AI媒介コミュニケーション：職場でAIが書き、要約し、返信するとき何が起こるか

著者: Victor Hoang · 更新日: 2026年9月22日

AI媒介コミュニケーション（AI-MC）とは、知的なエージェントが誰かに代わってメッセージを下書きし、拡張し、短縮し、または返信する、対人コミュニケーションのことです。この用語は、スタンフォード大学のJeffrey Hancockらが2020年に、対人的な目的を達成するためにコミュニケーションの当事者に代わって動く計算エージェントとして定義したものです。そのエージェントは今や、ほぼすべての仕事のメッセージの両端に存在しています。

本記事は、AIが書いた文章が文法的に問題ないかどうかを論じるものではありません。たいていは問題ありません。論じるのは、書くことと読むことの両方を機械に任せたとき、人間関係に何が起こるかです。かつて気遣いの証だった手間が消え、メッセージが膨らんだあと、誰も中身を読まないまま再び圧縮され、受け手は少しでも整いすぎた文面を黙って割り引いて受け取るようになります。そのどれもスペルチェックでは見つかりません。けれども、半年後に互いをどれだけ信頼できているかには、そのすべてが表れます。

重要なポイント

• AI媒介コミュニケーションは2020年に正式に定義されました。 Hancock、Naaman、Levyは、AI-MCを「コミュニケーションまたは対人的な目的を達成するために、計算エージェントがコミュニケーションの当事者に代わってメッセージを修正、拡張、または生成する、人と人との間の媒介されたコミュニケーション」と定義しています。Hancock, Naaman & Levy, Journal of Computer-Mediated Communication (2020)
• AIが書いたと受け取られた文章は、言葉がまったく同じでも信頼性が低く評価されます。 スタンフォード大学のJakesch、French、Ma、Hancock、NaamanはAirbnbのプロフィールを使った実験を行い、AI生成と疑われた、またはそう表示されたプロフィールで信頼性の評価が顕著に下がることを確認しました。いわゆる「レプリカント効果」です。Jakesch et al., Stanford Social Media Lab (2019)
• 従業員の半数超が、AIの利用を雇用主に隠しています。 KPMGとメルボルン大学が47か国48,000人超を対象に行ったグローバル調査では、働く人の57%が職場でのAIの使い方を隠していると認めており、最も多いのはAIが生成したコンテンツを自分のものとして提出するケースでした。KPMG & University of Melbourne (2025)
• マネージャーのメッセージでAIを多用すると、誠実さの印象は約半分に低下します。 USCとフロリダ大学の研究者CardonとComanが1,100人超のプロフェッショナルを調査したところ、AIの支援が少ない上司のメッセージは80%超が誠実だと評価した一方、AIの支援が多いバージョンでは約40%にとどまりました。Cardon & Coman, University of Florida (2025)
• 平均的な働き手は1日に117通のメールと153件のTeamsメッセージを受け取り、その大半は1分未満で流し読みされます。 MicrosoftのWork Trend Indexによると、Microsoft 365を使う従業員は約2分ごとにメッセージで作業を中断されており、この量はAIによる下書きや要約の原因であると同時に、その結果でもあります。Microsoft Work Trend Index (2025)
• AIの高い導入率は、まだ測定可能なビジネス上のリターンとして表れていません。 MIT NANDAによる153人のリーダーへの調査と300件超の企業のAI導入事例の分析では、生成AIのパイロットの95%が測定可能な損益への影響をもたらしておらず、メッセージの作成が速くなることは、コミュニケーションが良くなることと同じではないと改めて示しています。MIT NANDA, "The GenAI Divide: State of AI in Business 2025", via Fortune

