分析 · 働き方

AI Brain Fry:調査が示すことと、複数の AI の実行をリズムよく進める方法

AI Brain Fry は、2026年3月の HBR の研究が、AIツールの過度な使用や監督による精神的疲労につけた名前です。この記事では、数字を整理し、なぜコンテキストの切り替えや監督にこれほど注意力が奪われるのかを説明し、複数のAIの実行を並行して進めるための作業リズムを紹介します。

要点
  • 用語:コンサルティング会社 BCG の研究者による HBR の調査(2026年3月5日)は、AI ツールを使いすぎたり監督しすぎたりすることによる頭の疲労を「AI Brain Fry」と呼んでいます。医学的な診断名ではありません。
  • 普及状況:米国の大企業でAIを使う人の14 %が、これを経験したことがあります(1,488人の回答者、自己申告)。これは全従業員の14 %ではなく、質問は「これまでに経験したことがあるか」でした。
  • パーセント値:監督、疲労、意思決定疲労、ミス、バーンアウトの値は、スケール値の相対的な差であり、人数の割合ではありません。例:AIを多く監督する人は、平均して精神的な負荷が14 %多いと答えています。
  • コンテキストスイッチ:切り替えにコストがかかることは、実験室で確認されています(Monsell 2003、Rubinstein et al. 2001)。この研究では、タスクの切り替えに関する質問との関連は、情報過多との関連ほど明確ではありません。
  • 反対の見方:AIでルーティン作業が減ると、バーンアウトの値が15 %低くなる傾向がありました。ある現場調査では、1時間あたりの解決件数が平均15 %増えていました(Brynjolfsson et al. 2025)。
  • 作業リズム:開始、集中、収穫。通知は収穫のときにだけ読み、確認できる数だけ実行します。個々の要素については他の分野に手がかりがあります(まとめて受け取る通知について Fitz 2019、Masicampo と Baumeister 2011)が、AI の監督については検証されたものはありません。

日によっては、5〜6個のAIの実行が同時に動いています。起動には数分かかります。その後、結果が順番に届き、どれも確認、修正、承認が必要です。私は文章、リサーチ、下書きの間を行き来します。これがすでに AI Brain Fry なのかどうかは、私には言えません。そのための診断はないからです。

AIエージェントを使ったり、会社にAIを導入したりすると、いつか複数の実行を同時に動かすことになり、同じ疑問にぶつかります。意味のある形でチェックできるのは、あといくつまでか。この記事では、AI Brain Fryの研究が示していることを整理し、コンテキスト切り替えに関する研究を紹介し、反対の見方を示したうえで、私の作業リズムを説明します。

AI Brain Fry:定義とバーンアウトとの違い

「AI Brain Fry」という言葉は、Bedard、Kropp、Hsu、Karaman、Hawes、Rosen Kellermanが、2026年3月5日付のHBR記事「When Using AI Leads to ‚Brain Fry‘」で提唱しました。全員がコンサルティング会社BCGに所属しており、うち2人はカリフォルニア大学リバーサイド校で博士課程にも在籍しています。彼らの定義を意訳すると、自分の認知能力を超えてAIツールを使いすぎたり監督しすぎたりすることによる精神的疲労です。ドイツ語では定着した言葉がありません。メディアは「AI疲れ」「AIバーンアウト」「AI Fatigue」と書き、ある専門ポータルは「揚げ脳」という見出しをつけています。

AI Brain Fryは、バーンアウトと同じではありません。著者らは、バーンアウトを感情的な消耗を伴う慢性的な仕事のストレスと説明しています。Brain Fryは、彼らの見方では、注意力、ワーキングメモリ、自分の思考の制御に対する急性の過負荷です。医学的な診断ではありません。

出どころについての注意:BCG 自身が AI 導入のコンサルティングを販売しています。この記事は、AI の取り組みにかける労力の 70 % を、人とプロセスに充てることを勧めています。だから数字が間違っているということではありませんが、このテーマに利害があることはわかります。

調査の数字と、その読み方

調査対象は、米国の大企業で働く 1,488 人のフルタイム従業員で、1 回限り、自己申告によるものです。調査方法を示した質問票やワーキングペーパーは見つかりませんでした。どの数字についても重要なのは、それが実際に何を測っているかです。

