インフラ・社会経済
導入した AI ツールはなぜ使われなくなるのか——Keep/Redesign/Revisit/Retire で判定する棚卸しの枠組み
放棄された AI ワークフローを性格や規律の問題にせず、失敗パターンの分類と4段階の処遇判定で機械的に棚卸しする方法を読み解く。
原題
“Why Some AI Workflows Stick—And Others Don't” （AI ワークフローが根付くのはなぜか：放棄と継続の分かれ目）
原文からの引用
“A workflow may go unused for a boatload of reasons: The problem is too infrequent, the trigger doesn't go off, or the output creates more work than it saves. A tool can fail because my habits don't support it; my habits can also be rational responses to the work I actually do. In a series of studies, behavior researchers Kaitlin Woolley and Ayelet Fishbach found that immediate rewards predicted persistence better than delayed rewards.”
日本語訳 ワークフローが使われなくなる理由は山ほどある。問題の発生頻度が低すぎる、トリガーが発動しない、アウトプットが節約分より多くの仕事を生む。ツールは私の習慣が支えないせいで失敗することもあるが、私の習慣は、実際にやっている仕事への合理的な反応でもあり得る。 一連の研究で、行動研究者の Kaitlin Woolley と Ayelet Fishbach は、遅れて得られる報酬よりも即座の報酬の方が継続をよく予測することを見出した。
要点
- 元記事によれば、成功するワークフローの要件は「実在する問題を即座に解く」ことであり、未来の理想の自分のためのツールは続かない
- Attention Desk（Dan Shipper の Tend を真似て作った、メールや Slack などを集約するツール）は、元になった Tend が CEO の実務に沿う問題を解くものであり、著者 Katie Parrott の実際の Slack 受信は 6-8 件/日で不要だった。習慣化の理論（21日説は誤）より「実需の有無」が決定的
- 著者が使う Compound Writing Plugin は成功した（即座のリワード・実在する孤立感への対処）。一方、失敗した Margot（AI アシスタント）はメンテコストが価値を上回った
- 著者は最初こそ放棄を「自分の問題」と捉えたが、のちに、放棄の理由は頻度の低さ・トリガー不発・出力が仕事を増やすことなど多様で、習慣は実際の仕事への合理的な反応でもあり得ると整理し、解く問題が本当にあるか、メンテ負荷に見合うかで見る
- 著者は Agent Ops（Codex 内のプラグイン）で自分のワークフローを棚卸しし、質問に答えながら Keep・Redesign・Revisit later・Retire の判断を得る。失敗の原因は「存在を忘れた」「動かなかった」「出力の保守が重すぎた」「繰り返す問題を解いていなかった」の4種に分かれたという
編集部の考察
経営が次に決めるべきは、AI 導入の可否ではなく、四半期ごとにツールの継続・改修・撤退を機械的に判定する棚卸しプロセスを誰の責任で回すか——この一点に絞られる。その判定軸のひな形を示すのが本記事だ。著者が最終的に導入した Agent Ops は、失敗したワークフローを性格や規律の問題として片付けず、「存在を忘れた」「動かなかった」「出力の保守が重すぎた」「繰り返す問題を解いていなかった」の4種の失敗パターンに分け、棚卸しの質問に答えながら、Keep（維持）/ Redesign（再設計）/ Revisit（再検討）/ Retire（撤退）という運用判定軸に落とし込んでいる（要点5）。著者はこれとは別に、事後分析で、Slack などを集約する Attention Desk が失敗し、執筆支援プラグインが成功した理由を切り分けている。
自分の組織に置き換えると問われるのは、全社導入済みの AI ツール群について「どの部署が、どの機能を、週次でどれだけ使い続けているか」を継続的に追跡する仕組みがあるかどうかだ。多くの組織は導入率やアンケート満足度は追っても、放棄率と放棄理由を四半期ごとに機械的に棚卸しし、Keep/Redesign/Revisit/Retire のように処遇を決める運用にはなっていない。これがないと、放棄されたツールのライセンス費用とメンテコストが「使われている前提」のまま予算に残り続ける。
だからこそ、冒頭の棚卸しプロセスのオーナーを決めることが、次の AI 関連の意思決定より先に来る。
本記事は海外記事の独自キュレーション・考察であり、原文の翻訳ではありません。引用部分の著作権は原著者に帰属します。
この記事の調査と下書きにはAIを使っています。数値や事実は出典と照合し、公開するかどうかは運営者が判断しています。（制作方針）