2026.08.01第173号

ラッダイトは機械ではなく導入条件に抵抗した

アダプタビストの調査でナレッジワーカー2,500人のうち65％がAI普及以前の働き方を恋しがっていると回答しました。「生み出す仕事」が「確認する仕事」へと変わった構造を読み解きます。

社会

AIについての卒業スピーチに向けられた学生たちのブーイング

2026年5月、アリゾナ大学の卒業式で気まずい場面がありました。演壇に立ったのはGoogleの元CEOエリック・シュミット、テーマはAIでしたが、学生たちからブーイングが飛んだのです。一度だけでなく何度もです。シュミットは結局、こう言わざるを得ませんでした。「皆さんがどういう気持ちか分かります。ちゃんと聞こえていますよ」

シュミットには長年使ってきた例え話があります。ロケットの席を提示されたら、どの席かなど尋ねずにただ乗りなさい、という言葉です。2001年にシェリル・サンドバーグへ送ったアドバイスとして有名になったフレーズですが、2026年の卒業式場では通用しませんでした。

1811年の紡織工も、2026年の卒業生も、機械が嫌いでそうしているわけではありません。どちらの集団も、まったく同じ問いを投げかけているのです。この機械を誰が、誰のために、どのような条件で導入するのか。 200年の間に答えは変わりましたが、問いはそのまま残っています。

ナレッジワーカーの65%がAI以前のやり方を恋しがる理由

コンサルティング企業のアダプタビスト（Adaptavist）が2026年3月、イギリス・米国・カナダ・ドイツ・スペインのナレッジワーカー2,500人に尋ねました。65%が、AIが普及する前の働き方を定期的に恋しく思うと回答したのです。

ここまでは予想の範囲内かもしれません。しかし内訳を見ると、懐かしむ理由が浮かび上がってきます。

42%が、AIが節約してくれた時間よりもAIの成果物を検証するのに使う時間のほうが多いと答えました
52%が、同僚がAIで作成した成果物を定期的に修正しています
31%が、AIは人間の創造性をすり減らすため、いっそのこと無くしたほうがましだと考えています
46%が、専門性を要した仕事を今やほぼ誰でもできるようになったことに挫折感を抱いています

つまり、このノスタルジーは「仕事が減ればいいのに」という話ではありません。仕事の性質が変わってしまったことへの不満なのです。「生み出す人」から「手直しする人」へ、「書く人」から「確認する人」へと移り変わってしまったわけです。私はこれを検証税¹と呼ぶのが的確だと考えています。独立した業務時間や予算として認められにくいコストだからです。

これが個人の主観的な印象ではないという証拠もあります。『ハーバード・ビジネス・レビュー』に掲載された2026年2月の研究では、従業員約200人規模の米国のテクノロジー企業1社を8カ月間にわたって直接観察しました。週2回現場に赴き、社内メッセンジャーを追跡し、40人余りに綿密なインタビューを行いました。研究のタイトルの通り、AIは仕事を減らすどころか仕事の密度を高めていたのです。

具体的には3つの現象が観察されました。第1に、業務範囲が広がりました。PMがコードを書き、リサーチャーがエンジニアリングを行い、以前なら外注していたはずの仕事を自分でこなすようになりました。第2に、境界が崩れました。席を立つ直前に「最後にもう1つだけプロンプトを」と入力するようになり、業務と業務の間の休息時間が消えてしまいました。第3に、並行して走るタスクの数が増加しました。

そして、この会社の社員たちは自らをより生産的になったと感じていました。 同時に、以前と同じくらい、あるいは以前よりも忙しくなったと答えました。生産性が上がったという実感と、より忙しくなったという回答が、同一の個人から同時に出てきたのです。

ここに、さらなる逆転劇があります。アダプタビストの調査でAI以前の時代を好むと答えた割合は、Z世代が42%、X世代が26%でした。デジタルネイティブのほうが、むしろ昔を恋しがっているのです。この数字を前にしては、「適応できなかった旧世代の愚痴」という解釈は成り立ちません。

1811年、彼らは見境なく機械を壊したわけではなかった

ラッダイト²は、今日ではテクノロジー嫌悪者の代名詞として使われています。新聞で「ラッダイト的発想」といえば、進歩を拒む時代遅れな考え方を意味します。しかし、実際の歴史はかなり異なります。

