AIを最も使いこなしている人が、最も疲れている | AIが脳を焼く時代に私たちはどう生きるべきか
2026年2月のある夜、OpenClaw 開発者のPeter Steinbergerはレストランにいた。
友人たちとの食事。テーブルには料理が並び、会話が弾んでいる。しかし彼は、スマートフォンの画面を見つめていた。コードを読んでいたわけではない。AIにコードを書かせていた。
友人と出かけていたのに、レストランで会話に加わるのではなく、スマホでVibe Codingをしていた。
OpenClawはGitHub星30万超を記録した自律AIエージェント。以前の記事で話題にしたJensen Huangも認めるプロジェクトだ。
その作者が、友人との食事中にもVibe Codingをやめられなくなっていたのだ。
彼はこう続けた。
何よりもメンタルヘルスのために、これはやめなければならないと決めた。
（…これはもはや依存症の告白にすら聞こえる…）
私自身の話をする。数週間前、完全に脳が焼け切った。
何も考えていないのに、同時に全部考えているような状態。開発中のアプリのいいアイデアを出そうとする。座って記事を書こうとする。でもどれだけ頑張っても、何も出てこない。仕事は続けられる。でも人間らしい感覚がない。
私はClaude Codeに40以上のカスタムスキルを組み込み、マルチエージェントでリサーチ、検証、執筆を自動化し、Vibe Codingを使って自作アプリも複数開発していた。脳が焼けるように疲れる・・・。つい先月までスラスラ出ていたアイデアと文章が、ある日からピタッと出なくなった。
これは私だけではないようだった。2026年に入ってから、Xには似たような声が次々と流れてきている。
疲れているのは、AIを使えていない人じゃない
Francesco Bonacci。Cua AIのファウンダー。彼がLinkedInとXに投稿した「Vibe Coding Paralysis」は、エンジニアコミュニティで広く共有された。
Vibe Coding Paralysis: 無限の生産性が脳を壊すとき
AIコーディングツールは「1000x開発者」を約束した。しかし実際には、多くの人が半完成プロジェクト、無限の再計画、奇妙な不安に溺れている。Bonacciはこれを「capability-outpacing-adaptation problem（能力が適応を追い越す問題）」と呼んだ。
数十年間、コーディングの摩擦が強制機能として働いていた。コードを書くのが遅いから、意図的にならざるを得なかった。5つの機能を同時に始めることはできず、その制約が優先順位付けを強制した。
AIがその制約を取り払った。
結果どうなったか。Bonacciは同じ機能の再計画を1日に3回やっている自分に気づいた。計画が間違っていたからではない。計画するほうがコミットするより心地よかったからだ。
Siddhant Khare。OpenFGAのCore Maintainer。彼の「AI fatigue is real and nobody talks about it」はHacker Newsで1位を獲得し、450ポイント以上を集めた。
創造はエネルギーを与える。レビューは消耗させる。
前四半期にキャリア中最多のコードを出荷した。同時にキャリア中最も消耗した。この2つの事実は無関係ではない、と彼は書いた。
AI以前は1日1つの問題に深く集中できた。今は1日に6つの問題に触れ、「AIがあれば各1時間で済む」と考える。しかし6つの問題間のコンテキストスイッチは、人間の脳にとって残酷なほど高コストだ。
TechCrunchは2026年2月9日、こう見出しを打った。
「AIを最も積極的に受け入れた人々から、最初のバーンアウトの兆候が出ている」。
逆説的な状況が浮かび上がる。AIを最も使いこなしている人が、最も疲れている。
BCGが名前をつけた: 「AI Brain Fry」
2026年3月、Harvard Business Reviewに1つの論文が掲載された。
Boston Consulting GroupとUC Riversideの共同研究。1,488人の米国フルタイム労働者を対象にした調査で、研究チームはこの現象に正式な名前をつけた。
『AI Brain Fry』
定義はこうだ。
AIツールの過度な使用、やり取り、監視が、認知能力を超えたことで生じる精神的疲労
