AI QUALITY RESEARCH 2026
ChatGPTで品質が落ちる仕事と
上がる仕事は何が違うか
NBER・arXiv研究から読み解く
128人の知識労働者・全米調査をもとに、AIを使うと逆効果になるケースを具体的に解説
📌 先に結論
- AIを使うと速度・品質ともに上がりやすいタスクと、逆に品質が落ちるタスクがある
- 特に一次情報収集・ファクトチェック系でAIを使うとリスクが高いことが実験で判明
- 「全部AIに任せればいい」ではなく、タスクの種類で使い方を変えることが重要
研究の概要：2本の実証データ
今回紹介する2つの研究は、AIの活用効果を実際の仕事の現場で検証したものです。
| 研究 | 概要 |
|---|---|
| arXiv「Faster, Higher, Stronger?」 （2026年7月） |
128人の知識労働者を対象に、生成AIありとなしで複数のタスクをこなしてもらい、速度・品質を比較した野外実験（フィールドスタディ） |
| NBER「What Work Does Generative AI Do?」 （2026年8月） |
全米の労働者調査から、どの職種・どのタスクでAIが実際に使われているか、使われていないかを分析 |
AIで品質が「上がる」タスク
✅ 効果が出やすいタスク（共通の特徴：アウトプットの形式が決まっている）
✅ ライティング・文章作成
- ブログ記事・メール・SNS投稿の下書き
- 議事録・要約・報告書の文章化
- アイデアを構造化してアウトライン化
✅ コード生成・デバッグ
- 定型的なコードの生成・補完
- エラーメッセージの解説・修正案
- コメント・ドキュメント自動生成
✅ 翻訳・言い換え・校正
- 英文メールの下訳・修正
- 堅さ・柔らかさのトーン調整
- 誤字脱字・表現のばらつきチェック
✅ 構造化・分類・要約
- 大量のテキストのカテゴリ分け
- 長文の要点抽出
- 箇条書き・表形式への変換
arXiv研究では、ライティング・構造化・コード補助系のタスクでは生成AIを使ったグループが「速度」「品質」ともに向上したことを確認。特に熟練度の低いメンバーで効果が顕著だった。
AIで品質が「落ちる」タスク
⚠️ 注意が必要なタスク（共通の特徴：「正確な事実」が判断基準になる）
❌ 一次情報収集・調査
- 最新ニュース・リアルタイム情報の取得
- 特定企業・人物の正確な情報確認
- 法律・規制・制度の最新状況の確認
❌ ファクトチェック
- 統計数値の出典確認
- 引用・参照の正確性検証
- 矛盾・誤情報の検出
❌ 個別具体的な判断
- 「自分の状況に合った」アドバイス
- 法律・医療・税務の個別相談
- 特定の相手への感情的な対応
❌ 関係構築・交渉
- 初対面の相手への提案メール（文面だけでなく戦略も含む）
- クレーム対応・謝罪文（状況理解が必要）
- 採用面接・商談のリアルタイム対応
arXiv研究では、情報収集系のタスクでは生成AIを使ったグループの方が「品質スコアが下がる」ケースが確認された。これはAIが「もっともらしい文章を生成する」特性（ハルシネーション）によるもの。
なぜ「情報収集」でAIを使うと品質が落ちるのか
ChatGPT・Claude・Geminiなどの大規模言語モデルは、「確率的に自然な文章を生成する」ツールです。「正確な事実を検索して返す」ツールではありません。
- 知識のカットオフ（学習データの締め切り日）以降の情報は持っていない
- 「それっぽい答え」を生成することと「正しい答えを探すこと」は別の処理
- 間違っていても自信満々に回答する（AIはためらわない）
⚠️ 特に危険なパターン
- 「〇〇の統計データを教えて」→ AIが存在しない数値を生成することがある
- 「〇〇社の代表者名は？」→ 古い情報・誤情報を返すことがある
- 「〇〇の法律では？」→ 廃止された法律や条文の解釈を誤って返すことがある
実務での正しい使い分け（タスク別ガイド）
| タスク | AIの使い方 | 注意点 |
|---|---|---|
| ブログ記事作成 | アウトライン・下書き生成はAIに任せる | 統計・引用は必ず一次ソースで確認 |
| メール作成 | 文体・構成・礼儀表現をAIで強化 | 相手の状況・感情はAIに任せない |
| 市場調査 | 調査の枠組み・質問設計を補助させる | 実際のデータ収集は公式ソース必須 |
| 資料作成 | スライド構成・文章のブラッシュアップ | 数値・固有名詞は人間が確認 |
| 顧客対応 | 返信文のたたき台生成 | 送信前に状況を読んで必ず修正 |
| コーディング | 関数生成・バグ修正提案 | 動作確認は必ず自分でテスト |
「使いこなし」と「丸投げ」の差
NBER調査が明らかにしたのは、AIを使う人・使わない人の差が大きいということでした。しかしそれ以上に重要なのは、AIを使う人の中でも「使いこなす人」と「丸投げする人」では品質が大きく変わるという事実です。
✅ 使いこなす人の特徴
- AIが得意なタスクとそうでないタスクを区別している
- AIの出力を必ずレビューしてから使う
- 一次ソースを自分で確認する習慣がある
- AIに任せることで生まれた時間を価値判断に使う
❌ 丸投げする人の特徴
- AIが出したものをそのままコピペする
- 情報の正確性をAIに任せている
- AIが生成した統計・引用をチェックしない
- 「AIが言ったから正しい」と考える
まとめ
- ✅ ライティング・コード・構造化・翻訳はAI活用で速度・品質が上がりやすい
- ⚠️ 一次情報収集・ファクトチェックでAIを使うと品質が落ちるリスクがある
- ✅ AIは「確率的に自然な文章を生成する」ツールであり「正確な事実を検索する」ツールではない
- ✅ AI活用の鍵は「どこを任せてどこを自分でやるか」の判断力にある
参考：arXiv:2607.25922「Faster, Higher, Stronger? The Impact of GenAI on Knowledge Work Productivity」(2026/7)、NBER Working Paper No.35677「What Work Does Generative AI Do?」(2026/8)