調査の主張数字の読み方
AI を使う人の 14 % が、ブレインフライを経験したことがあると答えました割合は人の数ですが、対象は米国の大企業のAI利用者だけで、質問は「これまでに経験したことがある」というものでした。「7人に1人がこれに苦しんでいる」と言うのは誤りです。
AIに対する監督が低いのではなく高い場合:精神的な負荷が14 %増え、精神的な疲労が12 %増え、情報過多が19 %増える自己申告によるスケール値の、2つのグループ間の相対的な差であり、人数の割合ではありません。
Brain Fryがある場合:意思決定疲労が33 %増え、小さなミスが11 %、大きなミスが39 %増えるこちらも自己申告の尺度値であり、数えたミスの件数ではありません。「Brain Fry で重大なミスが 39 % 増える」は誤りになります。
退職の意向:Brain Fryなしで25 %、ありで34 %人々の割合の比較です。HBR が示す相対的な数値は、報告された値からは再計算できないため、ここには載せていません。
職種別:マーケティング職の従業員の26 %、法務職の6 %が、Brain Fryを経験したと答えました米国の大企業の職務であり、業種ではありません。
同時に使うAIツール:体感の生産性は1つから2つで大きく上がり、その後は弱まり、4つ目からはわずかに下がる測定されているのは、体感の生産性です。ツールを数えたのか、エージェントを数えたのかは不明です。ここからエージェントの限界が導かれるわけではありません。

日常にとっては、どんなパーセンテージよりも2つの結果のほうが重要です。1つ目は、負担と精神的疲労に主に関連していたのが、AIの出力を継続的に監督することと、AIによって増えた作業量だったことです。研究の中心にあるのは監督です。2つ目はコンテキストの切り替えです。自由記述の回答では、情報過多とタスクの切り替えが重要な要因として挙げられています。ただし、タスクの切り替えに関する質問との統計的な関連は、情報過多との関連ほど明確ではありません。この研究では、コンテキストの切り替えを「主な原因」とは言えません。

もう1つ留保があります。著者らは、AIの利用が疲労の「may be causing」であり、監督がそれを「predicted」と書いています。これは、もっともな理由のある慎重な表現です。横断的な調査では逆の向きも考えられます。もともと負荷が高い人は、監督をより負担に感じるのかもしれません。

コンテキストスイッチと監督:なぜこれほど注意力を消耗するのか

タスクの切り替えが時間と正確さを損なうことは、心理学が何十年も研究してきましたが、AI を使った仕事についてではありません。記載は研究の要約に基づいており、Mark については論文によります。

  • 切り替えコスト:タスクを切り替えた後、人は実験室では反応が遅くなり、たいてい間違いも増えます。準備をするとコストは下がりますが、なくなりません(Monsell 2003、単純なタスクに関するレビュー論文)。コストはルールが複雑になるほど増え、手がかりがあると減り、慣れないタスクでは大きくなります(Rubinstein, Meyer, Evans 2001)。
  • 注意の残り:未完了のタスクから注意がなかなか離れず、次のタスクのパフォーマンスが落ちます。これを表す専門用語が「Attention Residue」です(Leroy 2009、2件の実験)。
  • 中断:ある会社の従業員24人(各3.5日間観察、研究期間13か月)では、作業単位の57 %が中断されていました。中断された作業に同じ日のうちに戻るまでの時間は、平均25分26秒でした。ばらつきは非常に大きく(標準偏差54分48秒)、同じ日のうちに作業が再開されたのは77 %にとどまりました(Mark, Gonzalez, Harris 2005)。実験室では、中断された人は作業が速くなりましたが、その分ストレスと負担が増えました(Mark, Gudith, Klocke 2008、参加者48人、大半が学生)。
  • 自動化の監督:自動化されたシステムを監視する人は、負荷が重なるとチェックが甘くなり(Complacency)、専門家でも提案に従いすぎます(Automation Bias)。トレーニングでは防げません(Parasuraman and Manzey 2010、レビュー論文)。

私の解釈:5つの実行を管理する人は、5つの作業の間を切り替えながら、他者の結果を絶えずチェックしています。この両方が重なることは、この研究と関連する研究が示す内容と合致します。ただし、AIを使う仕事で証明されているわけではありません。実験室やオフィスでの研究はAIエージェントの登場前のもので、中断に関する研究はサンプルが小さいです。

切り替えにコストがかかることは裏付けられています。AI の監督については、有効な対策は検証されていません。

反対の見方:ルーティンを手放すと楽になる

同じ研究には、負担の数字の陰に隠れやすい、もう1つのメッセージがあります。AIによって定型作業が減った従業員は、バーンアウトの値が15 %低いと答えました。精神的疲労の値は低くありませんでした。これも自己申告に基づく関連ですが、AIの利用を一律に負担と読むことへの反論になります。また、疲労が少ないことと関連していたのは、上司がAIに関する質問に答えてくれること(15 %減)と、会社がワークライフバランスを重視していると従業員が感じていること(28 %減)でした。

あるフィールド研究も、同じ方向を示しています。Brynjolfsson、Li、Raymondは、「Generative AI at Work」(2025年発表)で、2020年と2021年にAIアシスタントが段階的に導入された5,172人のサポート担当者のデータを分析しました。平均すると、1時間あたりの解決件数が15 %増えました。経験の浅い人や資格の低い人のほうが恩恵が大きく、最も経験豊富な人ではスピードの向上も品質の低下も小さいものでした。担当者の心身の状態は直接測られておらず、2020年のアシスタントを使ったサポートは、複数のエージェントを管理することとは別物です。

