ブログ

生成AIの活用が、多くの企業で進み始めています。

特に効果を実感しやすいのが、ドキュメント作成、文章の要約、情報収集、アイデアの整理といった、これまで一定の時間を必要としていた業務です。

生成AIを活用することで、一つひとつの作業を短い時間で進められるようになったと感じている方も多いのではないでしょうか。

一方で、個人の作業時間が短縮されたからといって、それだけで組織全体の生産性が高まるとは限りません。

生成AIによって生まれた時間を把握し、新しい案件や、より付加価値の高い業務へ振り向ける仕組みがなければ、効率化の効果は個人の中にとどまってしまいます。

生成AIが社内業務へ浸透していくほど、人の稼働状況を把握し、業務量の変化に合わせて配置を見直す「アサイン管理」が重要になると考えています。

生成AIによって、タスク単位の作業時間は短縮されている

パーソル総合研究所が2026年2月に発表した「生成AIとはたらき方に関する実態調査」では、生成AIを活用している業務タスクの所要時間が、未利用時と比較して平均16.7％、週当たり26.4分短縮されたと報告されています。

用途別では、次のような業務で時間削減の効果が大きくなっています。

• 企画・相談・思考整理：週平均36.9分
• 文書・資料作成、編集：週平均35.1分
• データ分析、レポーティング：週平均33.6分

生成AIの活用によって、特に文章の作成や情報の整理といった業務で、一定の時間短縮が起き始めていることが分かります。

一方で、生成AIの利用によって実際に業務時間を削減できた人は、利用者の25.4％、およそ4人に1人にとどまっています。

現時点では、すべての企業や職場で一律に余力が生まれているわけではありません。

それでも、生成AIの活用が進んでいる現場では、従来より短い時間で作業が完了する場面が増えています。

今後、社内での活用が広がるにつれて、「生成AIを導入するかどうか」だけでなく、生成AIによって変化した業務量を、組織としてどのように扱うかが課題になるのではないでしょうか。

個人の作業効率化だけでは、組織の生産性向上にはつながらない

例えば、これまで3日かかると見込んでいた資料作成や情報整理が、生成AIを使うことで1日や2日で完了したとします。

担当者個人にとっては、大きな効率化です。

しかし、その変化が周囲に共有されず、稼働計画にも反映されなければ、短縮された時間が次の仕事に活用されるとは限りません。

予定より早く作業が終わった後も、当初のアサインがそのまま残っていれば、組織からは余力が見えない状態になります。

反対に、空いた時間へ無計画に新しい仕事を追加してしまうと、担当者の負荷が急に高まり、生成AIによる効率化が単なる仕事量の増加につながる可能性もあります。

パーソル総合研究所の調査では、生成AIによって削減された時間の61.2％が再び仕事に使われ、その中心は既存の日常業務だったと報告されています。

生成AIによって時間が短縮されても、その余力が必ずしも新しい挑戦や高付加価値な業務に振り向けられているわけではないことがうかがえます。

個人の効率化を組織全体の成果に変えるには、短縮された時間を把握し、どの仕事へ振り向けるかを判断する必要があります。

従来の稼働計画と実際の工数に差が生まれる

これまでのアサイン計画では、過去の経験や担当者の申告をもとに、必要な工数を見積もることが一般的でした。

ただし、ドキュメント作成や調査、情報整理といった業務は、担当者の経験や知識によって所要時間に大きな差が出ます。

そのため、納期遅延や負荷の集中を避けるために、実際に必要となる時間よりも余裕を持って工数を確保するケースも少なくありません。

生成AIの活用が進むと、こうした見積もりの前提が変わります。

これまで数時間かかっていた調査が短時間で終わったり、資料の初稿を生成AIが作成したりすることで、従来の経験則で立てた計画と実際の工数に差が生まれます。

ただし、生成AIを使えば、すべての作業時間が均一になるわけではありません。

生成された内容を評価する力、適切な指示を出す力、業務に関する専門知識などによって、成果や所要時間には引き続き個人差が残ります。

だからこそ、生成AI導入前に決めた標準工数をそのまま使い続けるのではなく、計画と実績の差を確認しながら、稼働計画を継続的に更新することが重要です。

生成AI時代のアサイン管理に必要なこと

生成AIの活用によって変化する業務量へ対応するためには、単に人の予定を一覧にするだけでは十分ではありません。

誰が、どの案件に、いつまで、どの程度の工数で関わっているのかを把握し、実際の稼働状況と照らし合わせる必要があります。

特に重要になるのは、次の3つです。

1．計画工数と実績工数の差を確認する

当初の計画に対して、実際にどれだけの工数がかかったのかを確認します。

生成AIによって時間が短縮された業務や、反対に確認や修正に想定以上の時間がかかった業務を整理することで、次回以降の稼働計画を改善できます。

2．生まれた余力を見えるようにする

作業が予定より早く完了しても、その情報が担当者の中にとどまっていては、組織として活用できません。

将来の稼働予定と実際の進捗を確認し、追加の案件や業務を担当できる余力があるのかを見えるようにする必要があります。

3．余力を高付加価値な仕事へ振り向ける

生成AIによって生まれた時間を、単純に別の作業で埋めるだけでは、組織の成果は大きく変わりません。

例えば、次のような業務へ振り向けることが考えられます。

• 新しい案件への対応
• 顧客への提案活動
• 品質向上や業務改善
• 若手メンバーの育成
• 新しいサービスや技術の検討
• 高度な判断やコミュニケーションが必要な仕事

どの仕事へ時間を配分するかは、生成AIが自動的に決めてくれるわけではありません。

会社の方針、案件の優先順位、メンバーのスキルや成長機会を踏まえ、人が判断する必要があります。

アサイン管理は、人の判断を支えるための基盤

アサイン管理は、人を機械的に割り当てるためのものではありません。

メンバーのスキル、経験、本人の希望、案件との相性、将来の育成方針など、人の配置には多くの判断が伴います。

生成AIによって業務の一部が効率化されても、最終的に「誰に、どの仕事を任せるか」を決めるのは人です。

一方で、その判断に必要な稼働状況や工数の情報が整理されていなければ、従来の経験や感覚に頼ったアサインから抜け出せません。

生成AI時代のアサイン管理には、人の判断を置き換えるのではなく、判断に必要な情報を整える役割があります。

• 誰に余力があるのか
• どの業務で時間短縮が起きているのか
• どのメンバーに新しい仕事や成長機会を任せられるのか

こうした情報を把握できることで、生成AIによる効率化を、組織全体の人材配置へ反映できるようになります。

生成AIによる生産性向上を生かせるかは、アサイン管理にもかかっている

生成AIによって、ドキュメント作成や情報収集などの時間を短縮できる場面は、今後さらに増えていくと考えられます。

しかし、個人の作業が速くなることと、組織全体の成果が高まることは同じではありません。

生成AIによって生まれた時間を把握し、新しい案件や、より付加価値の高い仕事へ振り向ける必要があります。

そのためには、従来の経験則だけで稼働計画を立てるのではなく、計画工数と実績工数の差を継続的に確認し、業務量の変化に合わせてアサインを見直すことが重要です。

生成AIを導入するだけで、人材配置まで自動的に最適化されるわけではありません。

生成AIによる個人の生産性向上を、組織全体の成果につなげられるかどうか。

その鍵の一つを握るのが、アサイン管理ではないでしょうか。

Co-Assignは、「人軸×案件軸」で将来の稼働予定を可視化し、計画工数と実績工数を確認できるアサイン管理ツールです。

生成AIによって変化する働き方に合わせて、人材をより付加価値の高い仕事へ配置するための環境づくりを支援します。