「またAIか…と頭を抱えがち」――若手コンサルのAI生成資料、赤字の指摘で埋め尽くされる
1枚のスライドに、赤字の書き込みがびっしり並んでいます。
「論点4」と書かれた見出しの横には「『論点』なのに論点になってない」、箇条書きの脇には「いらん」「いらん」「いらん」。
11月22日朝、こんな資料レビューの様子を伝える投稿がXで注目を集めました。
投稿者が添えた一言は「またAIか…と頭を抱えがち」。
生成AIで資料を作ること自体はもう珍しくありませんが、レビューする側の負担は別の問題として残っているようです。
何が起きているのか、確認できた範囲で整理します。
先に結論をまとめると:
– 若手コンサルタントが作成したAI生成資料のレビュー画像がXで話題になり、赤字の指摘が資料全体を埋め尽くしていた
– 同様の問題は海外でも「ワークスロップ」と呼ばれ、2025年の調査では知識労働者の40%が経験していると報告されている
– 「見た目は整っているが中身が薄い」資料は、作成時間を短縮する一方でチェックする側の負担を増やす構造になっている
何が起きたのか
投稿されたのは、コンサルティング資料とみられる1枚のスライドの画像です。
「論点4:生成AI活用の推進方針とご判断事項」という見出しのもと、基本方針やリスク、判断事項が整理された体裁の資料に、赤ペンでの指摘が大量に書き込まれています。
「1スライド1メッセージはどこ行った?」「このカギカッコに何の意味が?」「下とも重複してるし冗長」といった具体的な疑問が、資料のほぼ全箇所に向けられていました。
若手コンサルの資料レビュー。またAIか…と頭を抱えがち pic.twitter.com/jcNjHwFCfV
— 2代目スリマン (@Suryman_2) 2026年11月22日
この投稿には4,500件を超えるいいねが集まっています。
文面や体裁は整っているのに、一つひとつの項目を追うと指摘すべき点が尽きない——という状態が、画像だけで伝わってくる内容でした。
調べて分かったこと
なぜ「整っているのに指摘だらけ」になるのか
生成AIで作った資料にありがちな問題として、海外では「ワークスロップ(workslop)」という言葉が使われています。
これはハーバード・ビジネス・レビューがBetterUp LabsやスタンフォードのSocial Media Labと行った調査の中で使われ始めた呼び方で、「一見すると見栄えが良いが、中身が伴っていないAI生成コンテンツ」を指します。
整ったスライドや、やたらと長い報告書、過剰に整理されたサマリーなどが典型例として挙げられています。
2025年に米国のフルタイム従業員1,150人を対象に行われた調査では、過去1カ月以内にワークスロップを受け取った経験がある人が40%にのぼり、その対応に平均で2時間程度を費やしていたと報告されています。
別の試算では、こうした「見えないコスト」が従業員1人あたり月186ドル相当にのぼるとされ、ワークスロップを送ってきた相手を「信頼できない」と評価した人は42%に達したといいます。
今回Xに投稿された資料も、まさにこの構造に当てはまります。
AIを使えば体裁の整った資料を短時間で作れるようになった一方、その中身が本当に意味を持っているかを確かめる作業は、結局レビューする側の人間に残り続けています。
「削る力」が足りないとどうなるか
投稿された画像の中には、「1スライド1メッセージはどこ行った?」という指摘がありました。
これは生成AIで文章を作ると、情報を詰め込みすぎたり、同じ趣旨の文を言い方を変えて繰り返したりしやすい、という傾向への指摘だと読み取れます。
資料作成の現場でしばしば言われる「足す力」よりも「削る力」の重要性は、AIが下書きを一瞬で作れるようになったことで、かえって見過ごせなくなってきた課題だといえそうです。
ただし、この投稿1件だけから「若手コンサル全般が同じ問題を抱えている」とまでは言えません。
あくまで、ある1件のレビューの様子が、多くの人の共感を集めたという事実が確認できるにとどまります。
Shiritomo編集部の考察:レビューする側の負担をどう減らすか
今回の件が示しているのは、生成AIの導入効果を測るときに見落とされがちな「下流のコスト」です。
資料作成にかかる時間が短縮されても、その分の負担がレビュー担当者に移っているだけなら、組織全体で見た生産性は変わらないか、むしろ悪化している可能性があります。
実際、海外の調査でもワークスロップが「AIへの投資効果が思ったほど出ない」ことの一因として指摘されています。
マーケティングやSNS運用の現場でも、AIで下書きを量産できるようになった分、公開前のチェック工程をどう設計するかが問われる場面が増えています。
「AIが作った」こと自体を問題視するのではなく、「中身が薄いまま世に出ていないか」を確認する仕組みを、作業工程のどこに置くかが実務上の分かれ目になりそうです。
資料作成のような定型業務ほどAIに任せやすい一方、「何を削るべきか」「何が本当に必要な情報か」という判断は、依然として人間の経験や文脈理解に頼る部分が大きいといえます。
AIが生成した文章をそのまま提出するのではなく、一度自分の言葉で要点を言い直してみる——という手間を挟むだけでも、今回のような指摘の数は変わってくるのではないでしょうか。
まとめ
AIで作られた資料がレビューで大量の指摘を受けている様子がXで話題になりました。
似た問題は海外で「ワークスロップ」と呼ばれ、見た目の体裁と中身の質のギャップが、作成者ではなくレビュー担当者の負担として表れることが調査でも示されています。
さらに深掘りしたい方へ
「ワークスロップ」という言葉の背景や海外での調査結果については、Gizmodo Japanの解説記事で詳しく紹介されています。