AIは社会の「マクドナルド化」を加速する ―効率化の先で失われる、経験と人間の営み

マクドナルド化とは、ファストフード店の運営原理が、仕事、教育、医療、消費、行政などへ
広がっていくことを捉えた概念です。

近年の研究でも、その中心は次の四つに整理されています。

●効率性 最短の時間・手順・コストで目的へ到達する セルフサービス、業務の自動化
●計算可能性 質よりも量・速度・数値で成果を測る、件数、時間、評価点、クリック数
●予測可能性 いつどこでも同じ結果を得られるようにする、マニュアル、テンプレート、標準化
●制御 人の判断やばらつきを、規則や技術で抑える 監視、手順指定、自動割り当て

これらは、私たちの生活を安全で便利にしてきました。

どの店でも同じ品質の商品を買える。
誰が担当しても一定水準のサービスを受けられる。
作業時間が短くなり、費用も抑えられる。
ミスや事故も減らせます。

合理化そのものが悪いわけではありません。
問題は、速さ、量、均一性、管理のしやすさだけが価値の基準になったときに起こります。

標準化された仕組みでは、働く人の経験や個性に頼らなくても、一定の成果を出せます。
それは組織にとって大きな強みです。

一方で、仕事を細かく分け、判断の余地を減らし、数値で管理するほど、働く人は交換可能な
存在になっていきます。

これが、マクドナルド化で指摘される「脱人間化」です。

脱人間化とは、人間らしさが本当に失われるという意味ではありません。働く人が、考え、
感じ、工夫し、相手に応答する主体ではなく、決められた作業を正確にこなす「機能」や
「人員」として扱われる状態です。

誰が担当しても同じ結果が出る仕組みは、組織を安定させる一方で、
「その人だから気づけたこと」「その人だからできた関わり」を仕事から見えにくくします。

目の前の相手に合わせて工夫する。
異変の兆しに気づく。
マニュアルにない問いを立てる。
失敗から自分なりの判断基準をつくる。

そうした行為は、効率の悪い「ばらつき」として扱われやすくなります。

便利さを生むはずの合理化が、人の裁量、技能、関係性、生きがいを奪う。
この逆説が「合理性の非合理性」です。

以前の記事にマクドナルド化する社会を取り上げました。

この記事では、合理化による脱人間化を、仕事のポートフォリオによって逆手に取る
考え方を紹介しました。

合理化された仕事で生活基盤を確保しながら、別の仕事や活動で自分らしさを
発揮するという方向です。

でも、生成AIが急速に広がった現在、問いはさらに深くなっています。

AIは定型作業だけでなく、調査、文章作成、企画、判断支援、評価、コミュニケーション
にまで入ってきました。

仕事の一部が合理化されるだけではありません。私たちが「考え、選び、試し、学ぶ」
という経験の過程そのものが合理化されようとしています。

生成AIは、数時間かかっていた調査や文章作成を数分に短縮します。
会議の要約、企画案、メール、画像、プログラムまで、素早く作成できます。

その恩恵は大きい一方、「時間がかかる」という理由だけで、
思考の過程まで省かれる可能性があります。

自分で資料を読み比べる。
分からないことに立ち止まる。
仮説を立てる。
相手の話を聞いて考えを変える。

これらはアウトプットだけを見れば遠回りです。
でも、その遠回りの中で、問いの立て方や判断力が育ちます。

完成品を早く得ることと、自分が考えられるようになることは、同じではありません。

AIは、大量の情報から、一定水準の文章や企画を安定して生み出せます。
その結果、以前なら専門技能が必要だった成果物も、多くの人がつくれるようになります。

これは知識や表現の民主化です。

それと同時に、インターネット上の情報を整理しただけの内容や、
誰でもつくれる平均的な成果物は、急速にコモディティ化します。

組織では、AIを使って生産量、応答時間、顧客評価などを細かく測り、
最も再現性の高い手順へ近づけることもできます。

すると、数えやすい成果が重視され、数えにくい価値が見えにくくなります。
・相手が安心して本音を話せるようになった
・小さな異変を早く察知した
・雑談から新しい課題を見つけた
・失敗を通して判断の勘所を学んだ
・ 時間をかけて信頼を築いた

こうした価値は、すぐには数値になりません。
でも、長期的な仕事の質を支えていることがあります。

AIの影響は、生成物をつくることだけではありません。

国際労働機関（ILO）は、アルゴリズムを使った仕組みが、仕事の割り当て、監視、評価、
勤務計画、採用、研修、昇進など、労務管理の広い領域で使われていると整理しています。

適切に使えば、管理者の負担を減らし、公平な判断を助ける可能性があります。

一方、働く人が「なぜこの仕事を割り当てられたのか」「なぜこの評価になったのか」
を理解できないまま、システムの指示に従うだけになれば、仕事を自分で組み立てる
余地は狭くなります。