症状は具体的だ。頭の中が「ブーン」と鳴る感覚。集中困難を伴うメンタルフォグ。意思決定の遅延。頭痛。
調査結果の数字を見る。
AI利用者のうち14%がBrain Fryを経験している
AI監視による精神的疲労は12%増加する
AI監視による情報過負荷は19%増加する
決定疲労（Decision Fatigue）は33%増加する
Brain Fry経験者の離職意向は39%増加する（Brain Fry非経験者の25%に対し、経験者は34%）
ここで重要な区別がある。AI Brain Fryは、従来のバーンアウトとは違う。
バーンアウトは情動的消耗だ。「もう何もしたくない」「仕事に意味を感じない」。シニシズムと離脱が特徴で、パフォーマンスが低下する。
Brain Fryは認知的消耗だ。やる気はある。仕事は好きだ。でも脳が追いつかない。頭の中が霧に包まれて、判断の質が落ちていく。
Medium上の「AI時代の開発者における高機能バーンアウト」という記事が、この現象を的確に表現している。開発者はデリバリーを続け、期限を守るが、持続的な精神的疲労、意思決定の枯渇、モチベーションの段階的喪失を経験する。組織も測定システムも、この形態の精神的負荷を認識できていない。
（外から見ると「超生産的」に見える人が、中から崩れている…）
BCGの調査にはもう1つ興味深いデータがある。AIツールを3つ同時に使用すると生産性がピークに達し、4つ以上になると低下する。「3ツールの壁」だ。この数字の意味は、後ほど認知科学の観点から解き明かす。
そしてパラドックスがある。
ルーティンタスクをAIに置き換えるとバーンアウトは15%低下する。しかし複数AIシステムの監視とジャグリングは精神的負荷を急増させる。AIはバーンアウトを「軽減」も「増大」もする。使い方次第で、薬にも毒にもなる。
なぜ脳が焼き切れるのか: 認知科学のメカニズム
AI Brain Fryの正体を理解するには、脳の仕組みに立ち戻る必要がある。
John Swellerが1988年に提唱した認知負荷理論によると、人間のワーキングメモリには厳格な制約がある。George Millerが1956年に発見した「7 プラスマイナス 2」の法則。保持時間は最大約20秒。同時に処理できるのは2から4チャンクだ。
認知負荷には3つの種類がある。
内在的負荷: タスク自体の複雑さ。コードの設計判断のようなもの。タスクの本質に依存するため、減らしにくい
外在的負荷: 情報の提示方法に起因する不要な負荷。UI間の切り替え、ツールの操作、フォーマットの違いなど。設計で減らせる
本質的負荷: 学習やスキーマ構築に使われるリソース。意味のある認知的投資
3つは加算される。合計がワーキングメモリの容量を超えたとき、認知過負荷が起きる。
AI利用時に何が起きているか。
内在的負荷は変わらない。コード設計の判断の複雑さは、AIがいてもいなくても同じだ。しかし外在的負荷が爆発する。AIの出力を検証する負荷。複数ツール間のUI切り替え。プロンプトの設計。出力結果の比較。これらすべてが外在的負荷だ。
Brain Fryの主因は、この外在的負荷の増大にある。
そしてタスクスイッチングのコストが追い打ちをかける。
23分15秒の回復コスト
UC IrvineのGloria Markが2008年に発表した研究「中断された仕事のコスト: より高い速度とストレス」。中断後にタスクに戻るまでの平均時間は23分15秒。
この数字を、AIコーディングの文脈で考えてみてほしい。
マルチエージェントコーディングでは、3つのエージェントが並列で走っている。エージェントAがPRを作成する。通知が来る。レビューする。エージェントBがエラーを吐く。切り替える。ログを読む。原因を特定する。プロンプトを修正する。エージェントCの進捗を確認する。
この間、脳は何をしているか。
APAが引用したDavid Meyerの研究によると、タスク切り替えのたびに2つの認知プロセスが発生する。「目標シフト（今はこちらをやる）」と「ルール活性化（前のルールを無効化し、新しいルールを有効化する）」。1回の切り替えは数分の1秒だが、頻繁な切り替えの累積で生産時間の最大40%が失われる。
Gerald Weinbergのデータはさらに辛辣だ。同時タスクを1つ追加するごとに生産性が20%低下する。5つの同時タスクでは80%の低下。つまり5つのことを同時にやっている人の実効的な生産性は、1つのことに集中している人の5分の1しかない。
