Botshitting（ボットシッティング）とは？｜未確認のAI成果物を出すと誰が損をするのか

botshitting－ボットシッティング（無検証提出）とは、AIの出力を確認も理解もしないまま、自分では責任を持てない状態で提出することです。生成AIに書かせた調査メモの数字を確かめずに回覧する、説明を求められても答えられないコードをそのままマージする、といった場面が典型で、6,000人を対象にした調査ではAI利用者の69%がこうした行動を1つ以上認めています。

この記事では、AIの出力を確かめるべきかどうかを期待値の式で比べ、確かめないほうが得に見える誤り率の分岐点と、その差額を誰が払っているのかを計算します。数字は仮定を置いたシナリオ計算です。

botshittingとbotsittingは何が違うのか

語源は、AIがもっともらしく作り出すでたらめを指す英語の造語「botshit」です。2024年に経営学者のTimothy R. Hannigan、Ian P. McCarthy、André Spicerの3人が学術誌Business Horizonsに発表した論文「Beware of botshit」（67(5), 471–486）で提示しました。チャットボットは意味を理解せずに応答を予測するため、もっともらしいが不正確な内容（ハルシネーション）を生み出し、人間がそれを無批判に使ったものをbotshitと呼んでいます。

この言葉を「行為」に広げたのが、Glean社のWork AI Institute（ノートルダム大学、スタンフォード大学、カリフォルニア大学バークレー校との共同研究）による「Work AI Index 2026」です。同レポートはbotshittingを「検証していない、十分に理解していない、あるいは自信を持って責任を負えないAI生成物を提出する行為」と定義しました。

一方のbotsitting（AIの子守り）は、AIに文脈を与え、出力を監督し、誤りをデバッグし、後始末をする、認識も予算化もされにくい労働を指します。日本ではBusiness Insider Japanが「botシッター」として紹介しました。英語では botshitting と botsitting で綴りも意味も異なりますが、カタカナでは区別しにくいため、本記事では英語表記と「無検証提出」「AIの子守り」を併記します。

連載のワークスロップの記事とあわせると整理しやすくなります。ワークスロップは体裁だけ整った中身の薄い「成果物」、botshittingは確認せず提出する「行為」、botsittingはAIの出力を使える状態にするための「確認・修正作業」です。後始末を引き受ける人は、botsittingの負担を背負うことになります。

6,000人調査でbotshitting（無検証提出）はどれくらい起きているのか

Work AI Index 2026は、米国3,000人、英国1,500人、オーストラリア1,500人の週30時間以上働くデジタルワーカー計6,000人を対象に、2025年12月から2026年1月にかけて実施された自己申告ベースの調査です。回答者はAIによる自動化で週に約11時間を節約していると答えた一方、AIの子守りに週6.4時間を使っていました。

内訳は、AIが本来持っているべき情報を与える作業が週2.3時間、出力の監督が週2.2時間、誤りのデバッグが週1.7時間、後始末やツールの切り替えといったその他の作業が週0.2時間です（Gleanのブログ記事）。6.4時間を11時間で割ると約58%で、浮いた時間の半分以上が、AIを使える状態にする作業に吸い込まれている計算です。

botshitting（無検証提出）にあたる行動を1つ以上認めた人はAI利用者の69%でした。聞かれても説明できないAI生成物を提出することがある人が41%、誤っていると思いながらAIの出力を提出したことがある人が12%、自分のミスをAIのせいにしたことがある人が28%です。AIを多く使う人ほど割合は高く、ヘビーユーザーでは82%、ライトユーザーでは50%と報告されています。

