社内で生産性の目安に使われやすい「オフィスにいる時間の長さ」と「メール・チャットの返信の速さ」に、翌日のコンディションへの因果は見られませんでした。イトーキと松尾研究所が2026年10月2日に公表した854名・70種類の行動データ分析の結果です。代わりに効いていたのは、会議の「数」と、60分以上まとまって作業できた時間でした。この記事では、何が効いて何が効かなかったのかを整理し、自社の生産性指標とカレンダー運用をどう見直すかに落とし込みます。
854名・1か月・70種類の行動データを因果の向きで分析した
イトーキと松尾研究所は、オフィスでの行動データと従業員サーベイを組み合わせ、行動が翌日のコンディションに与える因果を推定する「データ駆動型生産性推定モデル」を構築しました。公表は2026年10月2日です。
分析の条件はイトーキのプレスリリースに記載があります。対象はイトーキ日本橋本社の従業員854名、データ取得期間は2025年12月1日から31日までの1か月間です。
| 項目 | 内容 |
|---|---|
| 対象者 | イトーキ日本橋本社の従業員854名 |
| 期間 | 2025年12月1日〜12月31日（1か月） |
| 行動データ | 70種類（位置情報21・予定情報4・オンラインコミュニケーション情報45） |
| データ取得元 | 館内ビーコンによる位置・移動、カレンダーの予定、メール・チャットのログ |
| 中間指標 | 心身のコンディション、社内の人間関係（サーベイ結果を併用） |
| 最終指標 | アウトプット（従業員一人ひとりの能力発揮度） |
| 分析手法 | 時系列因果探索「VAR-LiNGAM」を従業員ごとの日次データに適用し職種別に集約 |
| 職種区分 | 設計・開発・企画／営業・サービス／管理 |
70種類の内訳は位置情報21・予定情報4・オンラインコミュニケーション情報45で、合計が70になります。データの取得元が館内ビーコン・カレンダー・メールとチャットのログであることは、IT Leadersの報道で補足されています。
効いた行動は3つ、効かなかった行動は4つだった
イトーキのプレスリリースが挙げた結果は、「翌日のコンディションに因果が確認された行動」と「因果が確認されなかった行動」に分かれます。後者のほうが、社内の評価指標を見直す材料になります。
翌日のコンディションに効いた行動
| 行動 | 確認された因果 | 対象 |
|---|---|---|
| 会議の数が多い | 翌日の心のコンディションが低下。会議の「長さ」より「数」が影響 | 3職種すべてで共通 |
| 60分以上まとまって作業できた | 翌日の心のコンディションが向上 | 全職種のうち88%の従業員 |
| メール・チャットの受信量が多い | 組織内の人間関係や体のコンディションなど複数が低下 | 営業・サービス職で確認 |
| 自ら発信する | 組織内の人間関係のコンディションが向上 | — |
会議については「長さ」ではなく「数」が翌日に効いていました。60分以上まとまって作業できた日の翌日に心のコンディション向上が確認されたのは、全職種のうち88%の従業員です。メール・チャットは「発信量」より「受信量」が影響し、受信が多い日は営業・サービス職で複数のコンディション低下が見られました。
因果が確認されなかった行動
- オフィスにいる時間の長さ
- 休憩エリアの利用回数
- メール・チャットの返信速度
- デジタル接続時間の長さ
この4つは、多くの企業が「頑張っている度合い」の代理指標として追っているものです。少なくとも今回の854名・1か月のデータでは、翌日のコンディションへの因果が確認されませんでした。
「相関」ではなく「因果の向き」を推定している点が今回の要点
今回の分析は、2つの数字が一緒に動くかを見る相関分析ではなく、どちらが原因でどちらが結果かを推定する因果探索です。使われたのは時系列因果探索「VAR-LiNGAM」で、今日の行動から翌日の状態への向きを推定します。