ちなみに、真のマルチタスクが可能な人間はわずか2.5%だ。「supertaskers」と呼ばれる。残りの97.5%は、マルチタスクをしているつもりで、高速にコンテキストを切り替えているだけだ。
BCGの「3ツールの壁」は、ここに根拠がある。ワーキングメモリの同時処理能力が2から4チャンク。3つのツールまでは何とか回る。4つ目を追加した瞬間、認知容量を超える。
注意残渣: 終わっていないタスクの亡霊
もう1つ、AI利用で深刻なのがSophie Leroyが2009年に発見した「注意残渣（Attention Residue）」だ。
タスクAを中断してタスクBに移っても、タスクAに関する認知活動が持続する現象。タスクBへの完全な集中を妨げ、パフォーマンスを低下させる。
Leroyの実験では、タスクが未完了のまま切り替えると注意残渣が強くなり、次のタスクのパフォーマンスが低下することが確認された。タスクを完了しただけでは不十分で、効果的なタスク遷移には完了以上の管理が必要だった。
AI利用は、構造的に注意残渣を生みやすい。
AIの出力待ちの間に別タスクを始める。エージェントAの結果を確認する前にエージェントBのプロンプトを調整する。複数エージェントを並行管理していると、常に「未完了タスク」が存在する。それぞれのタスクが注意残渣を残し、脳のバックグラウンドプロセスとして走り続ける。
Cal Newportの「Deep Work」理論はこれを裏付ける。高品質の成果 = 費やした時間 x 集中の強度。神経科学者のAndrew Hubermanとの対談でNewportが引用したデータでは、脳はおよそ90分サイクルで最適に集中でき、1回の通知確認でも10分間のフォーカス回復ウィンドウが発生する。
マルチエージェントコーディングは、この回復ウィンドウを永遠に開きっぱなしにする。
マルチエージェントは認知負荷の完全試合
ここまでの認知科学のメカニズムを、マルチエージェントAIコーディングに当てはめてみる。
認知負荷理論でいう外在的負荷の増大。タスクスイッチングコスト。注意残渣の蓄積。Deep Work時間の断片化。マルチエージェントコーディングは、これらすべてを同時に悪化させる。
それは、4車線の高速道路を同時に監視するようなものだ。どの車線で何が起きているかを把握し、事故を予防し、渋滞を解消し、合流を調整する。1車線なら楽だ。2車線でも何とかなる。3車線で限界が来る。4車線目を加えた瞬間、どこかで見落としが起きる。
HBRの別の研究「AIは仕事を減らさない、強化する」（2026年2月）は、これを実証データで示した。UC BerkeleyのAruna Ranganathanが200人規模のテック企業で8ヶ月間のフィールドスタディを行った結果だ。
AIが業務量を増加させたと回答: 83%
アソシエイトのバーンアウト率: 62%
エントリーレベルのバーンアウト率: 61%
AIが解放した時間を、人はToDoリストの拡張に充てた。さらにその先まで拡張し続けた。AIは仕事を減らすのではなく、一貫して仕事を強化した。
Ranganathanの観察は鋭い。従業員はより速いペースで、より広い範囲のタスクに取り組み、より長い時間働いた。しばしば頼まれることなく。AIが「もっとやること」を可能で、アクセス可能で、やりがいがあるように感じさせたからだ。
しかし、ここまでの認知科学は「何が起きているか」を説明しているに過ぎない。もう一段深い層がある。Brain Fryの本質は、単なる過負荷ではない。
評価する脳と、生成する脳
脳には2つの根本的な動作モードがある。
評価モード。外部からの入力を処理し、判断し、比較し、意思決定する。AIの出力をレビューし、プロンプトを最適化し、複数のエージェントを監視する。ワーキングメモリを集中的に使う、意識的で分析的な処理だ。
生成モード。デフォルトモードネットワーク（DMN）が司る。脳が外部タスクに従事していないとき、ぼんやりしているとき、散歩中、シャワーを浴びているときに活性化する。一見バラバラな情報をつなぎ合わせ、パターンを見出し、突破的な洞察を生む。アルキメデスの「ユーレカ」は、このモードから生まれた。
この2つは排他的に動作する。評価モードが強く活性化しているとき、DMNは抑制される。逆もまた然り。