さらに、AIのセッションの36%が大幅なやり直しやリセットを必要としていました。誤りは一定の割合で混ざり、誰かが確かめなければなりません。

AIの出力を確かめずに出したほうが得になるのは誤り率が何%以下のときか

AIの出力1件を自分で確かめるのにかかる時間を v、出力に誤りが含まれる確率を e、確かめずに出した誤りが後で誰かに見つかる確率を f、見つかったときの手戻りの時間を d とします。確かめれば必ず v がかかり、確かめなければ確率 e × f で d がかかるので、確かめたほうが得になる条件は次のとおりです。

e ＞ v ÷（f × d）

誤り率 e が右辺を超えるなら確かめる、下回るなら確かめずに出しても期待値では損をしない、という分岐点です。f を半々の0.5と置き、v と d を振った早見表が次の表です。d＝111分はワークスロップの記事で紹介した受け手の平均対処時間（1時間51分）を借りた値、v＝6.6分は後述の仮定から出した値です。

確認時間 v ＼ 手戻り d	30分	60分	111分	240分
3分	20.0%	10.0%	5.4%	2.5%
6.6分	44.0%	22.0%	11.9%	5.5%
10分	66.7%	33.3%	18.0%	8.3%
15分	100%	50.0%	27.0%	12.5%

111分の列では、確認に6.6分かかるなら、モデル上は誤り率が約12%を超えた時点で確認したほうが得になります。ただし、この式は「確認すれば誤りを防げる」「確認と修正を v の時間に収められる」と単純化しています。また、調査の「36%のセッションが大幅なやり直しを必要とした」という数字は、ここで置いた誤り率 e とは別の指標なので、12%と直接比較することはできません。

ただし、手戻りの d を払うのは確かめずに出した本人だけではありません。上司のレビューや同僚の修正、顧客対応にも回ります。本人が負担するのは d のうち一部の割合 s だけだとすると、本人から見た分岐点は e ＞ v ÷（f × s × d）に変わります。

本人が負担する割合 s	本人にとっての分岐点 e
100%（全部自分で直す）	11.9%
50%	23.8%
30%	39.6%
20%	59.5%

v＝6.6分、f＝0.5、d＝111分で計算しています。手戻りの3割しか自分に返ってこない人は、誤り率が約40%になるまで確かめないほうが得に見えます。組織の分岐点12%と本人の分岐点40%のあいだが、本人は得をして組織は損をする帯です。botshitting（無検証提出）は怠慢というより、損失の大半が他人に回る構造のもとでは合理的な選択になってしまう行為です。

1週間分の確認を省くと組織にどれだけ手戻りが回るか

Gleanの調査にある「出力の監督に週2.2時間」を確かめる作業の時間とみなし、週20件のAI出力を扱うと仮定すると、1件あたりの確認時間は6.6分です。この2.2時間をまるごと省いた場合、組織に回る手戻りは 20 × e × f × d で計算できます。f＝0.5、d＝111分、本人の負担割合 s＝0.3のシナリオです。

誤り率 e	組織に回る手戻り（週）	組織全体の差し引き（週）	うち本人が負担する分（週）
5%	0.93時間	＋1.27時間	0.28時間
10%	1.85時間	＋0.35時間	0.55時間
15%	2.77時間	−0.57時間	0.83時間
20%	3.70時間	−1.50時間	1.11時間
30%	5.55時間	−3.35時間	1.66時間

誤り率が約12%を超えると、確認を省いた2.2時間より手戻りのほうが大きくなり、組織は赤字です。ところが本人が負担する分は、誤り率30%でも1.66時間にとどまり、省いた2.2時間を下回ります。本人は「AIで時間を浮かせた」と言えるのに、チームの時間は減っています。この表には見つからないまま残る誤り（確率 1 − f）の損失を含めていないので、実際の差はさらに開くと考えられます。

なぜ確かめずに出す人が増えると確認担当者の負担が急に重くなるのか

確かめずに出す人の手戻りは、確かめる人が吸収します。n 人のチームのうち m 人が確認を省き、本人が負担しない分（1 − s）を残りの n − m 人で均等に引き受けると、確認担当者1人あたりの追加負担は次のようになります。

確認担当者1人あたりの追加負担 ＝ m ÷（n − m）× 20 × e × f × d ×（1 − s）

10人のチーム、誤り率15%、ほかの条件は前節と同じとして、誤りの発生と発見、手戻り時間のばらつきを乱数で1万回シミュレーションしました。

確認を省く人数 m	確認担当者1人の追加負担（週・平均）	多い週（上位10%）
1人	0.21時間	0.54時間
3人	0.83時間	1.57時間
5人	1.93時間	3.22時間
7人	4.48時間	7.06時間
9人	17.6時間	26.5時間

