働く人の判断や行動、ウェルビーイングに生じる変化を、導入前から考え、導入後も点検できるよう、七つの観点に整理したものです。
根拠は二層になっています。人が自動化されたシステムを使うときの行動や、仕事を通じて技能を身につける過程に関する長年の研究と、近年のAIを対象とした新しい研究です。
ガイドは観点ごとにどちらの研究に当たるかを示し、リーダー向けのチェックリストに加えて、うまくいっている状態の目安と、見直しが必要な兆候を並べています。
ただし、これはコンプライアンス基準でもAPAの専門職基準でもなく、特定の製品の評価でもありません。
AIを導入すべきかどうかも論じておらず、採用選考をはじめとする正式な人事上の意思決定は対象外とされています。
以下の各観点に添えた「例」は、ガイドの記述をもとに本稿で独自に作成したものです。
APAによる職場AI導入の7つの観点

1 誤りの重大さに見合った備えをする
AIの誤りがもたらす影響は、使い道によって大きく異なります。
会議の要約と、安全に関わる設備の保守計画とでは、必要な備えは同じではありません。
ガイドは導入前に次の四つを書き出すよう勧めています。
- 誰が影響を受けるか(組織か、働く人か、使うかどうかを決める立場になかった組織外の人か)
- 誤りを後から取り消せるか
- 誤りにどれだけ早く気づけるか
- 影響がどこまで広がるか(後の判断に既成事実として取り込まれないか、同じ誤りが多数のケースや工程全体で繰り返されないか)
そのうえで、確認・研修・記録の手厚さを、影響の大きさに合わせます。問題が起きたときに誰がどれだけ速く利用を狭め、停止できるのかも決めておきます。
小規模な試行がうまくいったことを影響の大きい用途に広げる根拠にしないこと、ツールや業務量が変われば見積もり直すことも挙げられています。
例:取引先への連絡文をAIで作る場合、定例の案内メールは定型文をもとに下書きさせる。一方、納期の変更や請求金額の訂正の連絡は、担当者が受注記録と照合し、宛先も確かめてから送る。
2 どこまで信頼できるか、仕事ごとに確かめる
流暢な文章は、それだけで正しそうに見えます。しかし、読みやすさと正確さは別です。
問題は頼りすぎだけではありません。頼りすぎれば出力を見なくなり、誤りを捕まえる力も落ちます。
逆に頼らなさすぎれば、AIなら防げた誤りを見逃したり、問題のない仕事を確かめ直して時間を使ったりします。目指すのはそのツールの実力に見合った信頼です。
そのために、導入先の実際の業務で、どの作業なら頼れ、どこで確かめる必要があるかを検証して説明します。
ベンダーが示す精度は出発点にすぎません。研修では実際に起きた失敗例も見せます。失敗を見たことがない人には、もっともらしい答えと良い答えの区別がつきにくいためです。
AIが同意してくれることも正しさの確認にはなりません。独立した別の情報源に当たって、はじめて確認したことになります。
利用率そのものを目標にしないように、とも述べられています。利用率を目標にすると、どこで使いどこで確かめるかという判断より、使うこと自体を評価してしまうからです。
例:チームの残業時間をAIで分析する場合、集計結果は勤怠システムの記録と照合して使う。AIが挙げた残業増加の理由は仮説として扱い、現場への聞き取りで確かめる。
3 確認を「形式」で終わらせない
人が間に入っていることと、監督が機能していることは同じではありません。
確認が実質を伴うために必要な条件として、ガイドは五つを挙げています。
- 確認に充てられる時間と注意
- もっともらしい誤りを見抜く専門知識
- AI以外の信頼できる情報源
- 出力を退ける権限
- 退けたことで不利益を受けない職場
一つでも欠ければ、確認は形式になりやすいと指摘されています。とくに時間と注意が足りないと、ほかの条件がそろっていても確認は進みません。業務量に余裕がなければ、権限があっても出力を精査できないからです。
あわせて、業務の流れごとにAIに任せる範囲、人が必ず判断する箇所、結果に責任を持つ人を書き出すこと、防ぎようのなかった結果の責任を現場に負わせないこと、AIを使ったことをどんな場面で申告するかを組織としてルール化することが挙げられています。
例:顧客からの問い合わせへの回答案をAIで作る場合、担当者が契約内容や仕様書と照らして確認する。根拠に合わない記述は書き直し、最終的な回答文は担当者が確定する。
4 作業だけでなく、仕事そのものを設計し直す
組織はしばしば、AIがどの作業を代替するかを問います。
ガイドが勧めるのは、AIによって仕事がどう変わるかを問うことです。AIは仕事をなくすというより、中身を入れ替えます。調べる、思い出す、下書きするといった作業は減り、照合する、情報をつなぐ、AIが扱えなかった例外に対応するといった作業が増えます。
組織はなくなった仕事を数えても増えた仕事を見落としがちなため、ガイドは両方を測るよう求めています。
既存の仕事を設計し直すのは、新しい仕事を設計するより難しいとも指摘されます。手順書に載らない段取りや慣行は、導入を決める側からは見えないからです。導入前に、実際にどう仕事が進んでいるかを把握しておく必要があります。
そのうえで、確認と手直しを本来の業務として扱います。時間を割り当て、誤りを見抜ける人に任せ、業務量とスケジュールに計上します。評価指標が速さだけを測っていないかも点検します。
例:入社手続きの定型的な案内をAIに任せるなら、人事は説明に使っていた時間を新入社員の個別相談に振り分ける。あわせて、AIが答えられなかった質問を拾い、案内を更新する担当者と時間も決めておく。
5 専門性を身につける機会を確保する
AIの出力を見極める力は、自分で考え、試す経験を通じて育ちます。
