AI協働とリレーションスリッピング、チーム運営の基準

AIで仕事を早く終えられても、同僚と協力する力は弱まることがあります。同僚ではなくAIを頼ることで仕事上の関係が緩む現象が、リレーションスリッピングです。チーム運営では、質問できる環境と知識の共有方法を併せて点検する必要があります。

この記事の調査数値は、2026年10月15日に発行されたHBRの研究紹介に基づいています。

リレーションスリッピングとは何ですか？

リレーションスリッピングは、AIが同僚とのやり取りに取って代わることで、仕事上の関係が弱まる現象です。研究者が使った英語の名称はRelationslippingです。重要なのは、AIの使用量よりも、同僚と交わしていた会話がどう変わるかです。

同僚に質問すると、回答だけでなく、その人の経験も知ることができます。説明を聞く過程では、問題を判断する基準を学びます。こうした経験は、次に誰に助けを求めるかを判断する根拠になります。

HBRの研究紹介では、関係が弱まる過程を説明しています。会話を省くと、同僚の専門性を新たに知る機会が減ります。AIが作業の過程を代わりに担うと、同僚の判断も分かりにくくなります。この説明は、HBRの研究紹介の要約で確認できます。

×

AIの活用過程や判断の根拠を同僚と共有するための基準が必要です。

調査の数値が示す範囲

調査は、同僚の代わりにAIを使う行動とチーム内の関係との関連を示しています。対象は、米国のプロジェクトチームで働くフルタイムの事務職1千人余りです。調査結果は、2026年10月にHBRで紹介されました。

上記の数値は、BetterUpの研究紹介の投稿でも確認できます。公開されている要約だけでは、比較対象の集団や計算式をすべて確認するのは難しいです。調査の実施日も発行日と区別する必要があります。

アンケートで見られた差だけでは、因果関係は確定しません。関係の弱いチームでAIをより頼っていた可能性も考慮する必要があります。この数値を、すべての組織に当てはまる効果の大きさとして使わないでください。

個人の生産性とチームの協働の比較

個人の生産性は、自分の作業を終える能力に焦点を当てます。チームの協働には、互いの知識を結び付ける過程が含まれます。そのため、個人の作業速度だけでチームの成果を判断するのは難しいです。

この表は、研究の問題意識をチームの点検に当てはめた区分です。検証済みの評価尺度や診断ツールではありません。チームの業務に合う項目を選び、対話の基準として活用してください。

心理的安全性と質問のハードル

心理的安全性とは、質問やミスを表に出しても、不利益を心配せずに済むという認識です。質問が評価に悪く影響するのではないかと心配になると、同僚を頼りにくくなります。AIは、こうした対人関係の負担なしに質問できる相手になり得ます。

リーダーであれば、質問を受けた瞬間の反応から点検してください。ため息や無視する態度は、次の質問をためらわせることがあります。すぐに答えるのが難しい場合は、いつなら応答できるかを伝える方法があります。

• 質問のレベルを評価する前に、どこで行き詰まっているかを確認してください。
• 答えが分からないときは、一緒に確認する対象を案内してください。
• 意見が異なるときは、判断の根拠を説明してください。
• 助けを求めた行動を、無能さの表れと決めつけないでください。

非同期のコミュニケーションに含める内容

非同期のコミュニケーションは、同じ時間に接続していなくても続けられる会話です。Slackやメールに残した内容を後から読んで返信する方法が該当します。研究者は、こうしたチャネルで同僚と継続的にやり取りすることを提案しています。

業務が完了したかどうかだけを投稿すると、判断が必要な点が見えないことがあります。作業中に悩んでいることも共有できるように案内してください。同僚の経験が必要な部分を具体的に書く方法が役立ちます。

• 現在行き詰まっている点と、すでに確認した内容
• AIの回答で、まだ判断できていない部分
• 業務中に新たに知った事実とその根拠
• 同僚の経験や検討が必要な質問

毎日連絡するという条件を、常時待機する義務に変えないでください。非同期チャネルは、すぐに応答しなくてもよいコミュニケーションの方法です。メッセージの数だけで協働の水準を評価するのも難しいです。

AIの活用過程を共有する基準

AIの成果物を共有するときは、人が下した判断も併せて残す必要があります。完成した分析だけでは、どのような質問が効果的だったのか分かりにくいです。同僚が同じ仕事をするときに参考にできるよう、過程を整理してください。

顧客分析にAIを活用する場面を例に挙げることができます。以下の項目は、結果をチームの知識として残すための提案です。実際の企業の成果や、検証済みの時間短縮事例ではありません。

プロンプトだけを保存すると、結果を採用した理由が抜け落ちることがあります。修正した理由まで残すと、同僚の判断を理解する手がかりが生まれます。こうした記録を他の人が活用したかどうかも、併せて確認してください。

AI活用の成果を評価する基準

評価には、個人の作業成果とチームに残した貢献を併せて含めることができます。AIを使いこなしているかを確認するだけでは、知識が共有されているかは分かりにくいです。同僚が活用できる形で経験を残したかどうかも確認してください。

以下は、研究者による知識共有の提案を評価に当てはめた例です。別途、点数や重みを定めた基準ではありません。チームの仕事の進め方に合わせて、観察する内容を選んでください。

• 他のメンバーが活用できる作業方法を残したかどうか
• AIの回答を修正した理由を同僚に説明したかどうか
• 同僚の質問や検討の依頼に協力したかどうか
• 共有した方法が実際の業務で再び使われたかどうか

よくある間違いと数値の誤解

最もよくある誤解は、関係についての調査数値を業務成果に置き換えて読むことです。調査項目が変われば、同じ数字でも意味が変わります。次の区別を保つことで、結果を誇張せずに済みます。

チームで最初に点検する順序

点検は、最近の実際の作業で減った会話を探すことから始めてください。チーム全体についての漠然とした印象よりも、1つの作業を取り上げる方が議論しやすいです。以下の順序は、研究の問題意識を当てはめた運営上の提案です。

1. 最近AIを活用した作業を1つ選んでください。どのような問題を解決しようとしたのかを確認します。
2. その過程で、省略した同僚との会話があったかどうかを確認してください。必要な経験を見落としていなかったかを検討します。
3. AIの結果に適用した人の判断を記録してください。同僚が参考にできるチャネルに残します。
4. 次の類似作業で記録が活用されたかどうかを確認してください。役に立たなかった部分は、共有方法を修正します。