AI媒介コミュニケーションが実際に含むもの

AI媒介コミュニケーションは、「ChatGPTでメールを書く」よりも広いカテゴリーです。Hancockらは、どれだけの信頼が懸かっているかを左右する次元に分けています。AIがどれだけ手を加えるか（スペルの修正から完全生成のメッセージまで）、どれだけの自律性を持つか（承認する提案か、監督なしで送られる返信か）、そして誰の味方として動くか（送り手の効率か、受け手の理解か）です。文法の修正と、AIが全面的に下書きした人事評価は同じ連続線上にありますが、リスクは同じではありません。だからこそ、一律の禁止も一律の許可も的を外しています。自由な文章を下書きする大規模言語モデルから、次の一文を提案する組み込みのAIコパイロットまで、関わる技術は、誤字を直す場合も、お祝いのメッセージを丸ごと書く場合も同じです。変わるのは、介入の大きさと、メッセージの中に人間の思考がどれだけ残っているかです。

送り手側のAIと受け手側のAIは別の問題

AIとコミュニケーションをめぐる職場の議論の多くは、送り手に注目します。この文章を書くのにAIを使ったのか、というものです。しかしHancockの枠組みでは、受け手によるAIの利用も同じように重要なカテゴリーであり、実際にはそちらのほうが一般的になりつつあります。丁寧に言葉を選んだ報告を、読む前に要約ツールに通す受け手も、反対側からAI媒介コミュニケーションを行っているのです。送り手側のAIには、誰でもない誰かの声のように聞こえるメッセージになるリスクがあり、受け手側のAIには、あなたが最も心を砕いた部分をそのまま捨ててしまうリスクがあります。エージェントが何をどのような形で人に提示するかという同じ引き継ぎの問題を、運用の観点から扱っているのがチームの一員としてのAIエージェントの管理です。初期設定に任せるのではなく、意図して設計すべきものとして論じています。

シグナル喪失の問題：かつて手間は気遣いを意味していた

生成AI以前は、メッセージに込められた時間と具体性は、コストが高く、偽装しにくいシグナルでした。3段落の個人的なメモは1行の返信より書くのに時間がかかり、その長さ自体が、送り手がどれだけ気にかけているかを伝えていました。前回の会話の細部を覚えていて、フィードバックでそれに触れるマネージャーは、あなたの話を聞いていたことを、言葉だけでなく行動で示していたのです。コストこそが要点でした。安いシグナルは偽装が簡単なので受け手は割り引いて受け取りますが、手間のかかるシグナルは、本物の気遣いがなければ確実には生まれないほど高くついたのです。

生成AIは、手間とコストの結びつきを断ち切ります。モデルは、個別に書かれたように聞こえる温かい言葉遣いのメッセージを10秒で作れますが、送り手が思考を注ぎ込む量はほとんどありません。上記のCardonとComanの研究は、その先に何が起こるかを示す、職場での最も明確な証拠です。従業員は、AIが多く関与していると疑った途端に、送り手の誠実さ、思いやり、さらにはリーダーシップ能力についての評価を下げます。しかもその落ち込みが最も大きいのは、日常的な進捗報告ではなく、誠実さが最も問われるメッセージ（お祝い、称賛、個人的なフィードバック）です。

受け手に証拠は要らず、疑いがあれば十分

Jakeschらが行ったAirbnbの研究には、じっくり考えるべき発見がありました。信頼のペナルティが付くのは、AIによる執筆が確認されたときではなく、疑われたときだったのです。人は、メッセージがAIで書かれたと知らなくても、それを割り引いて受け取ります。単に月並みに感じられる、あるいは関係性に比べて少し整いすぎて読めるメッセージだけで、AIと表示されたメッセージと同じ評価の低下が起こりえます。実際のリスクは「見つかるかどうか」ではなく、「これは自分らしい文章として読まれるかどうか」であり、この2つはクリアすべき基準が違います。

エスカレーションの問題：箇条書きがメールになり、またメールが箇条書きになる

職場でのAI利用を注意深く観察している人たちの間で、独自の呼び名がつくほどよくあるパターンがあります。誰かが2行の考えをAIに渡し、書式の整った温かい口調のメールに拡張させて送ります。MicrosoftのWork Trend Indexによれば1日に117通のメールと153件のチャットメッセージに直面している受け手は、自分のAI要約ツールにそれを通し、AIは元の2行ほどの考えにまで再び圧縮します。AIを2回通したあとに伝わる情報は、2行のメッセージが運んだはずのものと変わりません。しかも、作るのにも処理するのにも時間がかかり、両方向に手間をかけたという偽のシグナルまで運んでいます。

