AIを使えば、メールや資料、コードのたたき台は安く、すばやく作れる。しかし、その便利さは「考え切れていない仕事」を他人に渡すコストまで下げてしまう。

ShopifyのTobias Lütke CEOは、AIが作ったメールやコードを十分に確認せず、価値を加えないまま同僚へ投げる行為を**「slop grenades（スロップ・グレネード）」**と呼んだ。ここでいう問題はAIを下書きに使うこと自体ではない。送信者が正確性、有用性、目的との適合性を確かめずに「完成品」のように扱うことだ。48

見栄えのよい出力でも、仕事は終わっていない

生成AIの文章やコードは、もっともらしく整って見える。そのため、前提の抜け、誤った事実、筋の悪い推論、必要な検証の欠落が見落とされやすい。

AIは大量の材料を短時間で作れるが、それが正しいか、役に立つか、業務に適しているかについて責任を負うことはない。Lütke氏の主張では、メールや文書、プルリクエストを送る従業員が、その責任を引き続き負う。36

受け取った側は結局、次の作業を引き受けることになる。

1. 元の依頼や目的を読み解く
2. 出力の意味と前提を確認する
3. 誤り、不足、根拠のない記述を探す
4. 修正・再執筆・テストを行い、実際に使える形へ整える

つまり、出力の量だけは増えても、チーム全体の仕事が速くなるとは限らない。むしろ、ミスを見抜ける上司や専門家に検証と修正が集中しやすい。

「展開して、また圧縮する」無駄な工程

この問題は、仕事の流れが逆転する点にある。

• 送信者は、複雑な課題を短いプロンプトに圧縮する。この時点で重要な条件や判断が省かれることがある。
• AIはそれを、見た目の整った長い文章やコードへ展開する。
• 受信者は、背景や本来の目的を再構築しながら内容を分解して検証する。
• 最後に受信者が、意思決定や納品に使える形へ再圧縮する。

AIが削ったはずの手間が、別の人の「読み解き」と「やり直し」として戻ってくる構図だ。しかも、顧客への約束、事業判断、本番環境に入るコード変更の責任をAIが引き受けることはできない。生成物を完成品として渡してしまうと、誰が最終責任を持つのかも曖昧になる。

ShopifyのAI推進と矛盾するのか

一見すると、これはAI推進企業のCEOによる後退宣言にも見える。だが、Lütke氏の姿勢はAI利用の否定ではない。

同氏は2025年、ShopifyではAIを効果的に使うことが全員に求められる基本的な期待値だと述べた。チームが人員や追加リソースを求める前に、AIで実現できない理由を示すべきだともしている。46

Shopifyは社内Slack上で動くAIエージェント「River」にも大きく投資している。Riverはコードを読み、テストを実行し、コードを書き、プルリクエストを作成し、データを照会し、本番トレースを調べられる。最近のLütke氏の発言を報じた記事によれば、RiverはShopifyの本番コードに関するプルリクエストの最大半分に関与している可能性がある。4436

ここから導かれるのは、生成は完了ではないという原則だ。AIエージェントは調査や実装を加速できるが、レビュー、品質判断、優先順位付け、検証、そして受け入れ判断は仕事から消えない。

研究者が呼ぶ「workslop」

BetterUp LabsとStanford Social Media Labは、見た目は整っているのに、タスクを実質的に前進させる中身を欠くAI生成物を**「workslop（ワークスロップ）」**と定義している。24

両者が2025年9月に米国のフルタイムのデスクワーカー1,150人を対象に実施した調査では、次の結果が示された。

• **40%**が、直近1か月にワークスロップを受け取ったと回答
• 受け取る仕事のうち、平均**15.4%**がワークスロップに当たると推計
• 1件の解消には平均で約2時間
• 月あたり従業員1人につき186ドル、従業員1万人の企業なら年900万ドル超のコストに相当すると推計29

これはあくまで調査に基づく推計であり、すべての組織に当てはまる生産性指標ではない。それでも、AIでチームに流入する仕事の量が、検証できる能力を上回り得るというリスクを具体的に示している。

