シリコンバレーエンジニアの「AI時代の帳簿」：効率は10倍になったが、私はより疲れた

仕事の成果は大幅に向上したが、疲労感はより早く蓄積されている。AIツールはタスクの実行時間を大きく短縮しているにもかかわらず、人間の意思決定負担は減らず、むしろ増加している。技術が「もっと速くできる」と絶えず伝える一方で、もしかすると私たちが本当に必要なのは、「もっと遅くできるかどうか」ではないだろうか。本記事は騰訊科技の記事をもとに、Foresight Newsが整理・翻訳・執筆したものである。

（前書き：年収150万円の活用例、500ドルのAIで解決、一人エージェントシステムの実戦解説）

（背景補足：ウイルス対策ソフトの終焉？Claude AIが500のゼロデイ脆弱性を発掘し、ウォール街を震撼させる。CrowdStrikeは18％急落）

目次

Toggle

• 01 AIは疲れないが、あなたは疲れる
• 02 AIは作業量の規模を変えたが、配分は変えない
• 03 能力の上限は拡大し続けるが、下限は消えつつある
• 04 働き方の再定義が必要

AIツールが強力になるほど、人間はなぜこれほど疲弊するのか。これこそがこの効率革命の本質的な問いかもしれない。

2026年初頭、ソフトウェアエンジニアリングの分野で興味深い現象が現れた。

Claude Opus 4.6を代表とする新世代のAIプログラミングツールは、開発者の効率をかつてない高みへと押し上げている。マイクロソフトの内部データによると、エンジニアはツールを自主的に選択した結果、Claude Codeが急速に支配的となった。これは一部の観察者からは、「最小抵抗の道」として自然な選択と見なされている。

しかし同時に、「職業的倦怠感」についての議論もエンジニアコミュニティ内で盛んになっている。GoogleやAmazonで働いた経験のあるエンジニア、スティーブ・イーグ（Steve Yegge）は、最近の自述記事で「居眠り攻撃」と呼ばれる現象を記述している。長時間のコーディング作業の後、突然何の前触れもなく昼間に居眠りをしてしまうという。

40年以上のシリコンバレー経験を持つソフトウェアエンジニア、イーグの投稿

今や、多くのエンジニアが共通の体験を公に語り始めている。仕事の成果は大きく向上したが、疲労感はより早く蓄積されている。技術はタスクの実行時間を大きく短縮しているが、人間の意思決定負担は減らず、むしろ増加している。

画像出典：ネット

01 AIは疲れないが、あなたは疲れる

イーグによれば、「AIが実務にほとんど役立たない」という以前の議論は、Claude CodeとOpus 4.5および4.6を導入したことで、もはや参考にならない。これらの組み合わせは、問題定義から動作可能なコードへの変換コストを著しく低減し、熟練エンジニアの単位時間あたりの成果を従来の数倍に引き上げている。

イーグは指摘する。生産性が約2倍を超えて向上すると、「吸血鬼効果」と呼ばれる現象が現れ始める。技術は単なるツールではなく、逆にユーザーの働き方や心理状態を反転させてしまう。

イーグが描いた「AI吸血鬼抽出装置」

シダンダント・カレ（Siddhant Khare）は、この過程を詳細に記録したブログ記事を書いている。彼は「AI疲労は本当に存在する」と題した記事で、前四半期のコード納品量がキャリア最高を記録した一方で、精神的疲労もピークに達したと述べている。

カレは、仕事の根本的な変化を描写している。AI導入前は、「丸一日」かけて深く一つの問題に集中し、一貫した思考の流れを保っていた。しかし、AIを使い始めてからは、一日に五、六の異なる問題領域を並行処理する必要が出てきた。各問題はAIの支援により、従来の数十分から一時間程度に短縮されたが、問題間の頻繁な切り替えが新たな認知負荷となっている。

「AIは問題間の空白で疲れを感じない」と彼は書く。「しかし、私は疲れる。」

カレは自分の新たな役割を「ライン作業の品質管理者」と表現している。プルリクエストは絶え間なく流入し、それぞれを審査し、決定し、承認する作業が続く。プロセスは止まらないが、意思決定の権限は移譲されていない。彼は審判席に固定され、案件はAIから送られ、人間が責任を負う。