最初の方であげたKhareの言葉を思い出してほしい。「創造はエネルギーを与える。レビューは消耗させる」。これは主観的な感想ではない。2つの認知モードの根本的な違いを、体感レベルで言い当てている。
AIが引き起こしたのは、認知モードの反転。
AI以前、開発者は大半の時間を生成モードで過ごしていた。頭の中でアーキテクチャを構想し、コードを書き、問題を解きほぐす。レビューは全体の一部に過ぎなかった。
AI以後、主要な仕事はレビューになった。AIの出力を検証し、修正指示を出し、複数エージェントの進捗を監視する。生成モードに入る時間が圧迫され、やがて消滅する。
これがBrain Fryの、認知負荷理論だけでは説明しきれない深層だ。単に「脳が疲れている」のではない。知性のもう半分が、使われなくなっている。
心を狭める3つの力
なぜ生成モードはこれほど簡単に失われるのか。3つの構造的な力が働いている。
1つ目。「生産性＝価値」という条件づけ。
産業化の時代から、人間の価値はアウトプットの量で測られてきた。この等式はAI時代にさらに加速している。LOCが増えた。コミットが増えた。PRがマージされた。数字が上がっている。だから正しい方向のはずだ。
しかし生成モードは、外から見ると「何もしていない」ように見える。ぼんやりしている。散歩している。窓の外を見ている。生産性至上主義の文化では、これは怠惰と区別がつかない。だから真っ先に切り捨てられる。
2つ目。能力が制約を飲み込んだ。
Bonacciが「capability-outpacing-adaptation problem」と呼んだもの。かつてコーディングの摩擦は天然の速度制限だった。遅いからこそ、何を作るかを考えた。優先順位をつけた。設計に時間をかけた。
AIがその摩擦を取り払った瞬間、何でも作れるようになった。しかし「何でも作れる」は「何を作るべきかわからない」と紙一重だ。制約は創造性の敵に見えて、実は最大の味方だった。
3つ目。入力が消化能力を超えた。
冷蔵庫に食材が溢れていても、胃が消化できるのは一度にひと皿分だけだ。それ以上詰め込めば、栄養にならない。膨満するだけだ。
AIが生成する出力の速度は、人間の脳が消化できる速度をはるかに超えている。3つのエージェントが並列で走れば、数分ごとに新しい出力が届く。人間の意識が処理できるのは1秒あたりおよそ50ビット。このミスマッチは構造的なものであり、努力や訓練では埋まらない。
過剰刺激は退屈の顔をしている
「何も考えられない」とき、人は自分が退屈だと思うがそれは違う。
脳が焼き切れている。
慢性的に過剰刺激された脳は、快楽順応（hedonic adaptation）によって感受性が鈍麻する。ドーパミン受容体がダウンレギュレートされ、同じ強度の刺激では反応しなくなる。AIが吐き出す新しいコード、新しい可能性、新しいツール。最初は興奮した。今は何も感じない。
しかしこれは退屈ではない。受容体が焼け切って、快楽のトレッドミルの限界まで来ただけだ。先に進めない。戻ってくるしかない。
Carl Jungは、理性的な心がすべてを制御しようとするのをやめたとき、突破的な洞察が活性化されると指摘した。DMNの活性化条件と驚くほど一致する。
外部からのインプットを遮断すると、脳は強制的に生成モードに切り替わる。未処理の思考が浮上する。抑え込んでいた接続が形成される。ゆっくりと、そして急速に、シンプルな気づきが再び訪れるようになる。
Brain Fryの処方箋は「休む」ことではない。評価の脳を黙らせ、生成の脳を起動することだ。
生成する自己への帰還
Brain Fryからの回復は「休む」ことではない。失われた認知モードを取り戻す旅だ。4つの層がある。表面から深層へ、具体的なテクニックから存在のあり方へ。
第一層: 評価の洪水を止める
生成モードを起動するには、まず評価モードの占有率を下げなければならない。
時間で区切ること。入力を絞ること。この2つだ。
2025年にBMC Medical Educationに掲載されたスコーピングレビューでは、32研究（N=5,270）を分析した結果、時間を構造化したポモドーロ介入は集中力の改善、精神的疲労の軽減、タスクパフォーマンスの向上を一貫して示した。94名の実験研究でも、25分+5分のポモドーロ条件は自己調整休憩より疲労度が低く、集中力が高かった。