損なわれるのは時間だけではない

ワークスロップは編集時間を奪うだけでなく、同僚間の信頼も傷つける。

Yahoo Financeが報じた別の調査では、回答者の52.7%がワークスロップを送ったことがあると答え、38%が受け取ったと答えた。受信者は修正に月平均3.4時間を使うと見積もり、送ってきた同僚を「能力が低い」「親しみにくい」と見る傾向も報告された。3

未検証の出力を送ることは、単に弱い下書きを共有する以上の行為になる。相手に品質管理を頼みながら、その依頼を明示せず、時間も確保しないことになり得るからだ。

Duolingoが示した「量産時の品質管理」

DuolingoのLuis von Ahn CEOも、AI生成コンテンツを大量展開する際の同じ課題に言及している。同氏は、規模を大きくすると約20%が「pure slop（純粋なスロップ）」になり得るとして、学習者に届かないよう慎重に管理する必要があると語った。11

一方でDuolingoは生成AIを使い、148の新しい語学コースを公開している。AIが拡張の速度を高める力を持つことも事実だ。12

だからこそ、出力量が増えるほど、顧客や利用者に届く前に不適切・低品質な内容を除くレビュー工程の価値は高くなる。

いま問われるのは「AIを使ったか」ではなく「誰が持つか」

AIをすでに導入した組織にとって、焦点は利用促進そのものから移りつつある。重要なのは、最終成果に対する人間のオーナーシップを業務フローに残せるかどうかだ。

実務では、次のような基準が役立つ。

• AIは選択肢、下書き、テストを作るために使い、責任逃れの手段にはしない
• 共有前に、事実、論理、文体、依頼との適合性を確認する
• まだ確認が必要なものは「下書き」と明示する
• 顧客向け、法務・財務、本番影響のある作業では、意思決定の責任者を明確にする
• AIの利用回数や生成量ではなく、成果と品質で評価する

AIは最初の一歩を速くできる。しかし、信頼でき、役に立ち、責任の所在が明確な仕事に仕上げるのは人間の役割だ。Lütke氏の「スロップ・グレネード」という表現は、その当たり前の原則を端的に表している。

AIを使えば、メールや資料、コードのたたき台は安く、すばやく作れる。しかし、その便利さは「考え切れていない仕事」を他人に渡すコストまで下げてしまう。

ShopifyのTobias Lütke CEOは、AIが作ったメールやコードを十分に確認せず、価値を加えないまま同僚へ投げる行為を**「slop grenades（スロップ・グレネード）」**と呼んだ。ここでいう問題はAIを下書きに使うこと自体ではない。送信者が正確性、有用性、目的との適合性を確かめずに「完成品」のように扱うことだ。48

見栄えのよい出力でも、仕事は終わっていない

生成AIの文章やコードは、もっともらしく整って見える。そのため、前提の抜け、誤った事実、筋の悪い推論、必要な検証の欠落が見落とされやすい。

AIは大量の材料を短時間で作れるが、それが正しいか、役に立つか、業務に適しているかについて責任を負うことはない。Lütke氏の主張では、メールや文書、プルリクエストを送る従業員が、その責任を引き続き負う。36

受け取った側は結局、次の作業を引き受けることになる。

1. 元の依頼や目的を読み解く
2. 出力の意味と前提を確認する
3. 誤り、不足、根拠のない記述を探す
4. 修正・再執筆・テストを行い、実際に使える形へ整える

つまり、出力の量だけは増えても、チーム全体の仕事が速くなるとは限らない。むしろ、ミスを見抜ける上司や専門家に検証と修正が集中しやすい。

「展開して、また圧縮する」無駄な工程

この問題は、仕事の流れが逆転する点にある。

• 送信者は、複雑な課題を短いプロンプトに圧縮する。この時点で重要な条件や判断が省かれることがある。
• AIはそれを、見た目の整った長い文章やコードへ展開する。
• 受信者は、背景や本来の目的を再構築しながら内容を分解して検証する。
• 最後に受信者が、意思決定や納品に使える形へ再圧縮する。

AIが削ったはずの手間が、別の人の「読み解き」と「やり直し」として戻ってくる構図だ。しかも、顧客への約束、事業判断、本番環境に入るコード変更の責任をAIが引き受けることはできない。生成物を完成品として渡してしまうと、誰が最終責任を持つのかも曖昧になる。