ハーバード・ビジネス・レビューが最近発表した研究も、この現象に実証的裏付けを与えている。

研究者たちは、米国のIT企業の200人の従業員を追跡調査した。結果、AIの導入により初期段階ではタスク完了速度が著しく向上したが、その一方で連鎖反応も引き起こされた。速度向上は組織の納期期待を高め、より高い期待は従業員のAI依存を深め、さらに依存が進むと、処理範囲が拡大し、仕事の密度と認知負荷が増大した。

研究者はこれを「仕事量の拡散」と呼ぶ。これは指示による拡大ではなく、効率向上と期待調整の反復・自己強化の過程だ。

デジタル製品設計に従事するサモ・コロシェツ（Samo Korošec）は、LinkedInでイーグに返信し、似たような状況を述べている。

彼は、コミュニティプラットフォーム上に「1分で10個のUI案を生成」するデモが氾濫していると指摘した。これらは繰り返しエンジニアや管理者に提示され、暗黙の標準となっている。

ツールがこれほど高速にアウトプットできるなら、アウトプットもそれに見合った速度であるべきだ。しかし、多くのデモは、その後の選別や実現、部門間調整のコストをほとんど示していない。これらは依然として人間が負担している。

技術は生産工程の時間を圧縮したが、意思決定の時間は圧縮していない。むしろ、そこが新たなボトルネックとなりつつある。人間の注意力と意志力だ。

02 AIは作業量の規模を変えたが、配分は変えない

イーグは簡略化した分析フレームを提案している。

仮にエンジニアがAIツールを使い、単位時間あたりの成果を10倍にしたとしよう。その差分の9倍の価値は誰が得るのか。これは、ユーザーが自分の労働供給をどう配分するか次第だ。

例えば、シナリオAでは、エンジニアは従来通りの勤務時間を維持し、増えた成果をすべて雇用者に渡す。この場合、雇用者は人件費を変えずに約10倍の成果を得ることになる。エンジニアの収入は比例して増えないが、労働強度と精神的消耗は著しく高まる。イーグはこれを「搾り尽くされる状態」と呼ぶ。

一方、シナリオBでは、エンジニアは大幅に勤務時間を短縮し、従来の10％の時間で同じ成果を出す。この場合、増えた価値はすべて個人が得て、より多くの余暇を手に入れることになる。しかし、競争環境では長続きしない。組織内の全員がこの戦略を取れば、全体の生産性は競合に遅れ、長期的には生存リスクに直面する。

イーグは、理想的な状態はこの二つの極端の間にあると指摘する。ただし、現行の組織構造では、調整の権限は不均衡だ。組織は自然とA側に針を動かそうとし、個人は反作用を働かせる必要がある。

このフレームは、技術の効率性の問題を配分の問題に置き換える。AIは「価値は労働によって生み出される」という基本事実を変えないが、同じ労働単位で生み出せる価値の規模を変化させる。これが飛躍的に拡大したとき、従来の配分バランスは必然的に崩れる。

イーグは、2001年にAmazonで働いていた経験を振り返る。当時、彼のチームは高い納期圧力と不確実な報酬にさらされていた。彼は同僚に向けて次の式を書いた：$ / 時間。彼は説明する。分子（年俸）は短期的に変わりにくいが、分母（実働時間）はかなり調整可能だと。

彼は、「どうやってもっと稼ぐか」から、「どうやって働く時間を減らすか」へと視点をシフトした。この変換は当時、同僚には馴染まなかったが、数週間後、会議室を通りかかるたびに、その式が白板に残っているのを見かけた。

25年後、イーグはこの式がAI時代にも適用できると考えている。違いは、AIが分母の変化の影響を大きく拡大させる一方で、個人の分母コントロールはあまり強化されていないことだ。