1811年、イングランドのノッティンガムで始まったこの運動の主体は、無知な暴徒ではありませんでした。当時の基準で最高レベルの熟練工たちだったのです。長年の徒弟制度を経て技術を身につけ、その腕一本で家族を養い、地域社会で相応の地位を築いていた人々でした。

彼らが破壊したのは編み機でした。 ただし、対象を選んで破壊しました。決して手当たり次第に機械を壊したわけではありません。正当な賃金を支払い、まともな品質の品物をつくる雇用主の機械には手を触れませんでした。標的となったのは、従来の賃金協定を破り、低品質な粗悪品を大量生産し、熟練工のポストを未熟練の低賃金労働者に置き換えるために機械を悪用した特定の工場主たちでした。

すなわち、彼らの敵はテクノロジーそのものではなく、テクノロジー導入の条件だったのです。ブライアン・マーチャントが著書『機械の中の血（Blood in the Machine）』でまとめた核心もここにあります。ラッダイトは機械を憎んだのではなく、機械がもたらした利益が誰の懐に入るのかを問い詰めていたのです。

この問いに対してイギリス政府が出した答えが、当時の状況を如実に物語っています。1812年、議会は機械破壊を死刑に処しうる重罪に指定しました。対話の代わりに絞首台を選んだわけです。詩人のバイロンは上院での初演説でこの法案に反対し、彼らを犯罪者ではなく生計を奪われた人々として見るべきだと訴えました。しかし、その甲斐はありませんでした。

私たちが受け継いできた「ラッダイト＝テクノロジー恐怖症」というイメージは、この戦いに勝った側が残した解釈なのです。

200年の時を隔てた2つの抵抗が重なる点

私は、当時のラッダイトと現在のAI導入に対する反発を比較すると、3つの共通点が見出せると考えています。

第1に、抵抗の主体が未熟練労働者ではなく熟練工である点です。 1811年の紡織工は、その時代の高度な専門職でした。2026年にAIの導入に最も居心地の悪さを感じている層も同様です。アダプタビストの調査で異業種への転職を検討していると答えた割合は、一般のナレッジワーカーが33%だったのに対し、**Cクラスの役員では46%**に達しました。不安は実務レベルの労働者よりも、むしろ経営幹部において色濃く表れたのです。

第2に、テクノロジーが労働を削減するのではなく再配置している点です。 編み機は労働をなくしたわけではありません。熟練労働を未熟練労働へと置き換え、その差額を工場主の懐へと移転させただけでした。現代のAIもまた、仕事をなくしてはいません。「生み出す労働」を「検証する労働」へと転換させています。問題は、この検証作業が誰の成果指標にもカウントされないことです。個人が人知れず吸収しているにすぎません。

第3に、コントロール権が個人から組織へと移行する瞬間に反発が噴き出す点です。 ほんの少し前まで、企業は従業員に対してAIを思う存分試してみるよう奨励していました。ところが、AI各社がトークン従量課金³へと移行し、コストが目に見えて膨らみ始めると、今度は利用を締め付ける方向へと舵を切っています。従業員からすれば、わずか半年の間に正反対の指示を受けたようなものです。「自分の判断で使ってみろ」から「勝手に使うな」へ、と。

テクノロジーが変わったのではありません。誰が決定権を握るのかが変わったのです。 ラッダイトが憤ったポイントも、まさにここでした。

ここにもう1つ付け加えるべき点があります。創造性の問題です。この問題を実験を通じて検証した研究もあります。

学術誌『サイエンス・アドバンシズ（Science Advances）』に掲載された2024年の研究では、作家300人にAIによるアイデアを提供し、評価者600人が成果物を採点しました。AIを最も多く活用したグループのストーリーは、新規性が8.1%、有用性が9%高くなりました。もともと創造性が低めだった作家たちに至っては、新規性が10.7%、有用性が11.5%も向上しました。個人にとっては間違いなくプラスの恩恵です。