負担は人数に比例せず、m ÷（n − m）の形で加速します。確かめない人が増えるほど、手戻りを受け止める人が減るからです。確かめる人が次々に確認をやめれば、最後の1人は週17時間以上の後始末を抱えます。検証しない人が増えるほど検証する人の負担が増えるという外部性が、botshitting（無検証提出）を放置できない理由です。

AIの出力をもっともらしく感じるほど人は確認を省きやすくなる、という心理はオートメーション・バイアスの記事で扱いました。ヘビーユーザーほど割合が高かったのは慣れで e を低く見積もるからかもしれませんが、因果は確定していません。

この記事の数字はいずれも仮想のシナリオで、特定の組織の実測値ではありません。シミュレーションでは手戻り時間 d に平均111分の指数分布でばらつきを付け、各件の誤りの発生と発見を二項分布で生成して、1万回試行の平均と上位10%点を載せました。見つからない誤りの損失は含めていません。

botshitting（無検証提出）を防ぐには何をすればよいか

まず、「説明できるか」を提出の条件にします。提出前に「この結論の根拠を30秒で口頭説明できるか」を自問するだけで、確認すべき出力とそのまま出せる出力が分かれます。

次に、手戻りの重さ d で確認の深さを変えます。分岐点は v ÷（f × d）なので、社外に出る資料や意思決定に使う数字のように d が大きい仕事ほど、わずかな誤り率でも確認が必要です。社内の下書きなら軽い確認で足ります。

手戻りを出した本人に戻す仕組みも効果があります。本人の負担割合 s が小さいほどbotshitting（無検証提出）は合理的な選択になるので、指摘や修正を本人に返して s を1に近づければ、本人の分岐点と組織の分岐点が揃います。責めるためではなく、コストの所在を見えるようにするために運用するのがコツです。

あわせて、botsittingに使った時間を記録しておきましょう。Gleanのレポートが指摘したとおり、子守りの時間は予算化も記録もされていません。他人のAI出力の確認に週何時間を使っているかを残しておくと、「本人は得、組織は損」の状態に早く気づけます。

どの仕事をAIに任せ、どこで人が確かめるべきかの線引きは、AIに任せてよい仕事、いけない仕事を学ぶ講座で具体例とともに扱っています。チーム全体で確認のルールを揃えたい場合は、生成AIの法人研修でも、業務に合わせた運用設計からご相談いただけます。

よくある質問

botshitting（無検証提出）とワークスロップは同じ意味ですか

重なりますが、指しているものが違います。ワークスロップは体裁だけ整った中身のない成果物そのもの、botshitting（無検証提出）はAIの出力を確かめず理解もしないまま提出する行為です。確かめずに出した結果としてワークスロップが生まれる、と考えると整理しやすくなります。

botsittingとは何ですか

AIに必要な文脈を与え、出力を確かめ、誤りを直し、使える状態にする作業です。自分のAI出力を整える作業も、他人が確認せずに出したものの後始末も含まれます。Gleanの調査では、この作業に平均で週6.4時間が使われていました。botshittingという「提出行為」とは区別が必要です。

AIの出力はすべて確認すべきですか

期待値で考えると、必ずしもそうではありません。確認時間が短く、誤りの手戻りが軽い仕事なら、確認を省いても損をしない範囲があります。ただし判断は、本人の負担だけでなく組織全体の手戻り d で行う必要があります。

AIを使い慣れた人ほどbotshitting（無検証提出）をしやすいのですか

Gleanの調査では、ヘビーユーザーの82%、ライトユーザーの50%がbotshitting（無検証提出）にあたる行動を認めており、使う頻度が高い人ほど割合は高くなっていました。ただし自己申告の集計で、慣れが原因なのか、扱う件数が多いだけなのかは分かっていません。

監修／和から株式会社 堀口智之