AIが人を直接置き換えなくても、人の判断、裁量、関係性を少しずつシステムへ移すことで、
働く経験は大きく変わります。

AIが仕事を奪うかどうかだけでなく、AIが残した仕事の中で、人はどのような経験を積めるのか
を見る必要があります。

仕事を標準化し、誰でも同じようにできるようにすることは、組織を安定させます。

でも、仕事の過程が細かく指定され、必要な判断までAIが示すようになると、
働く人は「決められた工程を通す人」になりやすくなります。

文章や資料が完成しても、自分はなぜその構成を選んだのか説明できない。
提案はできても、相手の反応を受けて修正できない。
正解らしい答えは出せても、現場で何が起きているか分からない。

こうして成果物と本人の能力が分離していきます。

外から見ると仕事は終わっています。
でも、本人の中には、次の場面でも使える判断や実践知が十分に残っていません。

定型的で初歩的な仕事は、AIが最も代替・補助しやすい領域です。

ところが、ベテランが持つ判断力も、最初から備わっていたわけではありません。

下調べをする。
たたき台をつくる。
先輩に直される。
顧客から厳しい反応を受ける。
小さな失敗をして、次のやり方を変える。

こうした初歩的な仕事の繰り返しが、専門性へ上がる「経験のはしご」でした。

2026年のAnthropicの調査では、経験15年以上の働き手は、経験1年目の働き手に比べ、
AIが自分の仕事を遂行できる範囲を約10ポイント低く見積もりました。

経験者ほど、文脈判断、状況への対応、信頼、人のマネジメントなど、
仕事に含まれる暗黙的な部分を認識している可能性があります。

これは、ベテランなら安全という意味ではありません。

若手が初歩的な仕事をAIへ渡しすぎれば、将来のベテランを育てる経験が減ります。
ベテランも、現場から離れ、AIが整えた情報だけで判断すれば、経験は更新されなくなります。

仕事には、大きく二つの側面があります。
一つは、経済的な成果を生み出す「産業」としての側面です。

商品やサービスを生産し、売上や利益を生み、生産性を高める。手順を標準化し、
短い時間と少ないコストで、安定した品質を提供する。

企業や社会を持続させるために欠かせない側面です。
AIは、情報収集、分析、予測、文書作成、業務の自動化などを通じて、
この「産業としての仕事」を強化します。

生産性、効率性、再現性、規模化を高める点で、AIは非常に大きな力を持っています。

仕事のもう一つは、人間が人や自然、地域、社会との関係のなかで行う「営み」としての側面です。

相手の小さな変化に気づく。状況に合わせて関わり方を変える。時間をかけて信頼を育てる。
対象を手入れし、結果を引き受ける。

そこには、数値や成果物だけでは捉えきれない意味があります。
ここで大切なのは、「産業」と「営み」を対立させないことです。

【産業として見る】 　　　　　【営みとして見る】
成果・収益を生産する 　　　人や対象との関係を生きる
効率・速度・規模を高める 手入れし、変化を感じ、応答する
標準化して再現する 　　　個別の状況に合わせて判断する
数値で管理する 　　　　　　数値にならない意味を受け取る
作業を代替可能にする 　　　その人が関わる理由を育てる

例えば、
教育には「教育サービス」と「人を育てる営み」があります。
介護には「介護サービス」と「その人の暮らしを支える営み」があります。
医療には「診断・治療」と「生命や身体に向き合う営み」があります。
接客には「販売業務」と「人を迎え、相手に応答する営み」があります。

AIは「産業としての仕事」を強くできます。
でも、人や自然との関係を実際に生き、相手の変化を受け取り、結果に応答する
「営み」の当事者になることはできません。

だからAI時代に問われるのは、産業を効率化するか、人間らしい営みを守るかという
二者択一ではありません。

AIによって産業を強くしながら、そこで生まれた時間と余力を、
人間にしか担えない営みへ戻せるか。

それが、AIを人間の代替ではなく、人間の仕事を豊かにする道具にする分岐点です。

産業と営みの違いを農業と農の違いで考えてみます。

「農」と「農業」の違いは、百姓であり農学者でもある宇根豊氏の
『百姓・宇根豊と考える農の哲学 上　AIは百姓になれるか』から示唆を得ています。

宇根氏は、「農業とは食料生産のことである」という常識を問い直し、効率化、機械化、
大規模化の過程で見失われてきた農の本質や、マニュアル化できない百姓仕事の
技と知を捉え直しています。