ところが同じデータにおいて、作家同士の類似度が10.7%上昇していたのです。 個人は向上したものの、集団としては似通ってしまったわけです。

ウォートン・スクールの研究陣が2025年に『ネイチャー・ヒューマン・ビヘイビア（Nature Human Behaviour）』で発表したブレインストーミング実験は、さらに劇的です。45項目の統計比較のうち37項目において、AI使用グループのアイデアの多様性が有意に低下しました。「レンガと扇風機でおもちゃをつくる」という課題において、ChatGPT使用者の94%が重複するコンセプトを提示し、9人がそれぞれ独自に自分のおもちゃに「Build-a-Breeze Castle」というまったく同じ名前を付けたのです。 人間だけで参加したグループでは、このような重複は見られませんでした。

つまり、「AIが創造性を損なう」という直感的な不満は、少なくとも集団のレベルにおいては根拠のある話なのです。

AI以前が本当に良かったのかも問い直す必要がある

ここで思考を止めてしまっては、議論は片手落ちになります。ノスタルジーという感情自体、もともと過去を美化して描きがちなものだからです。

AI以前のコンテンツ産業は、果たして本当に多彩だったでしょうか。大手映画スタジオや出版社は、AIが登場するはるか前から、すでに成功が実証されたフォーミュラをひたすら反復していました。続編のまた続編、リメイクのまたリメイクです。あらゆる創作物が実験的な傑作だった時代など、かつて一度も存在したことはありません。

若い世代の学習問題も同様です。基礎業務をAIがすべてこなしてしまえば新人は何を学ぶのか、という懸念はもっともです。しかし、その代替案として想定されている過去のモデル、すなわち法律事務所や投資銀行で新人にまったく同じ単純作業を千回も繰り返させていた徒弟制モデルは、本当に最善の学習法だったのでしょうか。それが唯一検証された方法だったから維持されてきたのでしょうか。それとも、単に安上がりで慣行だったから維持されてきたのでしょうか。

この問いに正直に答えなければ、私たちは「失われた本質」を取り戻すのではなく、単に「慣れ親しんだ古いやり方」を取り戻すだけになってしまいます。その両者はまったくの別物です。

ラッダイトもまた、この批判から自由ではありませんでした。彼らが守ろうとした徒弟制もまた、参入障壁が高く閉鎖的なものでした。歴史が彼らに一定の正当性を認めているのは、その制度が完璧だったからではなく、変化のコストを彼らだけに一方的に請求した構造が不当だったからです。

Oswarldの視点

私はこの問題を、導入の失敗ではなく設計の欠落だと捉えています。

GTM戦略を立てるなかで、幾度となく目にしてきた光景があります。新しいツールを導入する際、組織は「コストがどれだけ浮くか」「仕事がどれだけ速くなるか」という2つの計算しかしません。しかし、**「このツールのせいで新しく生じる仕事は誰が引き受けるのか」**を同時に問う組織は稀です。

AI導入の計画書に「検証」という言葉が担当者の名前とともに明記されているのを、私はほとんど目にしたことがありません。節約された時間は会社の報告資料に「成果」として華々しく計上される一方で、新たに発生した検証業務は、個人が退勤時間を過ぎてまで抱え込むことになります。42%が「節約した時間よりも確認に費やす時間のほうが多い」と答えた結果は、検証業務の重い負担を浮き彫りにしています。私の経験から言えば、担当者と所要時間を定めていない業務設計そのものも、同時に見直さなければなりません。

だからこそ私は、AI教育と並行して実際の業務を再設計しなければならないと考えています。プロンプトの上手な書き方を教えるのは簡単で、目に見えやすい成果になります。しかし、「このチームにおいてAI成果物の最終責任者は誰で、その検証に割り当てられる時間は週に何時間なのか」をドキュメントに明記することは難しく、目立ちません。表向きの成果としては見えにくくとも、真に取り組むべき仕事は後者なのです。

そして、この診断が正しいとすれば、ブーイングを浴びせた卒業生たちはテクノロジーそのものを拒絶したわけではありません。「とにかくロケットに乗れ」というアドバイスを前にして、どのような条件で乗るのか、そしてそのリスクは誰が背負うのかを問うたのです。私は、それはきわめて合理的な問いかけだったと考えています。

おわりに

AI普及以前のやり方を恋しがるという65%の回答を、単なる「変化への抵抗」として片付けることはできません。つくる仕事に加えて確認する仕事が増えたにもかかわらず、その負担が正当に評価されていない現状が背景にあると私は見ています。ラッダイトが機械そのものではなく機械導入の条件に抵抗したのと、まったく同じ構図です。したがって、私たちが今投げかけるべき問いは「AIを使うべきか否か」ではなく、**「AIが新たに生み出した労働を、誰の負担として計上するのか」**なのです。