ShopifyのAI推進と矛盾するのか

一見すると、これはAI推進企業のCEOによる後退宣言にも見える。だが、Lütke氏の姿勢はAI利用の否定ではない。

同氏は2025年、ShopifyではAIを効果的に使うことが全員に求められる基本的な期待値だと述べた。チームが人員や追加リソースを求める前に、AIで実現できない理由を示すべきだともしている。46

Shopifyは社内Slack上で動くAIエージェント「River」にも大きく投資している。Riverはコードを読み、テストを実行し、コードを書き、プルリクエストを作成し、データを照会し、本番トレースを調べられる。最近のLütke氏の発言を報じた記事によれば、RiverはShopifyの本番コードに関するプルリクエストの最大半分に関与している可能性がある。4436

ここから導かれるのは、生成は完了ではないという原則だ。AIエージェントは調査や実装を加速できるが、レビュー、品質判断、優先順位付け、検証、そして受け入れ判断は仕事から消えない。

研究者が呼ぶ「workslop」

BetterUp LabsとStanford Social Media Labは、見た目は整っているのに、タスクを実質的に前進させる中身を欠くAI生成物を**「workslop（ワークスロップ）」**と定義している。24

両者が2025年9月に米国のフルタイムのデスクワーカー1,150人を対象に実施した調査では、次の結果が示された。

• **40%**が、直近1か月にワークスロップを受け取ったと回答
• 受け取る仕事のうち、平均**15.4%**がワークスロップに当たると推計
• 1件の解消には平均で約2時間
• 月あたり従業員1人につき186ドル、従業員1万人の企業なら年900万ドル超のコストに相当すると推計29

これはあくまで調査に基づく推計であり、すべての組織に当てはまる生産性指標ではない。それでも、AIでチームに流入する仕事の量が、検証できる能力を上回り得るというリスクを具体的に示している。

損なわれるのは時間だけではない

ワークスロップは編集時間を奪うだけでなく、同僚間の信頼も傷つける。

Yahoo Financeが報じた別の調査では、回答者の52.7%がワークスロップを送ったことがあると答え、38%が受け取ったと答えた。受信者は修正に月平均3.4時間を使うと見積もり、送ってきた同僚を「能力が低い」「親しみにくい」と見る傾向も報告された。3

未検証の出力を送ることは、単に弱い下書きを共有する以上の行為になる。相手に品質管理を頼みながら、その依頼を明示せず、時間も確保しないことになり得るからだ。

Duolingoが示した「量産時の品質管理」

DuolingoのLuis von Ahn CEOも、AI生成コンテンツを大量展開する際の同じ課題に言及している。同氏は、規模を大きくすると約20%が「pure slop（純粋なスロップ）」になり得るとして、学習者に届かないよう慎重に管理する必要があると語った。11

一方でDuolingoは生成AIを使い、148の新しい語学コースを公開している。AIが拡張の速度を高める力を持つことも事実だ。12

だからこそ、出力量が増えるほど、顧客や利用者に届く前に不適切・低品質な内容を除くレビュー工程の価値は高くなる。

いま問われるのは「AIを使ったか」ではなく「誰が持つか」

AIをすでに導入した組織にとって、焦点は利用促進そのものから移りつつある。重要なのは、最終成果に対する人間のオーナーシップを業務フローに残せるかどうかだ。

実務では、次のような基準が役立つ。

• AIは選択肢、下書き、テストを作るために使い、責任逃れの手段にはしない
• 共有前に、事実、論理、文体、依頼との適合性を確認する
• まだ確認が必要なものは「下書き」と明示する
• 顧客向け、法務・財務、本番影響のある作業では、意思決定の責任者を明確にする
• AIの利用回数や生成量ではなく、成果と品質で評価する

AIは最初の一歩を速くできる。しかし、信頼でき、役に立ち、責任の所在が明確な仕事に仕上げるのは人間の役割だ。Lütke氏の「スロップ・グレネード」という表現は、その当たり前の原則を端的に表している。