注目すべきは、自己調整群のほうがパフォーマンスが悪かったことだ。人間は自分の疲労を正確に認識できない。「もう少しいける」という感覚はほぼ確実に嘘をついている。外部タイマーが必要なのは、意志が弱いからではなく、自己認知に構造的な限界があるからだ。
入力の絞り方はもっとシンプルだ。BCGの調査でAIツール3つが生産性のピークだった。ナレッジワーカーはツール間の切り替えだけで年間44時間以上を損失し、998名の研究者を対象とした研究ではGenAIへの高い没入度が認知負荷を増幅した。軽減ではなく、増幅だ。
使うツールを3つに絞る。新しいものを試すなら、古いものを1つ手放す。これは制限ではなく、認知空間の確保だ。
ただし、ここまでは表面の処方にすぎない。評価の洪水を止めただけでは、生成モードは自動的には起動しない。
第二層: 何もしないことの技術
評価の洪水が止まると、最初に訪れるのは不快感だ。
何もすることがない。スマホに手が伸びる。「結果が出たかな」とエージェントの進捗を確認したくなる。この衝動こそが、過剰刺激の証拠だ。
しかし、この不快さを通り抜けたとき、脳のデフォルトモードネットワークが目を覚ます。
タスクに従事していないとき、ぼんやりしているとき、散歩しているときに起動するこのネットワークは、ランダムな洞察、自己省察、未来の想像を担っている。消費している間は活性化できない。
具体的にやることは、ほとんど何もないことだ。
ポモドーロの5分休憩で画面から離れる。エージェントの出力を確認しない。4ブロック後の15-30分の長い休憩で外に出る。ヘッドフォンなし。ただ歩く。最初は何も起きない。不快なだけだ。
しかしJungが指摘したように、理性的な心がすべてを制御しようとするのをやめたとき、突破的な洞察が活性化される。
未完了の思考が浮上し始める。抑えていた接続が形成される。ある一文が頭に浮かび、それがまったく別の問題の解法につながる。ゆっくりと、そして急速に、シンプルな気づきが再び訪れるようになる。
これは退屈ではない。消化だ。代謝にも限界がある。食べすぎれば体が重くなるように、心にも同じことが起きている。情報を消化する時間を持てなかった脳が、やっと分解を始めている。
（…「何もしない」が最も難しいことだなんて、皮肉だ）
第三層: 身体に帰る
脳は身体の一部だ。当たり前のことを、AI時代に改めて思い出す必要がある。
383研究（N=18,347）に基づく2025年のメタレビューは、急性運動が認知機能を有意に改善することを示した（SMD = 0.33、注意力0.37、実行機能0.36）。サイクリングとHIITが特に効果的で、年齢や運動経験を問わない。111のRCT（N=9,538）のメタ分析では、マインドフルネスがワーキングメモリ正確性、抑制、持続的注意に対して有意な効果を示した（g = 0.19〜0.64）。短いセッションでも効果がある。
しかし、なぜ運動や瞑想が効くのかを認知モードの観点から見ると、もう一段深い理解が得られる。
身体を動かすこと。自然に触れること。土をいじること。水辺で釣り糸を垂れること。これらの行為は、評価モードを物理的に遮断する。プロンプトの設計を考えながらペダルを漕ぐことはできない。根の張り方を観察しながらAIの出力を心配することもできない。身体が動いているとき、脳は強制的に「今ここ」に引き戻される。
そして快楽順応の逆転が起きる。
刺激を遮断すると、ドーパミン受容体がアップレギュレートされる。感受性が回復する。散歩中に空の色の変化に気づく。丁寧に育てた植物の成長に目を細める。人生が再び鮮烈になる。仏教で言う「初心」。初めて芝生を見た犬のように、世界がもう一度新鮮に見え始める。
これは認知資源の回復であると同時に、快楽のトレッドミルを逆回転させることだ。AIが生成する高速のドーパミンループから降りて、もっと遅い、もっと深い報酬系に再接続する。
第四層: 溢れたものから創る
ここまでの3つの層は、すべて「引く」行為だった。評価を引く。刺激を引く。速度を引く。
第四層は「足す」。ただし、枯渇した状態から無理に足すのではない。溢れてきたものを形にする。
666名を対象にしたGerlichの研究は、AIの頻繁な使用と批判的思考力の間に有意な負の相関を確認した。しかし同時に、深い会話や説明を求めてAIを使った人は学習が向上した。