この違いは実務上の意味が大きく変わります。「会議が多い人は心のコンディションが低い」という相関だけなら、「もともと調子が悪い人に会議が集まっている」という逆の説明も成立します。因果の向きを推定する手法を使うことで、「会議の数を減らせば翌日のコンディションが上がる可能性がある」という方向の示唆に踏み込めます。
ただし、因果探索は万能ではありません。自社に当てはめる前に、次の前提を確認する必要があります。
| 前提 | 今回の条件 | 自社適用時の注意 |
|---|---|---|
| 対象範囲 | 1社・1拠点（イトーキ日本橋本社） | 業種・職種構成が違えば結果は変わりうる |
| 期間 | 2025年12月の1か月 | 年末の繁忙や賞与期の影響を切り分けられない |
| コンディションの測り方 | サーベイ結果を併用（設問・頻度は非公開） | 自己申告の指標であり、客観測定ではない |
| 集約の単位 | 従業員ごとの日次データを職種別に集約 | 個人差は職種平均の裏に隠れる |
| 手法の仮定 | VAR-LiNGAMが置く統計的な仮定に依存 | 仮定が崩れると推定された向きも変わりうる |
イトーキと松尾研究所は、今後このモデルを異なる職種・拠点・企業へ展開し、精度と適用範囲を高める方針を示しています。現時点では「1社で観測された因果の候補」として扱うのが妥当です。
経営・DX担当者が先に見直すべきは、生産性の測り方そのもの
今回の結果から経営・DX担当者が取るべき最初の行動は、新しいツールの導入ではなく、社内で使っている生産性指標の棚卸しです。効果が確認されなかった指標を評価に使い続けると、改善の努力が空振りします。
1. 「在社時間」「返信の速さ」を評価指標から外す候補にする
オフィスにいる時間の長さと返信速度は、今回の分析で翌日のコンディションへの因果が確認されませんでした。この2つを管理職の評価コメントや勤怠レポートの中心に置いている場合、何を見ているのかを再定義する余地があります。
2. 削るのは会議の「時間」ではなく「本数」
会議削減の施策は「60分を45分にする」という時間短縮に向かいがちです。今回の結果が示したのは、長さより数が翌日に効くという向きでした。30分会議を5本に分散させるより、1本に統合して残りをカレンダーから消すほうが筋が通ります。
3. 60分以上の連続した作業時間を”枠として確保する”
60分以上まとまって作業できた日の翌日に、全職種のうち88%の従業員で心のコンディション向上が確認されています。これは個人の集中力の話ではなく、カレンダーの設計の話です。会議を午前または午後に寄せ、連続した空き時間を物理的に作れるかが論点になります。
4. 受信量は個人の処理能力ではなく情報流通の設計問題
メール・チャットの受信量が多い日に、営業・サービス職で複数のコンディション低下が見られました。受信量は本人が制御できません。宛先に全員を入れる習慣、チャンネルの乱立、CCの運用といった組織側の設計を見直す対象になります。
自社で試すなら、こう始める3つの場面
場面1：会議体の棚卸し（全社・情報システム部門）
カレンダーから直近1か月の会議を抽出し、「本数」と「参加者数×時間」で並べ替えます。意思決定を伴わない報告型の会議を、ドキュメント共有と非同期コメントに置き換える候補として洗い出します。評価軸を会議時間の合計ではなく本数に変えるだけで、統合すべき会議が見えやすくなります。
場面2：集中時間のブロック運用（開発・企画部門）
午前中を会議禁止帯にする、会議は特定の曜日に寄せる、といった運用で60分以上の連続枠を確保します。重要なのは「個人が自分でブロックする」のではなく、部門単位でカレンダーのルールにすることです。個人任せでは会議の招集で崩れます。
場面3：情報流通の棚卸し（バックオフィス・営業部門）
チャットのチャンネル数、メールのCC・BCCの運用、通知設定を点検します。受信量が組織内の人間関係や体のコンディションに効いているなら、「誰に届ける必要があるのか」を決め直すことが対策になります。AIによる要約や自動振り分けは、この設計を決めた後に効果が出ます。