農の世界には、田畑を歩き、作物、水、土、生きものの様子を見る「田回り」があります。

異常が起きた後に対処するだけでなく、まだ問題になっていない小さな変化に
気づくための時間です。

センサーやカメラは、多くの異常を人より正確に検知できます。
それでも、田畑に身を置き、季節や生きものの変化を身体で受け取り、
これまでの経験と結びつけて判断する営みのすべてを置き換えるわけではありません。

しかし、「農」を食料を生産する「農業」という産業の側面だけから見ると、
田回りはすぐに成果を生まない、非効率な時間に見えてきます。

生産量、収益、労働時間だけを基準にすれば、田畑を歩く時間は、センサー、
遠隔監視、マニュアルによって削減・代替すべき対象になります。

もちろん、農業の効率化や機械化は必要です。
問題は、作業を効率化する過程で、田回りが持っていた観察、身体感覚、
現場ごとの判断、対象との関係まで、一緒に排除してしまうことです。

産業として合理化するほど、営みのなかにあった「すぐには測れない価値」が見えにくくなる。

これは、農業だけの問題ではありません。
仕事にも、それぞれの「田回り」があります。
・教師が、生徒の表情や教室の空気を見る
・介護職が、利用者との雑談から体調の変化を感じる
・経営者が、現場を歩き、働く人の声を聞く
・店主が、常連客のいつもと違う様子に気づく
・職人が、素材の状態を手で確かめる
・親が、結論を急がず子どもの話を聞く
など・・・

これらも、短期的な生産性だけで見れば、削減できる時間です。

でも、それを失うと、問題の早期発見、信頼、身体知、仕事の意味まで失われることがあります。

生成AIによって、整った文章、もっともらしい企画、一般的に妥当な助言を、
誰もが短時間でつくれるようになりました。

これからは、一定水準の「正解らしい答え」が、ますます大量に生産されます。

AIがつくる答えに価値がないわけではありません。調査や発想、比較、整理の出発点として、
大きな力になります。

でも、多くの人が同じ情報とAIを使えば、出てくる答えも似てきます。既存情報をきれいに
組み直しただけでは、その人でなければ生み出せない価値にはなりにくくなります。

一方、現場には、まだデータになっていない変化があります。

人と会って感じた違和感。実際に使って分かった不便。うまくいかなかったときの戸惑い。
相手の表情を見て変えた言葉。手を動かしたからこそ分かった勘所。

こうした一次経験は、AIが持つ平均的な答えに、現実の文脈とその人固有の判断を加えます。

同じAIを使っても、何を問い、どこに違和感を持ち、誰に確かめ、結果をどう受け止めるかは、
積み重ねてきた経験によって変わります。

だからAI時代には、知識を多く持っていることだけでなく、現実に働きかけ、
まだ言葉になっていない一次情報を受け取り、自分なりに意味づける力が重要になります。

重要なのは、経験の量だけではありません。
自分の意思で関わり、結果を受け取り、振り返り、次の判断を変える。
この循環を通した経験が、再び使える経験資源になります。

「AIにできない仕事」を探すだけでは、いずれ技術の進歩に追いかけられます。
それよりも、何を人間が引き受けるのかを決めることが大切です。

人間が担うべきなのは、すべてを抱え込むことではありません。
・何を大切にするかを選ぶ
・誰のために行うかを決める
・現実の反応を受け取る
・予想との違いから学ぶ
・必要な修正を行う
・自分が選んだ範囲について説明する
など・・・

AIは選択肢を出せます。しかし、どの価値を優先し、どのリスクを引き受け、
結果にどう応答するかという責任の主体にはなれません。

社会や組織のマクドナルド化を、個人の力だけで止めることはできません。

私たちの仕事の多くは、すでに分業され、標準化され、数値で管理されています。
AIの導入によって、その流れはさらに進むでしょう。

今回の提案は、合理化された仕事を捨てることでも、すべてを昔の手作業へ
戻すことでもありません。

マクドナルド化された仕事のなかにも、自分で見て、考え、試し、
反応を受け取る「経験の余白」を意識して残すことです。

決められた仕事のなかでも、相手の様子を一度よく見る。
AIがつくった答えを現場で確かめる。小さな工夫を試す。
結果を振り返り、次のやり方を変える。

その余白が、単なる作業を自分の経験へ変えていきます。

AI時代に必要なのは、何でも自分で行うことではありません。

合理化できる作業はAIに任せます。
ただし、仕事の過程をすべてAIや仕組みに渡すのではなく、
自分の判断と経験が生まれる部分を意識して残します。

【AIに任せやすいこと】 【人間が手元に残すこと】
情報を集め、整理する 　　 　 何を問い、何を確かめるかを決める
複数案をつくる 　　　　　　 大切にする価値を選ぶ
定型文やたたき台をつくる 自分の経験と相手の文脈を加える
パターンや異常を検出する 現場に触れ、意味を解釈する
手順や計画を提案する 　　　 実行し、反応を受け取り、修正する
記録を整える 　　　　　　 何を学び、次に何を試すかを決める