違いは、受動的な消費か能動的な対話かだ。AIに答えを求めるのは評価モードの延長にすぎない。しかしAIに「なぜ？」と問い返すとき、別の観点を要求するとき、脳は生成モードに切り替わっている。
Khareの比喩は秀逸だ。GPSに頼りきった結果、脳内マップを構築する能力が萎縮した。同じことが思考力に起きる。
そしてもう1つの重要な分離がある。生成と評価を同時にやらないこと。
多くの人は、アイデアを出しながら同時にそのアイデアを判断する。「これは使えるか？」「受け入れられるか？」。この内なる検閲官が、生成モードを抑制する。まず生成する。判断は後。計画なしで書いてみる。糸口を見つけたら、それを辿る。
そして脳は、意味のある指針を持っているとき、網様体賦活系（RAS）がフィルタとして機能し始める。何百万ものインプットから、その活動に関連する情報を無意識に浮上させる。散歩中の一言、過去の経験、イメージが突然つながり前に進めるようになる。
アイデアは絞り出すものではなく、溢れ出すものだ。
ただし、ただぼーっとするだけではだめだ。指針がなければ、脳は大海原を漂う船だ。嵐は静まった。でも方向がなければ、ただ大海原に浮かんでいるだけで前には進めない。
組織が見落としているもの
個人の対処法だけでは不十分だ。組織がシステムとして問題を放置していれば、個人の努力は砂に水を撒くようなものになる。
LOC（コード行数）KPIの罠
MetaはAI使用をパフォーマンス評価に正式に組み込んだ。MicrosoftはAI使用を従業員に義務化した。GoogleはコードのAI生成比率が50%に達したと発表した。
数字は華々しい。しかしGitClearの大規模分析が不都合な真実を突きつけている。
2億1,100万行のコード分析の結果、AIコーディングアシスタントがコード品質を侵食していると結論づけた。チャーンコード（書いて間もなく書き直されるコード）の著しい増加と、コード再利用の懸念される減少が確認されている。
Faros AIが10,000人以上の開発者のテレメトリデータを分析した結果も同じ方向を指す。AI導入チームではバグ率が9%上昇、コードレビュー時間は91%増加、PRサイズは154%増加した。
AIは「タイピング加速器」であって「思考加速器」ではない。LOCを評価指標にすることは、執筆者を原稿用紙の枚数で評価するようなものだ。多く書けば良い文章になるわけではないし、多くコードを生成すれば良いソフトウェアになるわけでもない。
推奨される代替KPIは、サイクルタイム、欠陥率、デプロイメント頻度。つまり「どれだけ書いたか」ではなく「どれだけ届けたか」だ。
マネージャーのサポートの欠如が疲労を増幅する
Gallupの調査では、AI技術を導入した組織で、マネージャーがAI使用を積極的に支持していると強く同意する従業員はわずか28%だった。
この「サポートの欠如」は数字に直結する。
Irrational Labsの調査では、マネージャーがAIを推奨すると使用率は79%に達する。マネージャーの支持がないと34.4%。2.3倍の差だ。Gallupの調査でも、マネージャーの支持を感じる従業員は、AIが「自分の最善の仕事を助ける」と感じる確率が9倍高いと報告されている。
逆に言えば、マネージャーのサポートなしにAIツールだけを渡された従業員は、自力で使い方を模索し、試行錯誤のコストを一人で負い、疲弊する。BCGの調査ではマネージャーのAI質問対応によって疲労が15%低下するという結果が出ている。
45%の従業員が会社はAIツールの費用を負担していないと回答。マネージャーの72%がAIツールを自腹で購入。32%が未承認のAIツールを使用している。これは「Shadow AI」問題だ。
BCGはこの状況を10-20-70ルールで整理した。
10%: アルゴリズム・モデル（ツールのライセンス、APIコスト）
20%: 技術基盤（データ準備、統合レイヤー、セキュリティ）
70%: 人・プロセス（チェンジマネジメント、トレーニング、ワークフロー再設計、マネージャーコーチング）
多くのAI実装が失敗するのは、10%に過剰投資し、70%を怠るからだ。90%の従業員がAIツールを使用しているが、公式に提供しているのは40%の企業のみ。BCG調査では、AI変革に成功した企業は4社に1社しかない。