データでは、負担と軽減の両方が並んで表れています。私の読み方は、自分の許容量にどれだけの監督が収まるかによる、というものです。AI を減らせばよい、ということにはなりません。

データでは、負担と軽減の両方が並んで表れています。

作業リズム:開始、集中、収穫

ここからは、私の仕事の進め方を説明します。これは一人で事業を営む者の経験であり、検証済みの方法ではありません。各要素について他の分野の裏付けがある場合は、そこに併記しています。これらの要素が AI の監督でも同じように効くかどうかは、まだわかっていません。

基本の考え方:AI との接点を限定し、実行にかかる時間は決めません。決まった時間にだけ見に行くなら、長くかかってもかまいません。そこから 3 つのブロックが生まれます:

ブロック何が起こるか所要時間
開始すべての依頼を順番に送る。それぞれに明確な成果を設定して15〜30 分
集中私にしか解けない自分の課題を 1 つ。結果は読まず、実行も見ない90〜120 分
収穫結果を確認し、承認し、修正を新しい依頼として開始する(これが同時に次の開始になります)30〜45 分
開始、フォーカス、収穫:実行状況を見るのは、決まった時間だけです。

開始:同種の依頼をバッチで

開始時に大切なのは、整った依頼です。同種のタスクは、5〜6 件並行してバッチとして送ります。バッチに入らないものは、次の開始まで待ちます。準備と手がかりとなる合図は、切り替えのコストを下げます(Rubinstein、Monsell)。だから依頼の中に、完成した結果をどう見分けるか、それを何に使うつもりかを 1 文入れておくと役立ちます。これは実験室での知見を当てはめたものです。

集中:通知は収穫のときにだけ読む

フォーカスブロックの間は、結果を読まず、実行状況も見ません。通知は届いても構いませんが、読むのは収穫の時間になってからです。これはまとめて受け取るよりもさらに控えめな方法です。通知は1件ずつ届き続け、私はただそのままにしておきます。

まとめて通知することについては、スマートフォンでのフィールド実験があります。Fitz たち(2019)は、237人に、通知をこれまでどおり受け取る、1 日 3 回まとめて届ける、まったく受け取らない、のいずれかを行ってもらいました。まとめて届けたグループは、集中力が高まり、気分が良くなり、ストレスが減ったと報告しました。通知をまったく受け取らなかったグループは、ほとんど利点がなく、不安が増え、何かを見逃すのではという心配も増えました。つまり、まとめて届けるほうが、オフにするよりも良かったのです。集中ブロックをこの方法で支えたい人は、通知をまとめて届くように設定します。単に放っておくだけで同じ効果があるかどうかは、この研究では示されていません。iPhone と Pixel の設定は、常に連絡がつく状態についての記事に載っています。

収穫:確認し、承認し、切り替えを記録する

収穫フェーズでは、結果を順番に確認して承認し、修正は新しい依頼として送り出します。同時に、次のスタートが始まります。2つの結果の間で切り替えるときや、自分の作業に戻るときは、どこからどう再開するかを1文でメモできます。Masicampo と Baumeister は2011年に、実験室での実験で、目標をいつどのように片付けるかという具体的な計画が、未完了の目標による妨げを止めることを示しました。放置されたAIの結果にも当てはまるかどうかについては、研究を見つけられませんでした。

収穫と新しいスタートのあと、次の集中ブロックが始まる前には、本当の休憩が役に立ちます。あるメタ分析(22件のサンプル、2,335人)では、マイクロ休憩が活力を高め、疲労を下げることがわかりました。どちらも小さな効果です(Albulescu et al. 2022)。負荷の高い仕事でのパフォーマンスについては効果が確認されておらず、この推奨はウェルビーイングを根拠にしています。

確認できる数だけの実行

ボトルネックは開始ではなく確認です。収穫が勤務時間に収まらなくなったら、その日は満杯です。これは体験談とも一致します。Addy Osmani はエージェントの数を自分のレビュー速度に合わせており、ほとんどの人にとっては 1 桁の小さな数だと書いています(The Orchestration Tax、2026)。Simon Willison は、自分の言葉では、一度に集中できるのは 1 つの大きな変更の確認と取り込みだけだそうです(2025)。

HBRの研究にある3つのツールという閾値は、何を数えたのかが不明確なので、実行数の目安としては使えません。テストとしては、簡単なルールで十分です。次の収穫ブロックで丁寧に確認できる数だけ実行を始めてください。1週間後に、いくつの結果が手つかずで残ったかを見ます。

