2026年3月、StanfordとBetterUpの研究者たちは、誰もが気づいていたのに誰も名前をつけていなかったある現象に名称を与えました。それが「workslop」です。AIが生成したコンテンツは見た目が洗練され、読みやすく、専門的な言葉遣いを使っているのに、実質的な内容が一切ないものです。
あなたはworkslopを見たことがあるはずです。おそらく自分で作ったこともあるでしょう。「ご連絡が届くことを願っています」という書き出しで始まり、20語で済む内容を200語で述べているメール。テンプレートのすべてのセクションを埋めているものの、独自の洞察が一切含まれていないレポート。同じモデルに同じデフォルトプロンプトを使って生成されたため、どのLinkedIn投稿とも同じように聞こえる投稿。
Workslopは、生産性調査では捉えられないAIの隠れたコストです。なぜなら、それは「成果物」のように見えるからです。受信トレイを埋め、Slackチャンネルを詰まらせ、レポートに散在します。あらゆる自動品質チェックは通過します。しかし、それを読んだ人には一切の価値を提供しません。
Key Takeaway
Workslopは、AIを「考えるため」ではなく「生成するため」に使うときに発生します。解決策は、AIを「すでに持っているアイデアを洗練する」ために使うことであり、「持っていないアイデアを作らせる」ことではありません。まずは粗い考えを自分で書き、AIにそれを洗練させましょう。「Xについて何か書いて」と最初から頼んで、返ってきたものをそのまま受け入れるのはやめましょう。
Workslopを見分けるには？
| Signal | What It Looks Like | Why It's Workslop |
|---|---|---|
| Generic opening | "In today's rapidly evolving landscape..." | どんなトピックにも当てはまる。特異性がない。 |
| Synonym stacking | "Innovative, cutting-edge, groundbreaking approach" | 同じことを言っている3つの言葉。無駄な埋め合わせ。 |
| No specific numbers | "Significant improvement" instead of "37% improvement" | 検証も実行もできない曖昧な主張。 |
| Conclusion repeats intro | "In conclusion, as we've discussed..." | 新しい洞察はなく、ただ構造をこなしただけ。 |
| Interchangeable content | Could describe any company/product/person | ドメイン知識や独自の観察がない。 |
なぜAIはWorkslopを生むのか？
それはあなたがそう指示したからです。Workslopは、曖昧なプロンプトに対する自然な出力です。「プロジェクトの更新についてメールを書いて」と頼むと、AIにはプロジェクトの詳細も、読者の文脈も、具体的な更新内容もありません。それでもAIは「プロジェクト更新メールらしいもの」を生成します。専門的な言葉を使い、段落や箇条書きを備えています。しかし、あなたが実際の更新内容を提供しなかったため、本当の更新は含まれていません。
AIに対する根本的な誤解はここにあります。AIは、あなたが求めたものの「パターン」に一致するテキストを生成します。プロンプトが「メールを書く」というパターンを指定すれば、パターンが出力されます。プロンプトに実質的な内容（「この3つの決定と、期限付きの2つのアクションアイテムをまとめて」）が含まれていれば、実質的な内容が出力されます。
ICCSSEフレームワークは、まさにWorkslopを防ぐために存在します。各要素が実質的な内容を強制的に追加させます：AIが誰を装うのか（Identity）、どんな状況なのか（Context）、どんな制約があるのか（Constraints）、どんな順序で進めるのか（Steps）、具体的に何を求めるのか（Specifics）、良い出力とはどんなものか（Examples）。この6つの質問すべてに答えるプロンプトは、AIにパターンに頼る余地を与えないため、Workslopを生むことはありません。
---📬 Getting value from this? We write about AI like practitioners, not promoters. Get it in your inbox →
---Workslopを生まないための5つの方法
1. AIからではなく、自分の洞察から始める。 まず自分の要点を2〜3文で書いてから、AIに「自分の要点を中心に拡張・洗練・フォーマット」させましょう。これにより、出力には必ず自分のオリジナルな考えが1つ以上含まれるようになります。
2. 誰にでも当てはまる内容をすべて削除する。 AIが生成した出力から、別の会社・人・状況にもそのまま当てはまる文をすべて削除します。残ったものが実質的な内容です。何も残らなければ、それはWorkslopです。
3. AIに書かせる前に具体的な数字を入れる。 「売上が23%増の420万ドルになった」は実質的な内容を生み、「売上が大幅に増加した」はWorkslopを生みます。数字は具体性を強制します。
4. 「So what?」テストを使う。 各段落を読んで「それで？」と問いかけます。答えが「何もない。ただ専門的に聞こえるだけ」なら削除しましょう。専門的に聞こえる空虚さこそがWorkslopの定義です。
5. プロンプトを最適化する。 Prompt Optimizerは、どんなプロンプトにも文脈・制約・具体性を追加して再構成します。曖昧なプロンプトを貼り付けると具体的なプロンプトが返ってくるので、出力の質が向上します。
---📬 Want more like this? We fight workslop with real content, weekly. Subscribe free →
---Frequently Asked Questions
Is all AI-generated content workslop?
No. AI can produce excellent, substantive content when given specific inputs, clear constraints, and examples. Workslop comes from lazy prompting, not from AI itself. The model produces content as specific as your prompt.
How do I tell if my own AI output is workslop?
The swap test: could this text describe any other company/person/situation with zero changes? If yes, it's workslop. Good AI output is specific to your situation, data, and context.
Are people getting fired for producing workslop?
Not yet — but the trend is moving that direction. As AI literacy increases, managers can spot AI-generated filler more easily. Workers who use AI to produce volume instead of quality are increasingly identifiable. The skill that matters is using AI to produce better work, not more work.
Disclosure: Some links in this article are affiliate links. We only recommend tools we've personally tested and use regularly. See our full disclosure policy.