MIT Sloanの研究も同じ結論に達している。AIの価値の70%は人とプロセスへの補完的投資に依存し、技術の洗練度には依存しない。
測定できないものは管理できない
ここまでの議論で欠けているのは、「組織がAI Brain Fryをどう測定するか」だ。
NASA-TLXという測定ツールがある。NASAエイムズ研究センターが40以上の実験室シミュレーションを通じて開発し、4,400以上の研究で引用された主観的ワークロード評価ツールだ。精神的要求、身体的要求、時間的要求、努力、パフォーマンス、フラストレーションレベルの6次元で認知負荷を測定する。
100名のAI利用博士課程学生を対象にした研究では、NASA-TLXスコアは67.69。高レベルの精神的チャレンジに直面していることを示す数値だ。
テクノストレス尺度（Digital Stress Scale）も有用だ。ドイツ、イタリア、日本のサンプルで異文化検証済みの10項目短縮版がある。techno-overload、techno-invasion、techno-complexityの3次元を測定する。
KPMGの2025年第3四半期AIパルス調査では、78%のリーダーが従来のKPIではAIの価値の多くを捉えきれないと回答した。「恐怖要因」が「認知疲労」に置き換わったと表現されている。
BCGの研究でワークライフバランスを重視した場合の疲労低下は28%。この数字は、「測定して対処する」組織と「個人に任せる」組織のあいだに生まれる差を示唆している。
私自身の話をする
ここまでデータと理論を積み上げてきた。最後に、冒頭にあげた自分の話をあらためて書く。
数週間前、完全に脳が焼け切った。
何も考えていないのに、同時に全部考えているような状態。開発中のアプリのいいアイデアを出そうとする。座って記事を書こうとする。でもどれだけ頑張っても、何も出てこない。仕事は続けられる。でも人間らしい感覚がない。
私はClaude Codeに40以上のカスタムスキルを組み込み、マルチエージェントでリサーチ、検証、執筆を自動化し、Vibe Codingを使って自作アプリも複数開発していた。脳が焼けるように疲れる・・・。つい先月までスラスラ出ていたアイデアと文章が、ある日からピタッと出なくなった。
Bonacciの麻痺、Khareの消耗、Steinbergerの強迫。全部、身に覚えがある。
今振り返れば、認知モードの反転が起きていた。1日の大半を評価モードで過ごしていた。複数のエージェントが並列で走る間、結果を待ちながらアプリ開発指示プロンプトを設計する。あるいは別のタスクを始める。返ってくるたびにコンテキストを切り替える。Gloria Markの23分15秒が頭をよぎるが、エージェントは数分で結果を返してくる。
Tabula Magazineの記事のタイトルが正確に言い当てている。
「考えるには速すぎる」。まさにこの感覚だ。私の評価と思考がボトルネックになっている。
生成モードに入る時間が、ゼロになっていた。書くことが強制的に感じる。クリエイティブな生き方から外れていた。そしてその状態が長引くほど、焦りが積み重なっていく。なぜ書けないのか。アイデアはどこに消えたのか。
だから意図的にやり方を変え始めた。
まず、AIを集中して触る時間帯を決めた。早朝だ。頭がクリアな時間に評価モードのタスクを集中させ、結果が揃ってからまとめてレビューする。夜はAIを触らない。
タイムボクシングも導入した。25分集中して、5分は画面から離れる。Leroyの「再開準備プラン」も取り入れた。エージェントの結果確認を中断するとき、「次に何を確認するか」をメモしてから離れる。注意残渣が薄くなる。
しかし最も効いたのは、第三層の実践だった。
自然や緑を見ること。土いじり。サイクリング。釣り。
これらは「休憩」ではない。評価する脳を物理的に使えない状態に置く行為だ。
土の匂いを嗅ぎながら植物に水をやっている15分間、エージェントの出力やプロンプト設計のことは一切頭に浮かばない。週末に、海に釣り糸を垂れて釣竿の穂先のわずかな変化を読んでいるとき、脳はようやく評価モードから解放される。サイクリングでペダルを回しているとき、身体のリズムが脳のリズムを書き換えていく。
メタレビューが「サイクリングが特に効果的」と示したデータは、体感と完全に一致する。
そして気づいた。これは認知資源の回復であると同時に、自分自身への帰還でもあった。AIエージェントの出力を管理するマネージャーではなく、自分の手で土に触れ、自分の足でペダルを踏み、自分の目で水面を読む。
