分のキャリアをコントロールできていない感覚」の2つを、いま職場で表面化している「AI不安」の主因と分析しています。

なぜ時短したのに疲れるのか：認知負荷が「実行」から「検証」へ移った

作業時間が減っているのに疲労が増える理由として、もっとも説得力があるのは「消費される認知資源の種類が入れ替わった」という説明です。

生成AI以前、文章を書く仕事のコストは主に「作る」ことにありました。白紙から構成を考え、言葉を選び、手を動かす。生成AI以降、その「作る」コストはほぼ消え、代わりに膨れ上がったのが「確かめる」コストです。この文章は事実として正しいか。意図とずれていないか。数字の出典はどこか。やり直させるべきか、自分で直したほうが速いか。ひとつひとつは数秒の判断ですが、一日に何十回、何百回と積み重なります。エンジニアリングの現場では、この変化が「書くより、見る・直すほうが疲れる」という実感として語られています。

さらにAIエージェントが普及すると、監督コストは並列化します。複数のエージェントが同時に走り、それぞれが判断を求めてくる。人間は割り込みのたびに文脈を切り替えなければなりません。BCGの調査が「4つ以上のツールで生産性が低下に転じる」と示したのは、この切り替えコストが可視化された結果と読めます。

脳科学から見た脳疲労：「情報メタボ」と受け身であることのストレス

お茶の水女子大学ヒューマンライフサイエンス研究所助教で神経生理学・生物物理学を専門とする毛内拡氏は、この疲労の背景に2つの要因を挙げます。ひとつは情報量そのものです。

「1つの要因は情報過多です。私は『情報メタボ』と呼んでいます。現代では、仕事、通知、SNSなどから大量の情報が絶えず入り、必要な情報かどうかを判断する回数も増えています。私たちは常に情報の取捨選択に迫られて脳が疲れてしまうのです」（毛内氏）

もうひとつが、より見落とされやすい要因——「受け身であること」です。

「受け身で情報を受け取る時間が増えると、自分で選び、試し、結果を確かめる経験が減ります。それが、自分で状況を動かしているという感覚を弱める場合があります」（毛内氏）

AIに聞けば、もっともらしい回答が即座に返ってくる。便利ですが、そのとき人間はほぼ受け身であり、自分で仮説を立て、試し、外れて、修正するループが省略されます。この能動性の喪失自体が脳にとって負荷になりうる、という指摘です。さらに毛内氏は、AI時代に必要な能力について皮肉な逆説を語っています。

「AIから出てくるのは文章なので、まず『読解力』が試されます。しかも、正しくプロンプトを打たなければ、自分が求めている結果は返ってきません。つまり、何を知りたいのかを適切に言葉にする『作文能力』も必要です。皮肉なことに、AI時代なのに、私たちは読解力と作文能力を問われているのです」（毛内氏）

ここに、AI Brain Fryの厄介な自己強化ループがあります。AIの出力を正しく扱うにはじっくり読み、疑い、考える必要がある。ところが脳が疲れていると人は短絡的になり、AIが出した「答えらしいもの」に飛びつきやすくなる。疲労が検証を雑にし、雑な検証がミスを生み、後始末がさらに疲労を増やす——BCG調査が示した「ミスの増加」という帰結は、この循環の出口に位置しています。なお同記事は、脳疲労の予防術として「23分」という損失の数値にも言及しています。

AI疲労・認知負荷への対処法：ツールを絞り、信頼を較正する

対処法は、個人の運用・信頼の較正・組織の設計という3つの層で整理できます。

  • ツールの数を絞る — BCG調査の「4つ以上で生産性が低下に転じる」という線が実務上の目安。用途ごとに増やすほど切り替えコストが利得を食い潰します。
  • どこを疑うかを先に決める — すべての出力を同じ厳しさで確かめる必要はありません。誤りが致命的になる領域と被害の小さい領域を分け、後者は確認を軽くする。判断の回数そのものが減ります。
  • AIの実力を掴んで信頼を較正する — 人工知能学会全国大会（JSAI2026）の研究では、AIへの信頼、とくに「性能への信頼（Performance Trust）」が高いほど認知的作業負荷が有意に低減することが構造方程式モデリングで示されました。毎回ゼロベースで疑うしかない状態がもっとも消耗します。
  • 組織は透明性と段階導入を優先する — Spring Healthの調査を受けた人事部門の動きとして報告されているのがこの2点です。導入目的や評価への影響を明示しないままツールだけが増えると、認知過負荷に「キャリアへの不安」が上乗せされます。BCGが離職意向との関連を指摘した以上、AI Brain Fryは福利厚生ではなく人材リテンションの論点です。

