「AI を導入したのに、なぜか現場が前より忙しそう」——AI 活用を進めた中小企業から、最近よく聞く相談です。チャットや自動化ツールを入れた。たしかに速くなった部分もある。けれど現場は「AI の出力を確認して、間違いを直して、文脈を毎回与え直して、ツールを行き来して……」に時間を取られ、疲れている。この「AI を使えるようにするための、見えない手間」には、最近名前がつきました。botsitting（ボットの子守り）です。
Glean が 6,000 人の働き手を対象に行った Work AI Index 2026 によれば、働き手は AI で週に約 11 時間を節約している一方、週 6.4 時間を botsitting に費やしているといいます（businesswire のリリース）。AI とやり取りする時間のうち、37% が子守り——文脈を与え、出力を監督し、間違いをデバッグし、後始末をする作業に消えているのです。さらに、子守りの比率が異常に高い人は転職を考える確率が 73% 高いという結果も出ています（The Register）。AI 導入の成否を分けるのは、「AI が賢いか」より「子守りを減らせる仕組みになっているか」だと、私たちは考えています。
「子守り」はどこで発生しているのか
botsitting は、漠然とした「AI は手がかかる」ではなく、特定の地点で繰り返し発生しています。受託で AI 活用を支援すると、だいたい次の 4 つに集約されます。
| 子守りの種類 | 具体的な作業 | なぜ起きるか |
|---|---|---|
| 文脈の与え直し | 毎回、前提・社内ルール・過去経緯を貼り直す | AI が社内文脈を持っていない |
| 出力の検証 | 数字・固有名詞・事実が正しいか目視確認 | 誤りが混じる前提なのに検証が手作業 |
| 後始末 | 体裁・フォーマット・整合性を人が直す | 出力が業務の形式に合っていない |
| ツールの往復 | 複数のツール・画面を行き来して転記 | 業務フローに統合されていない |
ポイントは、この 4 つはどれも「設計で減らせる」ことです。AI のモデルを賢いものに替えるより、「文脈を毎回与え直さなくていい」「検証が自動で効く」「出力が最初から業務の形に近い」状態を作るほうが、子守り時間に直接効きます。AI 導入が ROI に結びつかない構造的な理由は GenAI Divide 95% 失敗の罠（GH Media） でも整理しました。
「賢いAI」より「子守りの要らない仕組み」
多くの現場は、子守りが増えると「もっと高性能なモデルにすれば解決する」と考えがちです。しかし子守りの正体はモデルの賢さ不足ではなく、運用の作り込み不足です。文脈を持たせていないから毎回貼り直す、検証を仕組みにしていないから目視する、業務に統合していないから転記する。ここを設計で埋めない限り、モデルをいくら強くしても子守りは残ります。
実際、AI の出力品質を「使う側の善意の確認」に頼っている限り、人手レビューは無限に増えます。EY が自社レポートで AI の幻覚（事実誤認）を公表した件のように、「AI は間違える前提で、検証を仕組み側に持つ」設計が要ります（EY の幻覚レポートに学ぶ AI 納品物の QA ガバナンス（GH Media））。
受託で提供する「子守りを減らす」設計
弊社の受託では、AI を「導入して終わり」にせず、botsitting の 4 地点を一つずつ潰す形で運用を作ります。
文脈を「毎回貼る」から「常に持っている」へ
最初に効くのが、社内ルール・過去経緯・用語・テンプレートをAI 側に常時持たせることです。あるサポート業務のクライアントでは、問い合わせ対応の AI に、過去の回答方針と禁止事項を最初から組み込んだことで、「毎回、前提を説明し直す」作業がほぼ消えました。文脈を持たせる仕組み（社内知識の構造化や RAG 的な参照）は、子守り削減の中でも投資対効果が高い領域です。社内に眠る情報を構造化して業務に載せる進め方は 社内の PDF・メール・問い合わせを LLM で構造化する受託（GH Media） を参照してください。
検証を「目視」から「自動評価（Eval）」へ
出力の確認を人の目視に頼る限り、子守りは減りません。受託では、「この出力が満たすべき条件」を自動でチェックする評価（Eval）を組み込みます。数字や固有名詞の整合、禁止表現の不在、必須項目の充足——機械で判定できるものは機械に任せ、人手レビューは「機械で判定できない部分」だけに絞る。これでレビュー時間が大きく減ります。AI エージェントの振る舞いを検証可能にする考え方は エージェントの振る舞いを検証する信頼レイヤー（GH Media） と地続きです。
人手レビューを「全部」から「リスクで段階分け」へ
すべての出力を等しく人がチェックするのは過剰です。受託では、影響の小さい出力は自動評価のみで通し、金額・契約・対外文書など影響の大きいものだけ人が確認する、というリスクに応じた段階を設計します。「全部を人が見る」をやめ、見るべきところに人を集中させることが、子守り総量を最も効率よく下げます。
ハマりやすい落とし穴
第一に、子守り時間を測らずに「AI で効率化できた」と結論づけること。節約時間だけを見て、子守りに消えた時間を勘定しないと、現場の疲弊を見落とします。導入後は、子守りに何時間取られているかを一度きちんと測るべきです。AI のコスト対効果を人件費と比べて評価する観点は AI コストと人件費を比較して評価する受託（GH Media） も参考になります。
第二に、子守りを特定の担当者に押し付けること。子守り比率が高い人ほど離職意向が高いという調査結果は、これを放置するリスクを示しています。仕組みで減らさず人の根性で吸収させると、いずれその人が辞めます。
まとめ — 「AIを賢くする」前に「子守りを減らす」
AI で 11 時間を節約しても、6 時間を子守りに取られていては、現場は楽になりません。子守りは AI の賢さ不足ではなく、運用の作り込み不足から生まれます。受託で取り組むなら、文脈を AI に常時持たせ、検証を自動評価に移し、人手レビューをリスクで段階分けする——この 3 つから始めるのが、AI 導入を「現場がしんどい」で終わらせないための現実的な一手です。
「AI を入れたのに現場の負荷が減らない」「出力の確認に時間が溶けている」というご相談は お問い合わせフォーム からどうぞ。まずは子守りがどこで何時間発生しているかの棚卸しから着手できます。