AIで一時間短縮できたなら、その一時間を、さらに多くの成果物をつくることだけに使わない。
人に会う。現場へ行く。試作品を渡す。話を聞く。手を動かす。何もしないで考える。

効率化によって生まれた時間を、さらに作業量を増やすためだけに使わなければ、
そこに自分の経験を育てる余白が生まれます。

まず、今の仕事を二つの視点から書き出してみます。

1. 産業としての仕事
何を、どれだけ、どの速さで生産・提供しているか。

2. 営みとしての仕事
誰や何に関わり、どのような変化を感じ取り、何を手入れしているか。

たとえば営業なら、売上や契約件数は産業としての成果です。
相手の言葉にならない困りごとを聞き、状況に合った解決策を共につくり、
長い信頼関係を育てることは営みです。

次に、三つの問いを考えます。
・AIや仕組みに任せた方がよい作業は何か
・効率化すると失われる、自分の仕事の「田回り」は何か
・生まれた時間で、どのような一次経験を一つ増やすか

大きな改革は必要ありません。
今週、いつもメールで済ませている相手と15分話す。現場を一度見に行く。
AIが作った案を一人に試して反応を聞く。
それだけでも、画面の中にはなかった情報が返ってきます。

体験は、起きただけでは経験資源になりません。

振り返り、意味を見つけ、次の行動へつなげることで、初めて自分の判断材料になります。

一日の終わりに、次のことを短く記録します。
1. 今日、自分で決めたことは何か
2. 実際に何をしたか
3. 自分や相手に、どんな反応が起きたか
4. 予想と現実の間に、どんな違いがあったか
5. 次は何を一つ変えるか

これは成果を管理するための業務日報ではありません。
合理化された毎日の中でこぼれ落ちる、心の動き、判断、関係、失敗、発見を拾い、
自分の人生へ戻すための「自分日報」です。

自分日報は、合理性では測れない経験を拾い上げる「人生の田回り」です。

AIは、社会の効率性、計算可能性、予測可能性、制御を飛躍的に高めます。
その力を使えば、多くの人が短い時間で高品質な成果を生み出せるようになります。

でも、アウトプットをつくるまでの迷い、試行錯誤、現場との接触、
相手からの反応まで省略すると、本人の中に経験が残らなくなります。

問題は、AIが人間の仕事を奪うことだけではありません。

人間が働いているのに、判断し、学び、成長する機会が失われることです。
だから、AIに任せる仕事を決めるだけでは足りません。

自分が直接見ること。人と話すこと。手を動かすこと。結果を引き受けること。
そこから学び、次の判断を修正すること。

人間が手放してはいけない「田回り」と「営み」を決める必要があります。

マクドナルド化された仕事から、完全に抜け出す必要はありません。決められた役割のなかにも、
自分で観察し、考え、工夫し、相手の反応を受け取る余白はつくれます。

その小さな余白が、誰でもできる作業を、自分にしか積み重ねられない経験へ変えていきます。

合理化できる作業はAIに任せる。
そこで生まれた時間を、現実に触れ、人と関わり、自分だけの一次経験をつくるために使う。
そして、その経験を振り返り、自分の言葉で残し、次の行動へつなげる。

それが、AIによる超合理化を逆手に取り、自分を代替可能な存在にしないための方法です。

AI時代に価値を持つのは、効率よく処理した量だけではありません。
自分で選び、現実に触れ、心を動かし、そこから何を学んだかです。

(参考文献・資料)
・George Ritzerのマクドナルド化論を現代的に検討した研究：Uri Ram, “McDonaldization: Reviving classical sociological theory,” Thesis Eleven, 2025.
・International Labour Organization, “Algorithmic management in the workplace”（仕事の割り当て・監視・評価等におけるアルゴリズム利用）.
・International Labour Organization, “Global case studies of social dialogue on AI and algorithmic management,” ILO Working Paper 144, 2025.
・Anthropic, “Anthropic Economic Index report: Economic primitives,” 2026年6月（経験年数とAIによるタスク遂行可能性の認識）.
・宇根豊『百姓・宇根豊と考える農の哲学 上　AIは百姓になれるか』農山漁村文化協会、2026年（使用箇所：3-3「産業と営み」、4-1「農と田回り」）.

注記
「AIが社会のマクドナルド化を加速する」という表現は、リッツァの四要素と、
近年のAI・アルゴリズム管理に関する研究を接続した、本記事の分析的な解釈です。
AIに関する研究が、直接この表現を結論として示しているわけではありません。