研究結果の限界

Brain Fry の調査は、自己申告と横断的調査に基づいており、米国の大企業のもので、査読のない経営誌に掲載されました。Brain Fry の質問は「これまでに」を使った 1 つのはい・いいえの項目で、検証された質問票ではありません。意思決定疲労が 33 % 多いというのは、尺度上の値です。その背景にある仕組み(自我消耗)は、2 件の大規模な追試で確実には示せませんでした(Hagger ら 2016、Vohs ら 2021)。

対策については、根拠が乏しい状況です。Fitz、Masicampo、Albulescu が調べたのは、スマートフォン、実験室での課題、休憩であり、AI の監督ではありません。複数のエージェントを使う一人事業主についての研究は見つかりませんでした。私自身の体験は、1 つのデータ点にすぎません。似たような実行を扱う人は、このリズムを仮説として試し、自分の収穫で測ることができます。

AIの実行を日常でどう進めているか、そこで何がうまくいかないかは、毎週日曜日に配信されるニュースレターAI Syncで紹介しています。

自分で行う必要なものは、すべてそろっています。

このページのことはすべて、私の手を借りずに実践できます。新しいツールや変更はここに追記し、毎週日曜日にニュースレターでヒントをお届けします。

AI Syncへ
任せるまとめて承認用に届けるAIの流れ

AIの業務フローを一緒に設定します。結果は決まった時間にまとめて届き、承認できる形になります。誰が何を確認するかも一緒に決めます。現地ではEisenstadtからMattersburgやWiener Neustadtまで、オンラインならドイツ語圏全域に対応しています。

詳しく見る

よくある質問

AI Brain Fryとは何ですか?

AI Brain Fry は、コンサルティング会社 BCG の研究者による HBR の調査(2026年3月5日)に出てくる用語です。AI ツールを自分の許容量を超えて使いすぎたり監督しすぎたりすることによる、頭の疲労を指します。この用語は医学的な診断名ではありません。この調査は、米国の大企業で働く 1,488 人の自己申告に基づいています。

AI Brain Fryはどのくらい多いのですか?

この調査では、AIを使う人の14 %が、それを経験したことがあると答えました。これは米国の大企業のAI利用者についての結果で、質問は「これまでに経験したことがあるか」でした。職種によって値は大きく異なり、マーケティング職では26 %、法務職では6 %でした。オーストリアの個人事業主や中小企業については、数字は把握していません。

AI Brain Fryはバーンアウトと同じですか?

いいえ。著者らは、バーンアウトを感情的な消耗を伴う慢性的な仕事のストレス、Brain Fryを注意力とワーキングメモリの急性の過負荷と説明しています。この研究では、AIでルーティン作業が減ると、バーンアウトの値が15 %低くなる傾向がありましたが、精神的疲労の値は低くなりませんでした。それでもメディアは「AIバーンアウト」と書くことがよくあります。

AIツールやエージェントを同時にいくつ使うと多すぎますか?

決まった数字は、どの研究でも見つかりませんでした。この研究では、体感の生産性は、同時に使うツールが1つから2つに増えると大きく上がり、その後は弱まり、4つ目からはわずかに下がりました。何を数えたのかは不明です。開発者のAddy Osmaniは、エージェントの数を自分の確認できる量に合わせ、ほとんどの人には1桁の小さな数を挙げています。これは経験則です。

AI Brain Fryには何が効きますか?

AI の監督については、検証された対策はありません。他の分野には手がかりがあります。1 日 3 回にまとめた通知(Fitz ら 2019、237 人)、未完了のことへの具体的な計画(Masicampo と Baumeister 2011)、疲れに対する短い休憩(Albulescu ら 2022)です。調査自体は、ルーティンを手放すことと、監督の境界を決めることを挙げています。これが AI の監督でも効くかどうかは、まだわかっていません。

AIは疲れさせるのか、それとも負担を軽くするのか?

どちらもデータに現れています。AIに対する監督が低いのではなく高い場合、精神的疲労が12 %多いことと関連していました(自己申告による相対的な差)。ルーティン作業が減ったことは、バーンアウトの値が15 %低いことと関連していました。5,172人のサポート担当者を対象にした現場研究では、AIアシスタントを使った担当者は、1時間あたり平均15 %多くの案件を解決しました(Brynjolfsson et al. 2025)。

この記事の変更履歴

  • 2026年11月10日初版。
Christoph Harrison
Christoph HarrisonAIアドバイザー兼ネットワークエンジニア、Eisenstadt

Harrison NetworksとLumen Mediaの創業者。自社でAIを毎日使い、それをAIアドバイスとしてKMUと一緒に実践しています。

お問い合わせ

ドイツ語か英語でご連絡ください。

Christoph Harrison新しいプロジェクトを受け付けています