同じツールでも、経験者と学んでいる途中の人とでは意味が違います。経験者はすでに判断力を持ったうえで手間を省きますが、学んでいる途中の人は、判断力を育てるはずだった手間を省いてしまうことがあります。どちらも同じように生産的に見えて、後にAIを監督する力は同じようには育ちません。
学んでいる途中の人にはまず自分で取り組んでもらい、そのうえでAIの案と比べる方法が挙げられています。どの仕事を人が担い続けるかは組織として決定し、理由も本人に説明します。個々の管理職の裁量に委ねないよう求められています。
同僚に相談したり教え合ったりする機会が保たれているかも点検します。質問が同僚からAIに移ると、答えの質は変わらなくても、教える側が理解を深める機会と、誰が何に詳しいかを知る機会が失われていきます。
例:新任の営業担当者は、まず自分で顧客の課題を整理して提案を考え、その後でAIの案と比べる。どの情報をもとに提案を組み立てたかを、先輩と一緒に振り返る。
6 影響を受ける人の声を聞き、公正な手続きで進める
同じツールでも、導入の進め方によって受け止められ方は変わります。
公正な手続きとは、影響を受ける人が懸念を示し、決定に影響を与えられる機会があることです。全員の希望が通るという意味ではありません。意見が実際に検討され、導入の方法や時期、可否が変わり得るという意味です。導入の可否や範囲が決まった後で意見を聞くのは相談とは言えず、たいていは見抜かれ、かえって逆効果になると述べられています。
導入の理由をどう説明するかでも、受け止め方は変わります。効率化のためという説明や、他社も導入しているからという説明では足りません。何を解決しようとしているのか、どこに限界があるのかを具体的に伝えます。
役割の変化については、分かっていること、まだ分からないこと、いつ分かる見込みかをそのまま伝える方が、安心させようとするよりも信頼につながります。何も言わないことは、悪い知らせとして受け取られます。
導入後はツールの不具合も、自分の使い方による失敗も報告しやすい状態をつくり、指摘を受けて何を変えたのかを本人たちに伝えます。
AIの利用を申告するルールは、経営層や管理職にも同じように適用します。
例:店舗のシフト案をAIで作る場合、試行の前に、勤務希望や急な交代をどう扱うかについて店長と従業員の意見を聞き、シフトを組む条件に反映する。
7 心理的な境界を尊重し、監視に限度を設ける
AIは働き方に関する詳細な情報を短時間で集められます。監視には正当な目的もありますが、多ければよいものではありません。強い監視は期待されたほどの成果につながらない一方で、ストレスを高め、満足感や信頼を下げることがあると指摘されています。
雇用主が求める以上、本人の同意は弱い安全策にとどまります。確かめるべき点は四つあります。何を集めるかが明確に伝えられているか、目的に必要な範囲にとどまっているか、監視の強さが扱う事柄の重大さに見合っているか、本人が内容を確認して異議を申し立てられるか。
安全や品質の向上のために集めた情報と、個人の評価に使う情報は切り分け、どちらであるかを本人に伝えます。
感情、性格、エンゲージメント、メンタルヘルスをAIで推定することには、特に慎重な扱いが求められています。
必要とする具体的な理由と、その推定が用途に対して十分な精度を持つ根拠がない限り、行うべきではないとされます。とりわけメンタルヘルスの推定は、臨床、倫理、法律にまたがる論点を伴うため、本ガイドの範囲を超えるとして別扱いで注意が促されています。
例:従業員サーベイの自由記述をAIで整理する場合、集計の目的と、原文を閲覧できる人の範囲を回答前に伝える。上司には、個人が特定されにくい形で職場の傾向を共有する。
チェックリストをいつ使うか
APAはこのチェックリストを、業務への影響が大きい導入の前と、運用開始後の定期的な点検に使うよう勧めています。
AIモデルの更新や組織再編といった変化があれば、技術と、その影響を受ける仕事の両方を知る人たちと見直し、何を決めたか、誰が責任を持つか、いつ再点検するかを記録しておきます。
七つに取り組む順番は決まっていません。どの観点から手をつけるかは、組織の仕事や目的、リスクによって変わります。
組織心理研究所の国内調査から
組織心理研究所は2026年9月、産業・組織心理学会第41回大会で、勤務先でAIが導入されている就業者400名への調査を発表しました。
仕事に最も影響しているAIについて自由記述を求め、記述を分類したところ、仕事の質や速さが上がるといった機能面の評価は回答者の88.8%に見られました。
一方で、業務の代替や、専門性や役割の価値が下がることへの懸念は41.0%、出力の誤りや確認と修正の手間に関する言及は23.5%でした。一つの記述に複数の分類を与えているため、割合は重複します。

同じ調査では、生成AIを前向きに捉え、確認や学び直しの負担に触れなかった人において、利用頻度が高いほど、自分らしく働けているという感覚も強い傾向が見られました。負担に触れた人では、この関連は見られませんでした。
便利さの評価と、確認や学び直しの負担は、同じ人の中に同時に存在します。
導入後の振り返りで、働く人が感じた便利さと、確認や学び直しにかかる手間をあわせて聞くことが、業務分担を見直す手がかりになります。
(組織心理研究所 主任研究員 丹野宏昭)
参照資料
米国心理学会 職場AI導入ガイドの公表リリース
https://www.apa.org/news/press/releases/2026/11/artificial-intelligence-work-guidance
米国心理学会 職場AI導入の実務ガイド
https://www.apa.org/pubs/reports/ai-workforce
組織心理研究所 産業・組織心理学会第41回大会の発表紹介