そして毛内氏が強調するのは「思考を手放さない」という原則でした。AIに考えさせるのではなく、AIと一緒に考える。自分で選び、試し、結果を確かめるループを意図的に残すことが、受け身によるストレスへの対抗策になります。

影響と今後

AI Brain Fryが短期間で広く共有された背景には、多くの人が言語化できずにいた違和感に名前がついたという事情があります。CNN、Fortune、Axios、CBS Newsといった主要メディアが揃って報じたのもそのためでしょう。今後の焦点は3つあります。

  • 測定 — 現在の知見の多くは自己申告ベースで、認知負荷を行動指標・生理指標で定量化する研究はまだ実務で使える形になっていない
  • ツール側の設計 — 「どこまで自律的に進め、どこで人間に聞くか」が、そのまま人間の疲労度を決める
  • 組織のKPI — AI導入の効果を作業時間の削減だけで測る限り、下流に押し出された検証コストは会計上どこにも現れない

問われているのは生成AIを使うか否かではなく、人間の認知容量という有限な資源をどう配分するかという設計の問題です。

よくある質問

AI Brain Fry（AIブレインフライ）とは何ですか

ボストン・コンサルティング・グループの研究チームが2026年3月にハーバード・ビジネス・レビュー誌上で定義した概念で、自分の認知容量を超えたAIツールの過剰な利用または監督から生じる精神的疲労を指します。米国の大企業に勤めるフルタイム労働者1,488人の調査に基づき、頭のざわつき、霧がかかったような感覚、集中の困難、意思決定の遅延、頭痛といった症状が報告されています。

どれくらいの人がAI Brain Fryを経験していますか

BCGの調査では、対象となった米国のフルタイム労働者1,488人のうち、およそ14%がAI Brain Fryに該当する状態を経験していました。部門差が大きく、マーケティング部門では26%に達しています。別途、従業員1,500人を対象としたSpring Healthの世界調査では、24%がAIによる情報過多でメンタルヘルスが悪化したと回答しています。

AIツールは何個まで使ってよいのですか

BCGの調査は、同時に使うAIツールが4つ以上になると生産性が向上から低下へ転じると報告しています。厳密な上限というより、ツール間の切り替えコストが利得を上回り始める目安として捉えるのが適切です。用途ごとに増やすより、主力を絞ったほうが総合的な負担は小さくなります。

時間が短縮されているのに、なぜ疲労は増えるのですか

消費される認知資源の種類が入れ替わったためです。生成AI以前は「作る」ことにコストがかかっていましたが、生成AI以降は「確かめる」ことにコストが移りました。出力が正しいか、意図と合っているか、やり直させるべきかという小さな判断が一日に何十回も積み重なり、手を動かす疲れが監督し続ける疲れに置き換わります。

企業として何をすべきですか

Spring Healthの調査を受けた人事部門の動きとして、透明性の確保と段階的なツール導入の優先が報告されています。導入目的や評価への影響を明示しないままツールだけが増えると、認知過負荷にキャリアへの不安が上乗せされます。BCGはAI Brain Fryが離職意向の上昇と結びつくことを示しており、健康施策ではなく人材リテンションの課題として扱う必要があります。

まとめ

「AIで時短したのに疲れる」は気のせいではなく、1,488人規模の調査で裏づけられた現象です。要点は次の3つです。

  • 原因は労働時間ではなく、実行から検証へと移った認知負荷の構造にある
  • BCGの調査は発生率14%、4つ以上のツールで生産性が反転する目安、ミス・意思決定過負荷・離職意向という組織的帰結を示した
  • 毛内拡氏が指摘する「情報メタボ」と「受け身であることのストレス」は、これがAIに固有ではなく情報環境全般の問題であることを示唆する

AI時代に読解力と作文能力が問われるという逆説は、裏返せば、思考を手放さないことが最良の防御でもあるということです。使うツールを絞り、どこを疑うかを先に決め、AIの実力を掴んで信頼を較正する。地味ですが、この3つが現時点でもっとも効果の見込める対処法です。

参考

参考ソース

関連記事