このループは、2つのインセンティブが衝突した自然な結果です。送り手のツールは、言語モデルにとっての「良い文章」がそういうものなので、より長く整った出力を後押しします。一方、受け手の受信トレイは、完全に拡張された117通のメールを丁寧に読む時間は誰にもないので、圧縮を後押しします。どちらも単独では不合理なことをしていませんが、結果としてコミュニケーションは悪くなります。受け手側の圧縮は、元の短い考えにはなかった形で情報を失うからです。要約ツールは統計的に重要に見えるものを残し、但し書きやトーン、そしてメッセージを送る価値のあった具体的な依頼を落とします。

時間以上のコストがかかる理由

生成AIのパイロットの95%で測定可能な損益への影響がないというMIT NANDAの発見は、ここで関わってきます。やり取りのもう半分、つまりメッセージを読んで行動する側が、最初の半分が速くなったのと同じ割合で悪くなれば、個人の生産性向上は組織全体の成果には確実には積み上がりません。メールの量をAIでさらに解決すべき問題として扱うのは、その量がしばしば、情報量が実際には増えていないのに下書きだけが安くなったことの症状だという点を見逃しています。

AIが会議を要約するとき何が失われるか

会議の要約ツールは、本当の問題を解決します。1時間の議論を正確に記憶できる人はいませんし、書面の記録はあいまいな記憶よりも優れています。しかし要約ツールが重みづけするのは頻度であり、判断ではありません。複数の人が繰り返したことや、「アクションアイテム」の言い回しに合致するものは拾い上げますが、本当に重要だったこと、たとえば誰かの声のためらい、実は本当の懸念だった脇道の発言、議題が見送られた背景にある含みを捉えるのは、はるかに不得意です。これは、より優れたモデルが解決する書式の問題ではありません。その場にいた人間が必要です。

これは、AIが同席する会議で人々が安心して懸念を口にできるかどうかとは別の問題で、そちらはより良い会議文化の設計の領域です。ここでの問いはもっと限定的です。人々が率直に話したとして、残された記録は、その細かなニュアンスを保っているでしょうか。それとも、実際には意見が割れていたのに、合意があったかのように読める箇条書きに平らにならされているでしょうか。AIの要約を、人の取ったメモと並ぶ入力の一つではなく、会議の記憶そのものとして扱うチームほど、全員が解決済みだと思っていた意見の相違に数週間後に気づく可能性が高くなります。

実際に効く、安上がりな対策

ここで最も価値の高い習慣は地味です。会議を進行した人が、AIの文字起こしが配信される前に、自分の判断を2、3行書き足します。何が未解決のままで、誰が担当するのかを明記するのです。かかる時間は2分で、頻度で重みづけする要約ツールが自力では生み出せないシグナルを、まさに残せます。

信頼のペナルティ：AIの利用が疑われるとき

CardonとComanの研究では、誠実さの低下よりも鋭い結果が見つかりました。上司がAIの支援を多く使い、それを開示しなかった場合、メッセージの作者は上司だと考える従業員は約4分の1にとどまり、AIの支援が少ない場合の90%超から大きく落ち込んだのです。話しているはずの本人が実際に話していたわけではないと、聴衆の大半が結論づけたことになります。これはAIがチームメイトのときの信頼とつながりますが、ここでは問いの向きが逆です。AIのチームメイトを信頼しないという話ではなく、本来は本人が担うべき仕事を人が外注したと同僚に疑われて、その人が信頼を失うという話です。

従業員の57%がAIの利用を隠しているというKPMGの発見は、もう一つの層を加えます。人々がそれを隠すのは、明るみに出たときのペナルティを正しく予測しているからであり、つまり、ほとんどの組織におけるAI媒介コミュニケーションの実際の規模は、どの利用状況ダッシュボードが示すよりもはるかに大きいということです。

