AIを最も積極的に使いこなしているエンジニアが、最初に燃え尽きる。直感に反するが、2026年3月にHarvard Business Reviewが発表した研究が示す現実だ。
「Brain Fry」という急性疲弊
Boston Consulting GroupのJulie BedardとGabriella Rosen Kellermanらは、米国フルタイム労働者1,488名を対象に調査を実施した。UCリバーサイドとの共同研究で、結果は2026年3月5日にHBRで公開されている。
研究が名付けた症状が「Brain Fry」だ。日本語に直訳すれば「脳の過熱」。定義は「認知容量を超えたAIツールの過剰使用・監視による精神的疲弊」。慢性的なバーンアウトとは異なる。休めば回復する急性の疲労だ。ただし、構造が変わらなければ繰り返す。
AI使用者の14%がこの症状を経験している。職種別では法務の6%からマーケティングの26%まで幅があり、ソフトウェア開発はリスクの高い職種の上位に入る。
症状の中身を数字で見ると、重さがわかる。Brain Fryを報告した人は、そうでない人と比べて精神的努力が14%増加し、精神的疲弊が12%増加し、情報過負荷が19%増加していた。意思決定疲労（小さな判断すら消耗する状態）は33%増加。軽微なミスが11%増加し、深刻なミスに至っては39%増加した。
離職意向も上がる。Brain Fryを経験した人の34%が仕事を辞めたいと答えており、経験していない人の25%と比べて約36%高い。
なぜ優秀な人ほどリスクが高いのか
Bedardの言葉が核心を突いている。「これが起きているのは、高パフォーマーと見なされている人々だった」。
あるシニアエンジニアリングマネージャーはこう証言している。「頭の中に12個のブラウザタブが開いていて、全部が注意を奪い合っているような状態だった」。
なぜ優秀な人ほどリスクが高いのか。答えは「ガバナーの喪失」にある。
車のエンジンには、速度を自動で制限するガバナーという装置がある。以前の開発には、似たような自然な速度制限が存在していた。タイピング速度、思考速度、調査にかかる時間——これらが「これ以上は今日無理」という上限として機能していた。
AIはそのガバナーを外した。
# AIなし：自然な速度制限がある状態
仕様書を読む → 1時間
実装を考える → 2時間
コードを書く → 3時間
レビューする → 1時間
─────────────────────────
合計 7時間。これが脳の「自然な上限」
# AIあり：上限が消えた状態
仕様書作成 → AIが10分で生成 → すぐ次の仕様書へ
実装 → AIが30分でコード → すぐ次の機能へ
レビュー → AIが差分を要約 → すぐ次のPRへ
─────────────────────────
合計 7時間で以前の3日分の処理量
でも脳の処理能力は昨日と同じ
速く走れるようになったエンジンは、壊れるのも速い。耐久力が変わっていないままペースだけが上がれば、最初に限界を迎えるのは最もエンジンを回している人間だ。
組織が作る「追加タスクのループ」
UCバークレー・ハースのAruna Ranganathanらは、米国テック企業200人規模の組織を8ヶ月間（4月〜12月）にわたって現地で観察し、40件以上の詳細インタビューを実施した。2026年2月にHBRで発表されたこの研究の主要な発見は、タイトルに凝縮されている。「AIは仕事量を減らすのではなく、増やす」。
研究が記録した「仕事の強化」には3つの形態がある。
ひとつはタスク拡張だ。プロダクトマネージャーがコードを書き始め、リサーチャーがエンジニアリング業務を担うようになる。以前は外注していたか、先延ばしにしていた責務を、「AIがあるから自分でできる」と引き受けてしまう。
ふたつめは境界の消失。昼食中に、会議の合間に、通勤中に、AIへのプロンプトを送り始める。「退勤前にAIに投げて、AIが夜の間に処理する」——そういう習慣ができた瞬間、仕事とそれ以外の境界が薄れる。
みっつめはマルチタスクの増加。複数のAIエージェントや並行スレッドを同時に監視するようになる。あちこちに注意を切り替え続けることそのものが、認知コストを押し上げる。