今週、ぜひ1つだけ実践してみてください。AIが生成した成果物をレビューするのに、実際に何分費やしたかを計測してみるのです。もし検証時間が節約できた時間を上回っているなら、それはツールの品質だけでなく、業務設計そのものも見直すべきだという明確なサインです。

最近AIを使いながら、「これは本来、自分の仕事ではなかったはずなのに」と感じた瞬間はありましたか。どのような業務からそうした負担が流れ込んできたのか、ぜひコメント欄で教えてください。検証業務が実際にはどのような仕事で最も多く発生しているのか、読者の皆さんの実例を集めて次号で整理してみたいと思います。

📨 最近、AIの生成物の後始末に疲れ果てている同僚がいたら、ぜひこの記事をシェアしてください。

あなたの視点が次の号をつくります

この号で最も共感した点、あるいは違う経験をした点はどこですか。

参考資料と関連リンク

主要出典

The Adaptavist Group, Understanding the Human Cost of AI Transformation, 2026年3月. リンク ··· 本稿の土台となった調査です。イギリス・米国・カナダ・ドイツ・スペインのナレッジワーカー2,500人を対象としており、世代別のクロス集計表は特に一見の価値があります。
Aruna Ranganathan & Xingqi Maggie Ye, “AI Doesn’t Reduce Work, It Intensifies It”, Harvard Business Review, 2026年2月. リンク ··· アンケートではなく8カ月間の現場観察に基づいている点が強みです。ただし1社の事例であるため、一般化には留意が必要です。
Anil R. Doshi & Oliver P. Hauser, “Generative AI enhances individual creativity but reduces the collective diversity of novel content”, Science Advances, 2024. リンク ··· 個人の創造性と集団の多様性がトレードオフの関係にあることを数値で示しています。第3章の類似度分析からの通読をお勧めします。
Lennart Meincke, Gideon Nave & Christian Terwiesch, Nature Human Behaviour, 2025. リンク ··· 9人がまったく同じおもちゃの名前を付けた実験の論文です。多様性の減少を45の比較項目で検証しています。
“Former Google CEO Eric Schmidt booed during graduation speech about AI”, NBC News, 2026年5月. リンク ··· 導入部分で触れた場面の出典です。現場での発言全文がまとめられています。

背景知識

Brian Merchant, Blood in the Machine: The Origins of the Rebellion Against Big Tech, Little Brown, 2023. リンク ··· ラッダイトを単なるテクノロジー恐怖症ではなく、労働運動として復権させた名著です。本稿の歴史パートも本書に多くを負っています。
アン・グァンソプ（安光涉）『思考を委ねる人々：ホモ・ブレインレス』ジェイパブ、2025年. リンク ··· 検証労働や判断の委譲に関する問題をさらに深く掘り下げています。

あわせて読みたいバックナンバー

INLEVEL9 Letter「20ワットの脳をオフにする人々」

著者 アン・グァンソプ（Oswarld） は世宗大学校兼任教授、INLEVEL9 戦略コンサルタントです。経歴、研究、著書、最近の活動は著者紹介で更新しています。最近の活動 · 2026年7月：HEMA-2: A Consolidation-Aware Tri-Memory Architecture with Multi-Channel Scheduling for Lifelong Conversational AI。

📝 用語解説

각주

検証税（verification tax）：AIが生成した成果物が正しいかを確認し、修正するために費やされる時間と労力を指します。公式な学術用語ではなく、節約された時間から人知れず差し引かれるコストという意味で用いる表現です。 ↩
ラッダイト（Luddite）：1811〜1816年にイングランドで編み機を破壊した熟練紡織工たちの運動です。「ネド・ラッド」という架空の人物の名で署名したことから名付けられました。今日ではテクノロジー嫌悪者を指す言葉として使われますが、本来は賃金や雇用条件をめぐる戦いでした。 ↩
トークン従量課金（token-based billing）：AIサービスの利用料金をユーザー数ではなく、処理したテキスト（トークン）量に応じて課金する方式です。使えば使うほどコストが膨らむため、企業が従業員のAI使用量を統制しようとする動機が生じます。 ↩