LinkedInのユーザー、ジョセフ・エミソン（Joseph Emison）は別の角度からこの問題に答えている。

彼は、多くのクリエイティブ分野の成功者、著名な作家やデザイナー、研究者は、毎日4時間も働けば十分だと観察している。残りの時間はリカバリーや散策、インプットに充てている。これは効率の問題ではなく、認知活動の生理的限界の問題だ。

もしAIが「仕事」と「有効な仕事」をさらに切り離すなら、私たちが再定義すべきは、「ツールの使い方」ではなく、「働き方の長さ」かもしれない。

03 能力の上限は拡大し続けるが、下限は消えつつある

イーグは正直に認める。自分も問題の一部だと。

彼は40年以上のエンジニア経験を持ち、大規模チームを率いたこともある。読書速度は速く、技術実験に十分な時間と資源を持つ。Claude Codeを連続数十時間使い続けて、動作するシステムを構築し、公開もできる。彼の成果は広く知られ、管理層からは「エンジニアの理想的な水準」と見なされている。

彼は書く。「雇用者は私や、私たちのような異端者を見て、『うちの全社員もあんなふうになれるはずだ』と考え始めるだろう」。

LinkedInなどのプラットフォームでは、早期採用者が自分のAI利用度を公開し始めている。ある者は、所属組織が月数千ドルの費用を支払っていると示し、またある者は複数の会話を同時に運用している様子を披露している。これらの情報は、技術コミュニティの関心を集めるとともに、管理層の潜在的な指標となっている。

イーグはこれを「非現実的な美の基準」と呼ぶ。彼は、自分のペースは多くの人に真似できないと認めているし、自分自身も長期的に維持できるか確信はない。しかし、講演や著作を通じて伝えたいのは、「これくらいはできる」というメッセージだ。

LinkedInのリ・アショフ（Leigh Aschoff）は、さらに深い問題を指摘している。彼は、現代人とAIの関わり方は、人間関係における長期的な境界認識の障壁を映し出していると考える。多くの人は、自分の限界を認識し、表現する能力に欠けている。それが人と機械の関係にも移行し、ツールは自動的に停止せず、使用者の疲労を感知しない。

技術が能力の上限を拡大し続ける一方で、下限を認識する能力はますます希少になっている。

04 働き方の再定義が必要

イーグは具体的な提案をしている。AI時代の有効な労働時間は3〜4時間に縮めるべきだと。

これは厳密な検証を経た数字ではなく、経験則に基づく推測だ。彼の観察では、AIは多くの実行性タスクを自動化する一方で、意思決定や判断、問題の再構築といった高次認知活動は人間に残されている。これらの活動は注意力と感情資源を大きく消耗し、並行処理や圧縮では追いつかない。

彼は、あるテックパークを訪れた際、「適切な調整位置に刻度盤を合わせる」ような働き方を見た。開放的な空間、自然光、多様な休憩・交流スペース、自由に仕事と休息を切り替える社員たち。彼は、この環境がAI浸透後もバランスを保てるかは不明だが、現状、多くの組織が採用している「働き続ける時間を変えずに、単位時間あたりの成果を増やす」やり方は持続不可能だと確信している。

彼は、「吸血鬼」ではなく、「自分の限界を知る必要がある」と考える。

彼は最後に、刻度盤を下げることに挑戦している。公開活動を減らし、多くの会合を断り、すべての技術的道を追わず、書き続け、製品を作り、仲間と交流し続ける。しかし、午後にパソコンを閉じて家族と散歩に出る。どこまで針を戻せるかわからないが、方向は正しいと信じている。

より広範な労働者層にとって、この問題はまだ集団的な議題にはなっていない。AIによる生産性向上の物語は主流を占め、疲労についての議論は個人や断片的なものにとどまっている。しかし、次第にこれらの曲線が交差しつつある兆しも見え始めている。

技術はタスクの道筋を短縮したが、働き方の時間は短縮していない。ツールは実行を分担したが、責任は分担しない。効率は納品速度を高めたが、消耗も加速させている。

AIが「もっと速くできる」と絶えず伝える今、もしかすると私たちが本当に問うべきは、「もっと遅くできるかどうか」かもしれない。