研究に参加した労働者の証言はシンプルだった。「AIで生産的になれるから時間が節約できると思っていたが、実際には働く量は同じかむしろ増えた」。
時間が空くと、組織はその空白をすぐ新しいタスクで埋める。器に空きがないのと同じだ。水（仕事）の量は変わらないのに、流れが速くなれば対処するための認知コストは確実に上がる。
開発者の生産性研究が示すもうひとつの現実
ICSE 2026で発表された論文「Beyond the Commit」は、2,989名の開発者アンケートとBNYメロンでの11件の詳細インタビューをもとに、AIコーディングアシスタントと開発者生産性の関係を分析した。
GitHub Copilotの満足度は86%だった。高い数字だ。しかし同じ調査で、60%の開発者は週1時間未満の時間節約しか感じていない。満足しているが、実際の時間効率への貢献は限定的——この矛盾は何を意味するか。
開発者はスピード以外の何かを求めているということだ。調査が特定した6つの生産性要因のうち、「フラストレーションと認知負荷」という項目がある。AIの不確定な出力が認知負荷を増やすという逆説が、ここでも記録されている。「仕事への所有感」も要因に入っていた。AI生成コードでは責任感が薄れるという問題だ。
満足度とスピード感の相関係数はr=0.34（弱い相関）。開発者が重視しているのは、速さではなく「自律性と認知負担の軽減」だ。
悪化するケースと改善するケース
BCGの研究は、AIが必ずしも悪いわけではないことも示している。反復作業をAIに委譲した場合、バーンアウトスコアが15%低下した。使い方によって、結果は大きく変わる。
同研究が示したもうひとつのデータがある。生産性向上が見られるのは、AIツールを1〜3個同時に使っている場合だ。4つ以上になると生産性は「急落した（plummeted）」と報告されている。
❌ Brain Fryを加速するパターン
- AIで節約した30分 → 次のタスクを割り当てる
- 複数のAIエージェントを同時に監視し続ける
- AIが出した成果物を全件丁寧にレビューする
- 昼休みにAIにプロンプトを送る
- AIツールを4個以上同時に使う
✅ Brain Fryを防ぐパターン
- AIで反復作業を委譲 → その時間を回復に使う
- AIツールは1〜3個に絞る
- AIの監視ではなく、成果物の検証に集中する
- AIが動いている間、自分は休む
組織レベルでも差は出ている。マネージャーのサポートがある環境では精神的疲弊が15%低下し、ワークライフバランスを重視する組織では疲弊が28%低下した。
Brain Fryは急性疲労だ。休めば消える。しかし構造が変わらなければ繰り返す。組織が「AIで空いた時間」を常に新しいタスクで埋め続ける限り、個人の休息は対症療法でしかない。
個人とチームリーダーが今できること
研究が示す対策は、テクノロジーの問題ではなく、ペースと設計の問題だ。
個人レベルで言えば、AIで時間が浮いたとき「次の仕事を取りに行く」前に止まることが必要だ。節約した時間は回復に使う。昼食中のプロンプトをやめる。使うツールを絞る。AIが走っている間、自分は休む。
チームリーダーレベルでは、「AIで速くなった分だけ成果を増やす」という期待値設定を見直すことが出発点になる。節約された時間を追加タスクで埋めない。AI監視業務をパフォーマンス評価の指標にしない。「今週どれだけアウトプットしたか」だけでなく「今週どれだけ消耗したか」を確認する習慣を作る。
AIは速度制限を外した。ブレーキは自分で踏む
AIは確かに速度制限を外した。以前なら3日かかった仕事が1日で終わる。その力は本物だ。
ただし、エンジンの耐久力は変わっていない。AIが速く走らせるほど、人間の脳が消耗するペースも速くなる。最も危ないのは「速く走れること」に気づいた優秀な人間が、ブレーキを踏むタイミングを見失うことだ。
研究者のKellermanはこう言っている。「Brain Fryは休憩を取れば消える」。問題は、休憩を取らせてくれる構造になっているかどうかだ。
AIを使いこなすことと、AIに使い潰されることは紙一重だ。その境界線を引くのは、ツールの設定ではなく、ペースの設計だ。