行動データを扱うなら、最初に必要になる4つの準備
行動データによる分析を自社でやるなら、分析手法の前に揃えるものがあります。
- データの所在と粒度：入退室・位置情報、カレンダー、メール・チャットのログがどこにあり、日次で取り出せるか
- 従業員への説明と同意：何を取得し、何に使い、誰が見るのか。個人の評価に使わないのであれば、その範囲を明文化する
- 結果側の指標：行動データだけでは「良くなった／悪くなった」が判定できません。今回の研究もサーベイ結果を併用しています
- 分析の目的：監視ではなく、会議体やカレンダー運用といった「組織が変えられる変数」を見つけるために使う
4点目が抜けると、行動データの分析はすぐに監視として受け取られ、データの質そのものが落ちます。AI活用を業務プロセス全体に広げる進め方は「AI自動化がタスクからプロセスへ｜変わる評価軸3つ」、会議そのものの負荷を下げる手段は「議事録の時間を半分に｜文字起こしAIの選び方と限界」でも整理しています。
よくある質問
- 会議はとにかく減らせばよいということですか。
-
今回の分析で確認されたのは「会議の数が多い日は翌日の心のコンディションが低下する」という因果の向きです。必要な会議まで削ると意思決定が遅れます。報告型を非同期化し、本数を統合する順序が現実的です。
- 自社でも同じ結果になりますか。
-
今回はイトーキ日本橋本社の854名・2025年12月の1か月という条件での結果です。業種・職種構成・繁忙期が違えば結果は変わりえます。イトーキと松尾研究所も他職種・他拠点・他企業への展開を今後の課題としています。
- 行動データを集めれば生産性は測れますか。
-
行動データだけでは足りません。今回の研究もコンディションやアウトプットにサーベイ結果を併用しています。行動ログと結果側の指標を組み合わせないと、良し悪しの判定ができません。
- 従業員の監視になりませんか。
-
取得範囲と利用目的を事前に明文化し、個人評価に使わない範囲を決めることが前提です。今回の研究も分析単位は従業員ごとの日次データですが、結果は職種別に集約して公表されています。
まとめ
イトーキと松尾研究所が2026年10月2日に公表した854名・70種類の行動データ分析は、生産性の測り方そのものに疑問符を付けました。在社時間の長さ・休憩エリアの利用回数・返信速度・デジタル接続時間には、翌日のコンディションへの因果が確認されませんでした。効いたのは会議の「数」と、60分以上まとまって作業できた時間（全職種のうち88%の従業員で翌日の向上を確認）、そしてメール・チャットの受信量でした。
Auto-IDフロンティアとしては、この結果を「分析ツールを入れる理由」ではなく「社内の評価指標を点検する理由」として読むことを勧めます。1社・1か月・サーベイ併用という条件を踏まえれば、今の段階でやるべきことはカレンダーと情報流通の棚卸しです。データ分析はその後で効きます。
次のアクションは1つです。直近1か月のカレンダーから会議の「本数」を部門別に数え、60分以上の連続した空き時間が1日に何回あるかを測ってください。この2つの数字が出れば、削る会議と作る枠が決まります。
社内の会議・情報流通のデータをどう取り、どこから手を付けるか整理したいという方は、AI導入相談フォームからお気軽にご相談ください。
出典・参考資料
- 株式会社イトーキ・株式会社松尾研究所： イトーキと松尾研究所、854名の行動データをAIで分析し、『データ駆動型生産性推定モデル』を構築 （）
- 財経新聞： イトーキと松尾研究所、854名の行動データをAIで分析し、『データ駆動型生産性推定モデル』を構築 （） （イトーキ プレスリリースの配信版）
- IT Leaders（インプレス）： 『長い在社時間』も『返信の早さ』も無関係？ データが暴いた『生産性が高い働き方』の間違い （）
- マイナビニュース： 会議が多いと『翌日の心』に影響する？ 松尾研究所とイトーキが854人の働き方をAI分析 （）
