「月200件、AIに質問すること」というノルマを課したら、社員は質問の"水増し"を覚えた。

「使わせる」ために、数を目標にした

AIアシスタントを社員に使ってほしい会社は多い。だが「便利だから自然に使われる」は、たいてい期待通りには進まない。そこで多くの企業が取る手段が、利用件数そのものをノルマにすることだ。Gong, Hou, Li, Pu & Yao(2026)が調査した大手医療機器企業も、その一つだった。

対象は従業員約5,000人。会社はまず、月に最低200件のAIアシスタント利用を義務とする方針を導入した。狙いはシンプルだ——使われなければ投資は回収できない。数字で縛れば、使用率は上がるはずだった。

実際、利用は増えた。だがクエリの中身を精査すると、会社が期待していた「業務でAIに相談する」という行動とは違う何かが起きていた。件数が、ちょうど200件のところに不自然に集中していたのだ。

クエリの31%が、重複または業務外だった

研究チームがクエリの内容を分析すると、31%が重複または業務に関係のないクエリだったと判明した。「今日の天気」「適当な一言を書いて」といった、ノルマの数字を埋めるためだけの質問、あるいは同じ質問の使い回しが、全体の3分の1近くを占めていたことになる。

これ自体は、目標管理の現場ではよく知られた現象だ。測定された数字が評価や処遇に結びつくと、人はその数字を最も低コストで満たす方法を見つける。200件という閾値ちょうどへのクエリ数の集中は、その最も分かりやすい証拠だった——「199件でやめた社員」はほとんどおらず、多くが律儀に200件という一線を越えてから止まっていた。

目標を半分にしたら、減った分の9割が「水増し」だった

ここからが、この論文がただの「AIノルマの失敗談」で終わらない理由だ。会社は次に、ノルマを月200件から月100件へ引き下げた。普通に考えれば、目標を緩めれば利用は減るだけに見える。

実際、クエリの総量は約30%減少した。だがその中身を分解すると、減少分のおよそ90%は、重複または業務外のクエリだった。業務に関連するクエリの量はほとんど変わらず、統計的に意味のある減少は確認されなかった。

さらに、営業部門の従業員に限ると、ノルマ引き下げ後に月間売上が7%増加したという結果も報告されている。無理な件数ノルマを外されたことで、AIに向き合う時間が「数を埋める作業」から「実際に使える場面で使う」方向へシフトした、という解釈が成り立つ。

「測定が目標になると、測定は機能しなくなる」

この現象には、半世紀前から名前が付いている。英国の経済学者Charles Goodhartが1975年に述べたGoodhartの法則——「ある指標が目標として使われるようになった瞬間、それは良い指標ではなくなる」。学校のテストスコアを目標にすれば教師はテスト対策だけを教え、コールセンターの応答件数を目標にすれば早口の無意味な通話が増える。AI利用件数も、例外ではなかった。

目標の数字を下げる方が、測定の質を上げることがある

この研究が提案する「適応的インセンティブ設計」の核心は単純だ——固定の高い目標を一度決めて動かさないのではなく、実際の利用データを見ながら閾値そのものを調整し続けるという発想。200件という数字に固執せず、クエリの中身が水増しだらけだと分かれば、目標を下げてでも「本物」の比率を上げる方を選ぶ。

これは、"社員の幸せ"を謳う会社ほど、休みが増えていたという記事で見た構図とも重なる。発信された指標(ウェルビーイングへの言及度)が、実際の行動(休暇取得)を動かしたが、それが健康そのものを動かしたとは限らなかった——指標と、指標が本来測ろうとしていた実体との間には、常にすき間がある。AI利用ノルマも同じで、「使った件数」は「AIで業務が改善したかどうか」の代理変数に過ぎない。代理変数を目標にすれば、人はいつでも代理変数だけを満たす近道を見つける。

参考文献

本記事の要約・引用元。