生成モードとは結局、自分自身の知覚と判断で世界に関わることだ。
2週間ほど続けたとき、変化が来た。散歩中にふと、ある概念と別の概念がつながった。アプリのアイデアが、強制ではなく、溢れるように浮上してきた。DMNが再び動き始めた感覚。快楽のトレッドミルを逆回転させた結果、シンプルな気づきが再び鮮烈に感じられるようになった。
正直に書くと、生産性は下がった気がする。
測定しなければわからない。だから測定する。1日の作業数、完了タスク数、主観的疲労度を記録し始めた。2週間のデータでは、タイムボクシングを導入した週のほうが、完了タスク数が多く、主観的疲労度が低かった。
（まだサンプルが少なすぎるが…方向は見えてきた。少なくとも、私の生成モードは戻ってきた）
速さの追求から、認知の持続可能性へ
2026年のテック業界は「速さ」に取り憑かれている。
LOCの増加。コミット数の増加。デプロイ頻度の増加。AIが可能にした速度を、組織は貪欲に吸い上げている。
しかしLeadDevの2025年調査では、617人の開発者のうち22%が危機的バーンアウト、24%が中程度バーンアウト、「健全」と答えたのはわずか21%だった。テック労働者の68%がバーンアウト症状を報告している。3年前の49%から上昇している。
この数字が語るのは、速度の代償だけではない。人間の知性を構成する2つのモードのうち、一方が組織的に抑圧されているということだ。
私たちは評価する脳だけを使い、生成する脳を飢えさせている。
個人レベルの処方箋は4つの層で構成される。
第一層、評価の洪水を止める（タイムボクシング、32研究N=5,270。ツールを3つに絞る）。
第二層、何もしないことの技術を身につける（DMNの起動条件を意図的に作る）。
第三層、身体に帰る（運動、383研究N=18,347。自然、土、水）。
第四層、溢れたものから能動的に創る（生成と評価の分離。意味のある指針を磁石にする）。
組織レベルでは、LOC KPIから成果ベースKPIへの転換、マネージャーのAIサポート体制の構築（支持ありで使用率79%、なしで34.4%）、10-20-70ルールに基づく70%の人・プロセス投資、NASA-TLXやテクノストレス尺度による定期的な認知負荷の測定。
BCGの調査が示した最もシンプルで効果的な介入は、ワークライフバランスの重視だった。疲労が28%低下する。ルーティンタスクのAI置換で15%、マネージャーサポートで15%。複雑なフレームワークの前に、まずこの3つだ。
しかしすべての施策の根底にある問いは同じだ。
私たちは何を生成しているのか。
AIは生成を自動化する。コードを書き、文章を作り、画像を生む。だから人間に残されたのは評価だ、というのが素朴な答えだ。しかしそれは半分しか正しくない。
AIが生成するのは「パターンの再結合」であり、人間が生成するのは「意味の創造」だ。なぜこのプロダクトを作るのか。誰のどんな痛みを解決するのか。まだ誰も歩いたことのない道はどこにあるのか。これはAIには生成できない。
今の世界で、創造性こそが最も希少な資源だ。誰でも何でも作れるようになった。だからこそ、何を作るかを選ぶ知性、生成する脳の価値は、かつてなく高い。
Steinbergerはレストランでスマートフォンを置いた。Khareは「いつ止めるかを知ること」が真のスキルだと書いた。止まることは、速度を落とすことではない。生成する脳に、空間を返すことだ。
早朝の静けさの中で。自転車のペダルの上で。土の感触の中で。釣り竿の穂先の微細な変化の中で。その空間は開く。
AIの出力を待つ数分間ではなく、自分の手と足と目で世界に触れる時間の中で。
脳は交換部品ではない。しかしそれは、焼き切れたら困るからだけではない。あなたの脳だけが生成できるもの、まだ誰も見つけていないつながり、まだ形にされていない意味が、この世界にはあるからだ。
免責事項
本稿は投資助言を目的としたものではありません。記載された見解は筆者個人のものであり、特定の投資行動を推奨するものではありません。本稿に記載された情報は、公開されている情報源に基づいていますが、その正確性・完全性を保証するものではありません。投資判断は、ご自身の責任において、十分な調査と専門家への相談の上で行ってください。