開示は両刃の剣

研究は、「常に開示する」ことが明快な解決策だとは示していません。AIの利用が疑われているだけで確認されていないメッセージと比べて、明示的な開示のほうが疑念を強めることがあります。開示は、そのメッセージが本当は本人の言葉ではなかったという自白のように読めてしまうからです。一方で黙っていると、後で発覚したときにより大きな信頼の崩壊を招くリスクがあります。ほとんどの組織は、状況に応じた方針に落ち着いています。関係性が決定的に重要で頻度の低いメッセージ（フィードバック、謝罪、称賛）は人が書くことを基本とし、定例で頻度の高いメッセージへのAIの支援は、開示を省略してよいほど当たり前のものとして扱うのです。これについてはAIエチケットと職場のルールでさらに詳しく扱っています。ここでの論点はもっと絞られていて、開示は一律の方針ではなく、メッセージが関係性に及ぼす重みに応じて決めるべきだということです。

有益な使い方と有害な使い方

研究で最も明確な境界線は、「AIを使う」か「使わない」かではありません。AIが人と人との本当の隔たりを埋めているのか、それとも、メッセージの本来の目的だった人間の手間の代わりになっているのか、という点です。母語を共有しない同僚のための翻訳は、隔たりを埋めます。AIがなければ、そもそもコミュニケーションが成立しない場合が多かったからです。専門外の人にも難しい技術的な論点を分かりやすく伝える場合や、ディスレクシアのある従業員が、内容は自分で書き上げた返信の構成をAIで整える場合も同じです。こうした使い方は、意味のある人間のシグナルを取り除くのではなく、やり取りの本質ではなかった障壁を取り除きます。

有害な使い方は、メッセージが証明するはずだったまさにそのものをAIに置き換えます。特定の人が時間をかけて気づき、気遣い、責任を引き受けたという事実です。お祝いのメッセージは、情報を効率的に伝えるためではなく、「気づいたよ、うれしいよ」というシグナルを送るために存在します。AIがそのシグナルを生成するなら、言葉が温かくても偽物です。謝罪は、「自分が何をしたかを理解していて、責任を負います」というシグナルを送るために存在し、AIが全面的に下書きした謝罪は、その目的を自ら覆します。メッセージの役割が送り手の注意を証明することに近いほど、出力がどれだけ読みやすくても、AIによる置き換えは有害になります。

設けておきたい実践的なルール

ほとんどのチームに、正式なAIコミュニケーション方針は必要ありません。迷いをなくす、いくつかの明確な取り決めがあれば十分です。

1つ目は、関係性が決定的に重要で、自分で書くべきメッセージの種類を取り決めることです。称賛、フィードバック、謝罪、個人的な事情に触れるものはこのリストに入りますが、進捗報告や日程調整は入りません。

2つ目は、関係性が重要なメッセージをAIで下書きした場合、AIが知りえなかった細部を加えることです。共通の話題や、本当に個人的な観察などです。これが、疑いを招く月並みなトーンを打ち消します。

3つ目は、AIによる会議の要約を、何が未解決のままかについて誰かが2行の判断を書き足すことの代わりにしないことです。この習慣一つで、AIが要約した会議が数週間後に生む「それで合意したはずでは」という衝突の大半を防げます。

4つ目は、送り手と受け手のループのどちら側に手を貸しているかに気づくことです。自分の送るメッセージが内容に見合わないほど常に長く、同僚が読むというより流し読みしているように見えるなら、体裁が整っていなくても、2行のバージョンを自分で送るほうが信頼を得られる場合が多いものです。これはワークスロップ、努力、オーナーシップと関連しつつも異なります。そちらはレビューされていないAI生成の成果物を同僚に押しつけることを扱っており、コミュニケーション版は、送り手が読み返すことなく相手に押しつけられるメッセージです。オーケストレーターの役割や、下書きをより多くAIに委ねながら人間の判断を鈍らせないとはどういうことかを定めているチームなら、ここにも同じ緊張関係があることに気づくでしょう。

職場のメッセージに対する最も古いテストは、今も有効です。自分の思考がどれだけ込められているかを、受け手が正確に知ったとしても平気でいられるか、というテストです。AIはこのテストを変えたわけではなく、誰にもすぐには気づかれずに不合格になることを、はるかに安上がりにしただけです。